JavaScript is required to use this site. Please enable JavaScript in your browser settings.

Oktober 28, 2026

Ungleiche Folgen, ungleiche Aufmerksamkeit: KI deckt blinde Flecken in der Klimaforschung auf

Ungleiche Folgen, ungleiche Aufmerksamkeit: KI deckt blinde Flecken in der Klimaforschung auf
ScaDS.AI Dresden/Leipzig

KI zeigt Lücken in der Klimafolgenforschung auf

Überschwemmungen, Stürme, Dürren und andere klimabedingte Naturgefahren treffen Menschen weltweit. Doch spiegelt die wissenschaftliche Forschung wider, wo ihre Auswirkungen am größten sind?

Die Studie eines Forschungsteams um Taís Maria Nunes Carvalho vom ScaDS.AI Dresden/Leipzig zeigt erhebliche Lücken in der wissenschaftlichen Wissensgrundlage. Länder mit niedrigem Einkommen und besonders hoher Verwundbarkeit erhalten im Verhältnis zu ihren Katastrophenschäden und ihrer Verwundbarkeit weniger wissenschaftliche Aufmerksamkeit. Auch bestimmte Naturgefahren und indirekte sozioökonomische Folgen sind bislang unzureichend erforscht. Die Studie „Climate hazard impact research underrepresents vulnerable countries and cascading socioeconomic impacts“ erscheint in der Fachzeitschrift Communications Earth & Environment.

Das Forschungsteam verband Risikoforschung mit Data Science und untersuchte mehr als 11.000 wissenschaftliche Veröffentlichungen zu den Folgen vergangener klimabedingter Naturgefahren. Die Ergebnisse zeigen, wo das bisherige Wissen Lücken aufweist und wo zukünftige Forschung einen Unterschied machen könnte.

Erkenntnisse aus vielen Fachbereichen sind notwendig

Um zu verstehen, wie sich Katastrophen auf die Gesellschaft auswirken, braucht es Erkenntnisse aus vielen verschiedenen Fachgebieten. Dieses Wissen verteilt sich jedoch auf Tausende wissenschaftliche Veröffentlichungen. Es auf globaler Ebene zusammenzuführen, stellt eine erhebliche Herausforderung dar.

Bisherige groß angelegte Auswertungen wissenschaftlicher Literatur stützten sich häufig auf Abstracts, also die kurzen Zusammenfassungen der Artikel. Darin fehlen jedoch mitunter wichtige Einzelheiten zu den Folgen von Katastrophen. Das Forschungsteam analysierte deshalb die vollständigen Texte, um auch Informationen zu erfassen, die bei einer rein abstractbasierten Auswertung möglicherweise unberücksichtigt bleiben.

Das Team durchsuchte fünf wissenschaftliche Datenbanken: PubMed, ScienceDirect, OpenAlex, Dimensions und Web of Science. Die Suche umfasste frei zugängliche, englischsprachige Artikel, die zwischen 1990 und Mitte 2025 erschienen sind. Nach dem Entfernen von Duplikaten und nicht relevanten Einträgen verarbeiteten die Forschenden mehr als 32.000 Volltextartikel und identifizierten über 10.000 relevante Veröffentlichungen.

Ein KI-gestützter Analyseprozess extrahierte Informationen über die Art der Naturgefahren, die betroffenen Orte, die Zeitpunkte der Ereignisse und 30 Kategorien sozioökonomischer Folgen. Diese Kategorien umfassten unter anderem Gesundheit, Infrastruktur, Ernährungssicherheit und Beeinträchtigungen des gesellschaftlichen Lebens.

Der Ansatz kombinierte Modelle zur maschinellen Klassifikation mit dem großen Sprachmodell Llama-3.3-70B. Mithilfe von Active Learning trainierte das Team die Klassifikationsmodelle effizient anhand einer begrenzten Zahl manuell gekennzeichneter Beispiele. Sowohl das Modelltraining als auch die Informationsextraktion erfolgten auf der Recheninfrastruktur von ScaDS.AI an der Universität Leipzig. Die Analyse umfasste mehr als 160.000 einzelne Sätze.

Ungleiche Aufmerksamkeit für Katastrophenfolgen

Die Forschenden glichen die ausgewertete Literatur mit der internationalen Katastrophendatenbank EM-DAT sowie globalen Daten zur Gefährdung und Verwundbarkeit ab. So untersuchten sie, ob die wissenschaftliche Aufmerksamkeit den tatsächlichen Auswirkungen und Risiken für die betroffenen Menschen entspricht.

Weltkarte und Streudiagramm zur wissenschaftlichen Aufmerksamkeit für Klimakatastrophen im Verhältnis zur Verwundbarkeit. Rot zeigt geringere, Türkis höhere Aufmerksamkeit. Länder mit höherem sozioökonomischem Entwicklungsniveau erhalten tendenziell mehr Aufmerksamkeit relativ zu ihrer Verwundbarkeit.

Die Ergebnisse zeigen ein deutliches Ungleichgewicht. Der Studie zufolge müssen Katastrophen in Ländern mit niedrigem Einkommen etwa elfmal so viele Todesopfer fordern, um vergleichbare wissenschaftliche Aufmerksamkeit zu erhalten wie Katastrophen in Ländern mit hohem Einkommen. Bei der Zahl der betroffenen Menschen beträgt der Unterschied sogar das 200-Fache. Berücksichtigt die Analyse die sozioökonomische Verwundbarkeit, sind mehr als die Hälfte der Länder des Globalen Südens in der Forschung unterrepräsentiert.

Zwei Katastrophen verdeutlichen diesen Unterschied: Hurrikan Katrina in den USA mit etwa 1.400 Todesopfern war Gegenstand von 278 Studien innerhalb der ausgewerteten Literatur. Taifun Durian auf den Philippinen und in Vietnam mit etwa 1.500 Todesopfern wurde dagegen in nur zwei Studien untersucht.

Die Forschungslücken betreffen nicht nur die geografische Verteilung. Auch Hitze- und Kältewellen erhalten trotz ihrer Auswirkungen auf die Menschen unverhältnismäßig weniger Aufmerksamkeit als Überschwemmungen und Stürme. Indirekte Folgen und Kaskadeneffekte – also Auswirkungen, die weitere Folgen nach sich ziehen – sind ebenfalls unzureichend erforscht. Dazu zählen Störungen von Kommunikationssystemen, Konflikte und Infektionskrankheiten.

Die Analyse machte außerdem eine methodische Herausforderung sichtbar: Studien erfassen und beschreiben Katastrophenfolgen auf sehr unterschiedliche Weise. Einige nennen präzise Zahlen, andere schildern die Auswirkungen ausschließlich qualitativ. Diese Uneinheitlichkeit erschwert es, Ereignisse miteinander zu vergleichen und ein umfassendes Bild ihrer Folgen zu gewinnen.

Wissenschaftliche Erkenntnisse leichter zugänglich machen

Die Arbeit bietet sowohl eine strukturierte Wissensgrundlage als auch eine Möglichkeit, Forschungslücken zu erkennen. Forschende, Fachleute vor Ort und Personen aus der Praxis der Klimaanpassung können die Datensätze nutzen, um Veröffentlichungen zu bestimmten Katastrophen zu finden. Zugleich lässt sich feststellen, wo bislang nur wenige wissenschaftliche Erkenntnisse vorliegen.

Das zugehörige Zenodo-Repositorium enthält bibliografische Informationen, darunter Publikationskennungen, Titel und Abstracts. Außerdem stellt es einen abgeleiteten Datensatz bereit, der zugeordnete Katastrophenereignisse und die jeweilige Zahl der Veröffentlichungen umfasst. Aus urheberrechtlichen Gründen veröffentlicht das Team die zugrunde liegenden Volltexte nicht.

Die Forschenden betrachten ihre Arbeit als Grundlage für ein umfassenderes, kontinuierlich aktualisiertes System zur Beobachtung klimabedingter Auswirkungen. Künftige Erweiterungen könnten zusätzliche Sprachen und Quellen wie Nachrichtenmedien, Regierungsberichte und soziale Medien einbeziehen. Dadurch ließen sich Einschränkungen der bisherigen Datengrundlage verringern, die ausschließlich frei zugängliche, englischsprachige Fachliteratur umfasst.

Für eine gerechtere Klimaanpassung

Katastrophenvorsorge und Klimaanpassung sind auf belastbare Erkenntnisse angewiesen. Wenn sich die Forschung auf wohlhabendere Regionen konzentriert, fehlt besonders verwundbaren Gemeinschaften möglicherweise das Wissen, um lokale Risiken zu verstehen und ihnen zu begegnen. Die erkannten Ungleichgewichte können Forschenden und Förderorganisationen helfen, bislang vernachlässigte Regionen, Naturgefahren und Arten von Auswirkungen gezielter zu berücksichtigen.

Die zentrale Botschaft der Studie lautet: Fehlende wissenschaftliche Veröffentlichungen bedeuten nicht, dass eine Katastrophe nur geringe Auswirkungen hatte. Sie können vielmehr auf einen blinden Fleck in der Forschung hinweisen. Diese Lücken sichtbar zu machen, ist ein Schritt hin zu einer ausgewogeneren Wissensgrundlage für Klimaanpassung und Katastrophenrisikomanagement.

Das komplette Dataset gibt es in Zenodo.

Vorheriger Eintrag Zurück zur Übersicht Nächster Eintrag

Neues Journal „Mathematics and AI“ bei Springer Nature erschienen

ScaDS.AI Dresden/Leipzig

Mathematik für KI und KI für Mathematik: Die neue Fachzeitschrift„Mathematics and Artificial Intelligence” möchte […]

Gesellschaft für Informatik ernennt Prof. Dr. Erhard Rahm zum Fellow

ScaDS.AI Dresden/Leipzig

Die Gesellschaft für Informatik e.V. (GI) hat Prof. Dr. Erhard Rahm von der Universität […]

Wir begrüßen Dr. Marina Litvak als Ada Lovelace Distinguished Research Fellow

Forschung

ScaDS.AI Dresden/Leipzig heißt Dr. Marina Litvak als dritte Ada Lovelace Distinguished Research Fellow herzlich […]
Placeholder Thumbnail

Ausgründen am ScaDS.AI Dresden/Leipzig

ScaDS.AI Dresden/Leipzig

Mehr als dreißig Teilnehmer:innen diskutierten beim Meetup „Ausgründen – aber wie?“ über Unternehmensgründungen, Transferprozesse […]
funded by:
Gefördert vom Bundesministerium für Bildung und Forschung.
Gefördert vom Freistaat Sachsen.