Mit dem Wandel des Klimas ändern sich auch die Bedingungen für die Luftfahrt. Wenn die Temperatur nämlich steigt, während der Luftdruck unverändert bleibt, dehnt sich die Luft aus. Damit sinkt die Luftdichte und der Flugzeugflügel generiert einen geringeren Auftrieb. Um trotzdem abheben zu können, braucht das Flugzeug eine längere Startstrecke – aber die vorhandenen Pisten reichen dazu nicht auf allen Flughäfen aus. Um die Entwicklung abzuschätzen, haben Sophie Jochems und Manuel Nauer zum Abschluss ihres Aviatikstudiums zwei Dinge entwickelt: neuronale Netzwerke für genaue, lokale Temperaturprognosen und ein Wirtschaftstool für die Kostenberechnung. 

«Wir wollten die finanziellen Folgen der Entwicklung für die Fluggesellschaften abschätzen und die globalen Klimamodelle mithilfe von neuronalen Netzwerken auf die lokalen Gegebenheiten an Flughäfen herunterskalieren, um bessere Prognosen zu erhalten», sagt Sophie Jochems. Die Temperaturvorhersagen gängiger Klimamodelle sind sehr allgemein. Um zumindest geografisch zielgenauere Prognosen zu erhalten, entwickelten die Absolventin und der Absolvent drei verschieden trainierte neuronale Netzwerke, mit denen sie die täglichen Höchsttemperaturen auf den Flughäfen Nizza, Dallas und Delhi prognostizierten. Neuronale Netzwerke sind eine Form künstlicher Intelligenz und lernen selbst dazu, was die Ergebnisse verbessert. Basierend auf diesen Prognosen konnten die Startstrecken für unterschiedliche Flugzeugtypen berechnet werden. Dabei zeigte sich, dass insbesondere Nizza bald von operationellen Einschränkungen betroffen sein könnte. 

Auch auf die beiden anderen untersuchten Flughäfen Dallas und Delhi werden früher oder später Probleme zukommen. Sie sind allerdings mit wesentlich längeren Pisten ausgestattet, wodurch sie nicht unmittelbar von den steigenden Temperaturen betroffen sind. Sophie Jochems betont, dass sowohl die Klimaprognosen als auch die Kostenschätzungen mit Vorsicht zu geniessen seien: «Für die Klimaprognosen haben wir den Zeithorizont der gängigen Modelle übernommen; sie projizieren bis Ende 2100. Darum sind sie nicht vollkommen zuverlässig.» Und auch die berechneten Kosten seien bloss Schätzungen. «Die Zahlen beinhalten beispielsweise keine Reputationsschäden oder langfristigen Folgen.» Dennoch: Die Ergebnisse ihrer Arbeit dienen als Anhaltspunkt für den Umgang mit der Problematik. «Wir konnten bestätigen, dass sich neuronale Netzwerke für die Parametrisierung von Temperaturprognosen eignen. Man kann mit ihrer Hilfe also gute lokale Prognosen erstellen.»