Ein künstlich-intelligente System zur Vorhersage von Ölverschüttungen kann die Genauigkeit der Notfallreaktionen um bis zu 25 Prozent steigern. Ölunfälle gehören zu den schädlichsten Umweltkatastrophen, da sie marine Ökosysteme schwer beschädigen, Küstengemeinden beeinträchtigen und langfristig wirtschaftliche Schäden verursachen können. Bisherige numerische Modelle wie MEDSLIK-II simulieren die Bewegung und Veränderung von Ölpartikeln im Meerwasser, sind aber aufgrund ihrer Abhängigkeit von fachkundiger Einstellung kritischer physikalischer Parameter begrenzt. Die manuelle Kalibrierung dieser Parameter, obwohl auf langjähriger Erfahrung basierend, erfasst oft nicht die volle Komplexität und Variabilität realer ozeanographischer und atmosphärischer Bedingungen. Das neue AI-gestützte Modell überwindet diesen Mangel, indem es maschinelles Lernen nutzt, um aus historischen Ölverschüttungsdaten, Satellitenbeobachtungen und Umweltmessungen Muster zu erkennen und präzisere Vorhersagen zu generieren. Es analysiert in Echtzeit Daten zu Strömungen, Windrichtung, Temperatur und Wellenbewegung, um die Ausbreitung von Öl zu prognostizieren und die Priorität von Rettungsmaßnahmen zu optimieren. Tests an mehreren realen Ölunfällen zeigten, dass das System die Trefferquote bei der Vorhersage von Verschmutzungsgebieten deutlich übertraf, insbesondere in komplexen Küstenregionen mit starken Strömungen. Die verbesserte Genauigkeit ermöglicht es Rettungsteams, Ressourcen effizienter einzusetzen, die Ausbreitung schneller einzudämmen und Schäden an der Umwelt und der Wirtschaft zu minimieren. Die Technologie wurde von einem internationalen Forscherteam aus Wissenschaftlern der EU, der USA und Asiens entwickelt und wird bereits in Pilotprojekten von Umweltbehörden und Schifffahrtsorganisationen eingesetzt. Branchenexperten loben die Innovation als Wendepunkt in der Katastrophenreaktion. „Dies ist der erste Schritt hin zu einer wirklich datengetriebenen und proaktiven Ölverschüttungsvorhersage“, sagt Dr. Lena Müller, Umweltmodellierungs-Experte am Helmholtz-Zentrum Geesthacht. „Die Kombination aus maschinellem Lernen und physikalischen Modellen reduziert menschliche Fehler und erhöht die Robustheit der Vorhersagen.“ Das System ist skalierbar und könnte künftig auch bei anderen Umweltkatastrophen wie Algenblüten oder chemischen Leckagen eingesetzt werden. Die zugrundeliegende KI-Plattform wurde von der deutschen Firma AquaSight entwickelt, einem jungen Tech-Startup mit Schwerpunkt auf nachhaltige Umwelttechnologien, das bereits mit Fördermitteln der EU und dem deutschen Bundesministerium für Bildung und Forschung unterstützt wird. Die Technologie ist in Entwicklung, um auch in Echtzeit auf Satelliten- und Drohnen-Daten zu reagieren, was die Reaktionsgeschwindigkeit weiter beschleunigen könnte.