idw - Informationsdienst
Wissenschaft
Prof. Dr. Tijana Janjic hat an der Katholischen Universität Eichstätt-Ingolstadt (KU) die neue Heisenberg-Professur für Datenassimilation übernommen, die von der Deutschen Forschungsgemeinschaft gefördert wird. Vor ihrer Berufung an die KU war Professorin Janjic als Wissenschaftlerin unter anderem für den Deutschen Wetterdienst, das Alfred-Wegener-Institut sowie die NASA tätig. Zu den weiteren Stationen ihrer wissenschaftlichen Laufbahn gehören unter anderem das Massachusetts Institute of Technology, die University of Maryland und die Ludwig-Maximilians-Universität.
Sie gehört dem Mathematischen Institut für Maschinelles Lernen und Data Science (MIDS) der KU an und ist sie Mitglied im Vorstand des DFG-Sonderforschungsbereichs „Wellen, Wolken, Wetter“. Zudem gehört sie zu den Dozierenden des zum Wintersemester neu startenden Bachelorstudiengangs „Data Science“.
Die Fähigkeit das Wetter für eine Woche oder länger vorherzusagen spart unserer Gesellschaft jährlich Milliarden Euro und schützt Leben und Eigentum. Ein rasanter Anstieg der Rechenleistung und neue Beobachtungen haben über Jahre hinweg zu einer kontinuierlichen Verbesserung der Vorhersagequalität geführt, wenngleich einzelne Vorhersagen gelegentlich überraschend schlecht sind. Deshalb besteht die große Herausforderung darin, die Grenzen der Vorhersagbarkeit unterschiedlicher Situationen zu identifizieren und die physikalisch bestmögliche Vorhersage zu erstellen. Einen Beitrag dazu leistet an der KU die Mathematikerin Prof. Dr. Tijana Janjic mit ihrer Forschung zu Datenassimilation.
Im übertragenen Sinne betreibt jeder selbst Datenassimilation im Alltag: Wer eine Straße überqueren will, benötigt zunächst Informationen zum Tempo der sich nähernden Autos, die man dafür einen Moment beobachtet. Ergänzt um das Erfahrungswissen zur durchschnittlichen Fahrweise lässt sich dann abschätzen, ob es noch möglich ist, die Straße vor den herannahenden Fahrzeugen zu überqueren. Doch dabei können auch Fehler passieren, weil die Beobachtungen nicht richtig oder vollständig genug waren bzw. das „Vorhersagemodell“ für durchschnittliche Autofahrer nicht korrekt. Fehler im Anfangszustand bzw. im Vorhersagemodell sind auch die häufigsten Ursachen für fehlerhafte Vorhersagen in der Meteorologie.
Um Unwetterereignisse oder das Abschmelzen des Eises in der Arktis vorhersagen zu können, müssen deshalb Informationen in Form von heterogenen Daten mit numerischen Modellen dynamischer Systeme verbunden werden. Dies geschieht durch die Datenassimilation, die es ermöglicht, Prozesse besser zu untersuchen und ihre weitere Entwicklung vorherzusagen. Dabei wird ein Vorhersagemodell laufend mit Beobachtungsdaten verknüpft, um eine möglichst präzise Analyse der Atmosphäre zu erreichen.
Im Bereich der Datenassimilation beschäftigt sich Professorin Janjic mit der Fortentwicklung von Data Science Algorithmen durch die Einbeziehung von physikalischen Erhaltungsgesetzen und der Lösung von Optimierungsproblemen in den Umweltwissenschaften. Die Quantifizierung der Unsicherheiten von Vorhersagen, numerischen Modellen und Beobachtungen spielt hier ebenfalls eine zentrale Rolle. Tijana Janjic ist unter anderem Associate Editor des Journal of Advances in Modeling Earth Systems (JAMES) sowie des Quarterly Journal of the Royal Meteorological Society (QJRMS).
Informationen zum MIDS finden sich unter http://www.ku.de/mids, Details zum neuen Bachelorstudiengang „Data Science“ finden Studieninteressierte unter http://www.ku.de/ds.
Prof. Dr. Tijana Janjic (http://www.ku.de/mgf/mathematik/lehrstuehle-professuren/heisenberg-professur-fuer-datenassimilation)
Prof. Dr. Tijana Janjic
Valentin Nowak
Nowak/upd
Merkmale dieser Pressemitteilung:
Journalisten
Informationstechnik, Mathematik, Meer / Klima, Umwelt / Ökologie
überregional
Personalia
Deutsch
Sie können Suchbegriffe mit und, oder und / oder nicht verknüpfen, z. B. Philo nicht logie.
Verknüpfungen können Sie mit Klammern voneinander trennen, z. B. (Philo nicht logie) oder (Psycho und logie).
Zusammenhängende Worte werden als Wortgruppe gesucht, wenn Sie sie in Anführungsstriche setzen, z. B. „Bundesrepublik Deutschland“.
Die Erweiterte Suche können Sie auch nutzen, ohne Suchbegriffe einzugeben. Sie orientiert sich dann an den Kriterien, die Sie ausgewählt haben (z. B. nach dem Land oder dem Sachgebiet).
Haben Sie in einer Kategorie kein Kriterium ausgewählt, wird die gesamte Kategorie durchsucht (z.B. alle Sachgebiete oder alle Länder).