Die direkte, flächendeckende Beobachtung der Atlantikzirkulation bleibt bislang außer Reichweite. GEOMAR und die Christian-Albrechts-Universität zu Kiel haben deshalb im Juli 2026 einen Machine-Learning-Ansatz erläutert, der vorhandene Argo-Profildaten sinnvoll ergänzen soll. Er schätzt einen klar abgegrenzten Teil der Zirkulation; Messreihen wie RAPID bleiben dafür unverzichtbar.
Der Anlass ist aktuell, die zugrunde liegende Forschung nicht: Die Facharbeit von Yannick Wölker, Willi Rath, Matthias Renz und Arne Biastoch erschien am 18. Dezember 2025 in Ocean Science. Die Mitteilung vom 22. Juli 2026 erklärt, warum der Ansatz für die Ozeanbeobachtung interessant ist. Wer daraus eine neue Kollapswarnung für den Golfstrom ableitet, liest deutlich mehr hinein, als die Studie hergibt.
Das Wichtigste in 30 Sekunden
- Das Verfahren nutzt Temperatur- und Salzgehaltsprofile internationaler Argo-Floats, um einen geostrophischen Tiefenozean-Anteil der AMOC zu schätzen.
- Trainiert und getestet wurde es mit der hochaufgelösten Ozeansimulation VIKING20X und virtuellen Argo-Floats, danach mit realen Profilen im Atlantik.
- Bis zu 80 Prozent erklärte Varianz und ein mittlerer Fehler unter einem Sverdrup gelten für den modellbasierten Test dieses Teiltransports.
- Direkte Beobachtungsnetze wie RAPID bleiben nötig, weil sie andere Komponenten erfassen und kurzfristige Schwankungen besser sichtbar machen.
Warum die Atlantikzirkulation schwer zu beobachten ist
Die Atlantische meridionale Umwälzzirkulation, kurz AMOC, ist kein einzelnes Band im Ozean. Sie setzt sich aus mehreren Strömungs- und Dichteprozessen zusammen, die Wasser, Wärme und Salz zwischen tropischen und hohen Breiten bewegen. Das Bild eines Förderbands ist eingängig, reicht für die Beobachtung aber nicht aus. Je nach Tiefe, Ort und Zeitskala ändern sich die Komponenten unterschiedlich.
Für Klimaforschung und Beobachtungsnetze geht es daher um mehr als bloße Veränderungen. Man muss auch wissen, welcher Teil der Zirkulation erfasst ist, worauf die Schätzung beruht und welche Lücken offenbleiben. Der Ansatz vermisst den Atlantik nicht in Echtzeit; er gewinnt aus verstreuten Profilen eine zusätzliche Schätzung für einen bestimmten Teiltransport.
Was Argo-Floats liefern – und was nicht
Argo ist ein internationales Messprogramm mit frei driftenden Profiling-Floats. Sie tauchen ab, steigen wieder auf und erfassen dabei Temperatur und Salzgehalt von der Oberfläche bis etwa 2.000 Meter; anschließend senden sie ihre Daten per Satellit. Laut NOAA entstehen so jährlich rund 100.000 Temperatur- und Salzgehaltsprofile. Für die Ozeanographie ist das ein großer, frei nutzbarer Datenbestand.
Eine vollständige Transportmessung braucht zusätzliche Datenquellen. Die Floats sind räumlich und zeitlich nicht gleichmäßig verteilt. Die Profile erlauben nur eine indirekte Abschätzung der Wassermenge, die eine Linie im Atlantik passiert. Aus Temperatur und Salzgehalt lassen sich Dichteunterschiede und daraus geostrophische Strömungsanteile ableiten. Andere Komponenten der AMOC bleiben davon aber unberührt.
Vom Ozeanmodell zur Schätzung aus echten Profilen
Die Forschenden trainierten ihr Machine-Learning-Verfahren an VIKING20X, einer hochaufgelösten und physikalisch konsistenten Ozeansimulation. Darin lassen sich virtuelle Argo-Floats platzieren. Das Modell sieht dann ähnliche Lücken und unregelmäßige Profile wie bei realen Messungen, während der simulierte geostrophische Transport als Vergleichswert bekannt bleibt.
In diesem Trainings- und Testrahmen lernt das Verfahren, wie Temperatur- und Salzgehaltsprofile mit dem geostrophischen Innenozean-Transport zusammenhängen. Erst danach wird es auf reale Argo-Profile aus dem Atlantik übertragen. Es handelt sich um eine modellgestützte Rekonstruktion eines definierten Anteils, der vor allem von Dichteverteilungen im Ozean abhängt.
| Frage | Argo-ML-Schätzung | RAPID bei rund 26,5° Nord |
|---|---|---|
| Datengrundlage | Unregelmäßige Temperatur- und Salzgehaltsprofile aus Argo | Mooring-Array mit mehreren beobachteten Komponenten |
| Zielgröße | Geostrophischer Tiefenozean-/Innenozean-Anteil | Komponentenreiche AMOC-Beobachtung an einer Breite |
| Stärke | Nutzt globale offene Profildaten als zusätzliche Informationsquelle | Macht Variabilität von Tagen bis Jahrzehnten an der Messlinie sichtbar |
| Grenze | Keine vollständige direkte Transportmessung; Modell- und Samplinggrenzen | Räumlich auf eine bestimmte Breite begrenzt |
Was die Gütezahlen tatsächlich aussagen
Die Studie berichtet für den geostrophischen Transport im Modell bis zu 80 Prozent erklärte Varianz und einen mittleren Fehler unter einem Sverdrup. Ein Sverdrup entspricht einer Million Kubikmetern Wasser pro Sekunde. Diese Zahlen zeigen, dass das Verfahren in der Simulation einen Teiltransport unter den getesteten Bedingungen gut nachbilden konnte.
Die Werte gelten ausschließlich für den getesteten Teiltransport im Modell. Zwischen einer physikalisch konsistenten Simulation und dem offenen Ozean liegen reale Messlücken, nicht erfasste Komponenten und mögliche Veränderungen, die im Trainingsmaterial anders aussehen. Besonders kurzfristige Schwankungen und eine langfristige Abnahme lassen sich mit dem Ansatz nur eingeschränkt bestimmen.
Warum direkte Messnetze unverzichtbar bleiben
RAPID beobachtet die Zirkulation bei rund 26 Grad Nord mit einem Mooring-Array und zerlegt sie in mehrere Komponenten. Dazu gehören unter anderem der Ekman-Transport, der Florida Current und der geostrophische Innenozean-Transport. Gerade diese Aufteilung zeigt, warum eine einzelne Datenquelle die gesamte Frage nicht beantworten kann.
Der neue Ansatz und RAPID stehen nicht gegeneinander. Argo kann räumliche Lücken anders abdecken und liefert ein globales Profilnetz. Direkte Messungen zeigen an ihrer Linie Komponenten und zeitliche Variabilität, die aus Profilen allein nicht folgen. Der Nutzen liegt in der Verbindung beider Perspektiven: offene Daten genauer auswerten, Unsicherheiten sichtbar machen und dort weiter messen, wo die Rekonstruktion nicht weiterträgt.
Was das für Europa bedeutet
Der europäische Bezug liegt bei der Beobachtungsfrage. GEOMAR und CAU arbeiten mit einem internationalen, offenen Messprogramm und einer physikalisch gebundenen Simulation. Das ist ein sinnvoller Weg, um zu prüfen, welche zusätzlichen Informationen aus vorhandenen Daten entstehen können. Daraus folgt keine lokale Klimaprognose und keine Aussage darüber, wie sich das Wetter in Deutschland entwickeln wird.
Auch der IPCC-Kontext sollte vorsichtig bleiben: Der sechste Sachstandsbericht bewertet eine Abschwächung der AMOC im 21. Jahrhundert über Szenarien hinweg als sehr wahrscheinlich; einen abrupten Kollaps vor 2100 hält er mit mittlerer Sicherheit für nicht wahrscheinlich. Diese Projektion beschreibt weder den Zustand am 24. Juli 2026 noch bestätigt sie die neue Methode. Sie erklärt nur, warum Langzeitbeobachtung und klare Messgrenzen wissenschaftlich relevant sind.
Meine Einschätzung
Die eigentliche Nachricht ist nicht, dass KI den Atlantik „durchschaut“. Sie liegt in einer nüchternen Arbeitsteilung: Ein Verfahren kann aus einem großen, aber lückenhaften Datensatz einen zuvor schwer zugänglichen Teiltransport schätzen. Weil die Forschenden seine Grenzen klar benennen, wirkt der Ansatz für die Klimabeobachtung belastbarer als eine große Ankündigung.
Ob daraus langfristig mehr wird, hängt nicht allein vom Modell ab. Nötig bleiben direkte Messreihen, zusätzliche reale Validierung und die Frage, ob sich die Methode außerhalb der Trainingsbedingungen verlässlich übertragen lässt. KI kann hier ein Puzzleteil ordnen. Das Gesamtbild der Atlantikzirkulation entsteht weiterhin nur aus mehreren Messmethoden.
FAQ
Ist die Studie im Juli 2026 erschienen?
Nein. Die Facharbeit erschien am 18. Dezember 2025. Aktuell ist die institutionelle Erklärung von GEOMAR und CAU vom 22. Juli 2026.
Kann Argo die AMOC direkt messen?
Argo misst Temperatur- und Salzgehaltsprofile bis rund 2.000 Meter. Die hier beschriebene Methode schätzt daraus einen geostrophischen Teiltransport, nicht die gesamte AMOC direkt.
Ersetzt das Verfahren RAPID?
Nein. GEOMAR beschreibt die Methode als Ergänzung. RAPID und vergleichbare Beobachtungsnetze erfassen andere Komponenten und zeitliche Veränderungen, die Argo-Profile allein nicht abbilden.
Quellen und weiterführende Informationen
- GEOMAR: Künstliche Intelligenz blickt in den Ozean
- Ocean Science: Estimating the AMOC from Argo profiles with machine learning trained on ocean simulations (DOI: 10.5194/os-21-3541-2025)
- NOAA: Argo Program – An Array of Profiling Floats Observing the Ocean in Real-Time
- RAPID: 26°N array
- IPCC AR6 WG I, Chapter 9: Ocean, Cryosphere and Sea Level Change
Hinweis: Für diesen Artikel wurden KI-gestützte Recherche- und Editierwerkzeuge verwendet. Der Inhalt wurde redaktionell geprüft. Stand: 2026-07-24
