Die ESDE-Gruppe untersucht die Verwendung fortgeschrittener Deep Learning-Methoden und hochskalierter Datenworkflows zur Analyse und Vorhersage atmosphärischer Daten, insbesondere in Bezug auf Luftqualität und Wetter.

Unsere Fähigkeit, Luftqualität, Wetter und Klimadaten zu analysieren, ist von überragender Bedeutung, um Leben zu bewahren - beispielsweise während extremer Wetterereignisse, Natur und Biodiversität zu schützen und wirtschaftliche Werte zu schaffen und zu erhalten. Dies kann nur aufgrund von wissenschaftlich fundierten Entscheidungen über Minderungs- und Schutzmaßnahmen gelingen. Modernes Maschinelles Lernen kann traditionelle Simulationsmodelle ergänzen oder sogar zum Teil ersetzen und mehr Informationen aus der ungeheuren Menge an Umweltüberwachungsdaten extrahieren. Die Verwaltung, Verarbeitung und Verteilung dieser Daten mit moderner Hochleistungsrechentechnologie soll den Prinzipien offener, föderierter und FAIRer Daten folgen. Diese sind eine notwendige Voraussetzung zur Entwicklung nachhaltiger Werkzeuge für die Analyse der Umwelt, aber auch ein interessantes Forschungsthema in sich selbst. Die ESDE-Gruppe arbeitet an End-to-End-Lösungen zusammen mit vielen internationalen Partnern, um die Forschung zu Luftqualität und Wetter zu revolutionieren.

Im Rahmen der Programmorientierten Förderung (PoF IV) von Helmholtz Information trägt diese Gruppe zu Programm 1 “Engineering Digital Futures”, Topic 1 „Enabling Computational- & Data-Intensive Science and Engineering“ bei und ist Teil des Joint Lab Exascale Earth System Modelling (ExaESM) sowie des Center for Advanced Simulation and Analytics (CASA).