#Wettervorhersage per KI

Die Vorhersage des Wetters ist bislang eine komplexe Herausforderung, die Großrechnern Höchstleistungen abverlangt. Zwei Forschungsteams haben nun unabhängig voneinander Methoden entwickelt, die mit Hilfe künstlicher Intelligenz ähnlich präzise Vorhersagen liefern wie klassische Modelle – und zwar mit deutlich weniger Rechenaufwand. Das eine Modell prognostiziert das Wetter bis zu eine Woche im Voraus, das andere ist auf kurzfristige Vorhersagen extremer Niederschläge spezialisiert. Doch gerade Extremwetterereignisse könnten die KIs an ihre Grenzen bringen, warnen Experten.

Luftdruck, Temperatur, Windgeschwindigkeit und Wasserdampf: Diese und zahlreiche weitere physikalischen Faktoren fließen bislang ein, wenn Meteorologen mit Hilfe komplexer Algorithmen auf Großcomputern berechnen, wie sich das Wetter der kommenden Tage wahrscheinlich entwickeln wird. Die Vorhersagen dieser sogenannten numerischen Modelle dauern allerdings lange und erfordern großen Rechenaufwand. Als Alternative arbeiten verschiedene Forschungsteams daran, künstliche Intelligenz zur Wettervorhersage einzusetzen. Bisherige Modelle waren allerdings zu ungenau für den Praxiseinsatz.

Präzise bei vielfacher Geschwindigkeit

Nun haben zwei Forschungsteams unabhängig voneinander KI-Systeme entwickelt, die es in Sachen Genauigkeit mit klassischen Modellen aufnehmen können und sie bei der Schnelligkeit bei Weitem übertreffen. Das erste Modell, Pangu-Weather, stammt von einem Team um Kaifeng Bi vom Unternehmen Huawei Cloud im chinesischen Shenzhen. „Durch das Training der Modelle anhand von 39 Jahren globaler Wetterdaten erzielt Pangu-Weather bessere Vorhersageergebnisse als das weltweit beste numerische System und ist dabei auch noch viel schneller“, berichtet das Forschungsteam.

Anders als bisherige Modelle lässt Pangu-Weather dabei physikalische Messgrößen außen vor. „Anstatt Vorhersagen auf der Grundlage physikalischer Erkenntnisse zu treffen, sagt die KI Wettermuster voraus, die aufgrund historischer Messungen statistisch plausibel sind“, erklären Imme Ebert-Uphoff und Kyle Hilburn von der Colorado State University, die nicht an der Studie beteiligt waren, in einem begleitenden Kommentar, der ebenfalls in der Fachzeitschrift Nature veröffentlicht wurde. „Das KI-Modell liefert bei derselben räumlichen Auflösung und vergleichbarer Genauigkeit etwa 10.000-mal schnellere Vorhersagen als numerische Modelle.“ Da Pangu-Weather ein 3D-Modell einbezieht, liefert es auch zuverlässige Werte für verschiedene Höhenlagen.

Vorhersage extremer Niederschläge

Das zweite Modell, NowcastNet, wurde von einem Team um Yuchen Zhang von der Tsinghua Universität in Peking entwickelt und fokussiert sich auf einen Bereich, mit dem klassische Wettervorhersagemodelle bisher Probleme hatten: die kurzfristige Vorhersage extremer Niederschläge. „Extreme Niederschläge tragen in erheblichem Maße zu meteorologischen Katastrophen bei, und es besteht ein großer Bedarf, ihre sozioökonomischen Auswirkungen durch geschickte Vorhersagen mit hoher Auflösung, langen Vorlaufzeiten und lokalen Details zu mildern“, schreibt das Team. „Derzeitige Methoden sind sehr fehleranfällig: Physikalisch basierte numerische Methoden haben Schwierigkeiten, die bei diesen Ereignissen auftretenden chaotischen Dynamiken zu erfassen, und bisherige datengesteuerte Lernmethoden folgen nicht den physikalischen Gesetzen.“

Für NowcastNet vereinte das Forschungsteam physikalische Gleichungen mit Methoden des maschinellen Lernens. „Auf der Grundlage von Radarbeobachtungen aus den USA und China erzeugt unser Modell physikalisch plausible Niederschlagsvorhersagen mit Vorlaufzeiten von bis zu drei Stunden“, erklären die Forschenden. Getestet wurde das Modell von 62 professionellen Meteorologen aus verschiedenen Teilen Chinas. Dabei war NowcastNet in 71 Prozent der Fälle den bisher führenden Methoden überlegen.

Chancen und Risiken

Aus Sicht von Ebert-Uphoff und Hilburn bieten die neuen KI-Modelle einerseits große Chancen. „Diese Ansätze sind so vielversprechend, dass sie zu einem Paradigmenwechsel führen könnten, wobei KI-Modelle numerische Ansätze vollständig ersetzen“ schreiben sie. Zugleich mahnen sie aber zur Vorsicht. Denn da die künstlichen Intelligenzen mit historischen Daten trainiert werden, sind sie womöglich nicht ausreichend genau, wenn es durch den menschengemachten Klimawandel zu einer bisher nicht dagewesenen Häufung von Extremwetterereignissen kommt.

„Angesichts des potenziellen Nutzens und der Risiken, die mit KI-Modellen für die Wettervorhersage verbunden sind, ist es für Meteorologen an der Zeit sich zu engagieren, um sicherzustellen, dass KI-basierte Wettervorhersagemodelle gut für ihre Aufgaben geeignet sind“, so Ebert-Uphoff und Hilburn. „Zudem müssen die Meteorologen lernen, wie man ihre Vorhersagen interpretiert, denn KI-Modelle verhalten sich anders als physikalische Modelle, so dass das Verständnis ihrer Vorhersagen eine spezielle Ausbildung erfordert.“

Quellen: Kaifeng Bi (Huawei Cloud, Shenzhen, China) et al., Nature, doi: 10.1038/s41586-023-06185-3; Y uchen Zhang (Tsinghua University, Beijing, China) et al., Nature, doi: 10.1038/s41586-023-06184-4

© wissenschaft.de – Elena Bernard