KI-Satellitenbilder zeigen Überschwemmung

Verheerende Überflutungen durch Starkregen lassen sich dank eines neuen Vorhersagemodells von Forschern des Massachusetts Institute of Technology (MIT) virtuell im Vorfeld darstellen.

Damit können Menschen, die von solchen Ereignissen in Zukunft betroffen sein könnten, rechtzeitig mit entsprechenden Gegenmaßnahmen Vorsorge treffen.

Kombination von KI und Physik

Die Forscher um Björn Lütjens erstellen quasi Satellitenbilder aus der Zukunft, und zwar so, wie sie nach schweren Unwettern aussehen werden. Diese sogenannte „Earth Intelligence Engine“ kombiniert ein generatives Modell der Künstlichen Intelligenz (KI) mit einem physikbasierten Hochwasser-Prognosemodell, um realistische Bilder einer Region aus der Vogelperspektive zu erstellen. Diese zeigen, wo angesichts der Stärke eines aufkommenden Unwetters mit Überschwemmungen zu rechnen ist.

Im Test hat das Team die Methode auf die texanische Millionenstadt Houston angewendet und virtuelle Satellitenbilder erstellt, die zeigen, wie bestimmte Regionen der Stadt nach einem Unwetter aussehen würden, der mit dem Hurrikan „Harvey“ vergleichbar ist. Dieser suchte die Region 2017 heim. Die Experten verglichen diese generierten Bilder mit tatsächlichen Satellitenaufnahmen, die von denselben Regionen nach Harvey aufgenommen wurden. Die Übereinstimmung war frappierend. Allein mit KI gelang es nicht. Bei dieser Variante wurden Überschwemmungen in Regionen dargestellt, in denen wirklich nichts passieren kann.

Menschen vom Risiko überzeugen

„Künftig können wir dieses Prognosemodell bei einem heraufziehenden Hurrikan einsetzen, um gefährdete Gebiete auszumachen“, so Lütjens. Das könne Bewohner dazu bringen, gefährdete Gebiete rechtzeitig zu verlassen oder Schutzmaßnahmen zu ergreifen. „Eine der größten Herausforderungen besteht darin, die Menschen zur Evakuierung zu bewegen, wenn sie in Gefahr sind“, unterstreicht Lütjens. Die Bilder könnten sie von der Notwendigkeit überzeugen.

Die Entwickler nutzen ein sogenanntes „Conditional Generative Adversarial Network“, eine Art maschinelles Lernverfahren, das mithilfe zweier konkurrierender neuronaler Netzwerke realistische Bilder erzeugt. Das erste wird anhand von Paaren realer Daten trainiert, etwa anhand von Satellitenbildern vor und nach einem Hurrikan. Das zweite wird dann darauf ausgerichtet, zwischen echten Satellitenbildern und vom ersten Netzwerk erstellten, synthetisierten Bildern zu unterscheiden.

Jedes Netzwerk verbessert seine Leistung automatisch auf der Grundlage des Feedbacks des anderen, heißt es. Die Idee ist also, dass ein solches Verfahren letztlich synthetische Bilder hervorbringt, die von echten Bildern nicht zu unterscheiden sind. Auf diese Weise sollen Satellitenbilder künftiger Überschwemmungen entstehen, die vertrauenswürdig genug sind, um Entscheidungen darüber zu treffen, ob Menschen evakuiert werden müssen, um sie vor Schaden zu bewahren.

(pd/pressetext)