Wie KI Wissenschaftlern hilft, die Bewegung von gelöstem organischem Kohlenstoff im Ozean zu verstehen

Künstliche Intelligenz wird oft für die Verbreitung von Falschinformationen und ihre schädlichen Auswirkungen auf die Umwelt verantwortlich gemacht, doch sie hat auch viele positive Aspekte, wie zum Beispiel, dass sie Wissenschaftlern dabei hilft, Fortschritte in Bereichen zu erzielen, die mit den derzeitigen Methoden sonst vielleicht nicht möglich wären.

So wie Forscher der Universität Manchester, die mithilfe eines neuen physikbasierten KI-Ansatzes die Bewegung von Kohlenstoff in Meeresablagerungen visualisiert haben. Zum ersten Mal sind sie in der Lage, genaue Vorhersagen auf globaler Ebene darüber zu treffen, wie sich gelöster organischer Kohlenstoff zwischen Meerwasser und marinen Sedimenten bewegt – ein grundlegender, bisher jedoch nicht quantifizierbarer Teil des globalen Kohlenstoffkreislaufs.

Einfach halten

Die Studie zeigt, dass relativ einfache KI-Algorithmen komplexe mechanistische Umweltmodelle erfolgreich nachbilden können, deren Berechnung in der Regel zu zeitaufwendig, auf globaler Ebene zu rechenintensiv und unter verschiedenen realen Bedingungen instabil ist.

Um dieses Problem zu lösen, trainierte das Team KI-basierte„Emulatoren“, die die Leistungsfähigkeit bestehender mechanistischer Modelle zur Beschreibung des Kohlenstoffkreislaufs in Meeresbodensedimenten nachbilden. Diese Emulatoren können weltweit eingesetzt werden, um das Verhalten von gelöstem Kohlenstoff vorherzusagen, und zwar mit einer Auflösung und in einem Maßstab, die mit dem aktuellen Modell nicht möglich sind.

Die Studie liefert die erste weltweite Quantifizierung des Kreislaufs von gelöstem organischem Kohlenstoff in Sedimenten und zeigt, dass 11 % des auf den Meeresboden fallenden partikulären organischen Kohlenstoffs als gelöster organischer Kohlenstoff ins Meerwasser zurückgeführt werden. Weitere 24 % werden in Mineralien eingebaut, und fast die Hälfte des gesamten organischen Kohlenstoffs in fester Phase im obersten Meter der Meeresablagerungen stammt aus gelöstem Kohlenstoff, der an Mineralien adsorbiert oder in diese eingebaut wurde. Die Studie unterstreicht zudem die Bedeutung von gelöstem organischem Kohlenstoff für den langfristigen Kohlenstoffhaushalt der Erde.

Bestätigung durch Vergleich

Zur Entwicklung des Modellierungsrahmens verglichen die Forscher Deep-Learning-Architekturen, Random-Forest-Modelle und einfachere vorwärtsgerichtete künstliche neuronale Netze; dabei stellten sie – unerwarteterweise – fest, dass die einfachsten Algorithmen die genauesten Vorhersagen lieferten.

Dies wurde bestätigt, indem die Emulatorausgaben mit globalen Karten niedrigerAuflösung verglichen wurden, bei denen das aktuelle mechanistische Modell numerisch lösbar blieb, sowie mit algebraischen Lösungen für Variablen mit bekannten analytischen Ausdrücken.

Forscher stellten fest, dass eine Erhöhung der Komplexität der Strukturen neuronaler Netze durchweg zu einer geringeren Vorhersagegenauigkeit führte, was eine seltene praktische Bestätigung für das Prinzip der Sparsamkeit – oder Ockhams Rasiermesser – in der Entwicklung von KI-Modellen darstellt.

Dies hat wichtige Auswirkungen auf die Klimawissenschaft, da die Quantifizierung der Kohlenstoffbilanzen an der Sediment-Wasser-Grenzfläche entscheidend für das Verständnis der globalen Klimadynamik ist. Bislang wurde dies durch rechnerische Einschränkungen behindert, doch dieses schnelle, skalierbare und genaue Modell kann in globale Zirkulationsmodelle integriert und dazu genutzt werden, mögliche ozeanbasierte Strategien zur Eindämmung des Klimawandels zu untersuchen.

„Das in dieser Studie entwickelte Modellierungsrahmenwerk kann eine wesentliche Rolle dabei spielen, potenzielle Szenarien zur Eindämmung des Klimawandels auf Ozeanebene computergestützt zu untersuchen. Mit diesem Ansatz können wir endlich globaleKohlenstoffkreislaufprozesse erforschen, die bisher nicht quantifiziert werden konnten“, sagte Dr. Peyman Babakhani, Dozent für Geo- und Umweltingenieurwesen, der die Arbeit leitete.

Die Forschungsergebnisse bieten zudem neue Möglichkeiten, zu simulieren und zu untersuchen, wie marine Kohlenstoffspeicher in den kommenden Jahrzehnten auf Umweltveränderungen reagieren könnten.

Quellenhinweis:

Global cycling of dissolved organic carbon between seawater and sediments quantified using physics-based artificial intelligence, The Innovation (2026). Babakhani, P., et al.