Einführung in KI, Klima- und Wetterdatenanalyse:
Grundlagen KI-gestützter Analysen in Meteorologie und Klimatologie sowie der Übersetzung atmosphärischer Physik in datengetriebene Signale
Verständnis validierbarer Vorhersagemodelle, Ensemble-Prognosen, Unsicherheitsquantifizierung und Skill-Scores
Definition des Scopes hinsichtlich zeitlicher und räumlicher Auflösung sowie unterschiedlicher Vorhersagehorizonte wie Nowcasting, saisonale Prognosen und Klimaprojektionen
Einführung in numerische Wettervorhersage, Klimamodellierung und statistische Nachverarbeitung
Einordnung belastbarer und auditierbarer Ergebnisse für operative und strategische Entscheidungen in wetter- und klimasensitiven Bereichen
Datenlandschaft, Integration und technologische Grundlagen:
Auswahl und Integration relevanter Datenquellen wie numerische Wettermodelle, Reanalyse-Daten, Satellitendaten und Wetterstationen
Grundlagen von Datenmodellen für 4D-spatio-temporale Datensätze sowie Techniken der Datenassimilation
Einführung in moderne Schnittstellen und cloud-native Formate wie Zarr und NetCDF für den Umgang mit großen Klimadatensätzen
KI-basierte Bias-Korrektur und statistisches Downscaling zur Erzeugung hochaufgelöster und analysefähiger Wetter- und Klimadaten
Überblick über Climate-AI-Toolchains, Deep-Learning-Methoden, Visualisierung hochdimensionaler Daten und skalierbare Cloud-Workflows
Automatisierung von Wetter- und Klimavorhersageprozessen:
Einführung in automatisierte Vorhersage-Workflows nach dem Prinzip "Observe - Assimilate - Forecast - Verify - Retrain"
Nutzung von KI, LLMs und Agentic Workflows zur Validierung von Vorhersagen, Erkennung von Anomalien und Identifikation von Modelldrift
Automatisierte Erstellung maßgeschneiderter Wetterberichte und Klima-Reports für unterschiedliche Stakeholder
Human-in-the-Loop-Konzepte zur Überwachung der Modell-Performance und zur Interpretation extremer oder unerwarteter Vorhersagen
Entwicklung eines MLOps-Frameworks für den robusten und skalierbaren Betrieb von Wetter- und Klimavorhersagemodellen
Anwendungsfelder, Governance und Compliance:
Anwendung in Energiewirtschaft, Landwirtschaft, Logistik, Handel, Versicherungswesen sowie im öffentlichen Sektor und Gesundheitsbereich
Vorhersage von Stromnachfrage und erneuerbarer Erzeugung, Ernteerträgen, Wetterrisiken, Luftqualität und Extremwetterereignissen
Governance für Vorhersagemodelle mit Fokus auf kontinuierliche Validierung, Benchmarking und Überwachung der Modellgüte
Transparente Kommunikation von Unsicherheiten, probabilistischen Informationen und Nachvollziehbarkeit von Datenquellen und Modellarchitekturen
Einhaltung von Standards und Best Practices sowie ethische Aspekte bei der Nutzung von Wetter- und Klimaprojektionen