Schlechte Prognose
Auf künstlicher Intelligenz (KI) basierende Wettermodelle sagen meteorologische Extremereignisse schlechter voraus als klassische numerische Modelle. Zu diesem Schluss kommt eine Studie im Fachjournal "Science Advances" von Mittwoch. Fachleute zweifeln derzeit an der Verlässlichkeit der KI−Modelle.
Auch im Bereich der Klimaforschung und für Wetterprognosen werden zunehmend Hoffnungen in KI−Modelle gesetzt, die schneller und effizienter arbeiten. Die aktuelle Studie stellte aber fest, dass KI−Wettermodelle unterschätzen, wie häufig seltene Extremwetterereignisse vorkommen und wie heftig sie ausfallen.
Zwar liefern KI−Wettervorhersagemodelle wie GraphCast und Pangu−Weather für durchschnittliches Wetter schnelle und präzise Vorhersagen. Besonders bei Hitze−, Kälte− und Windrekorden zeigen die KI−Modelle aber Schwächen: Je seltener das Ereignis, desto stärker unterschätzen die KI−Modelle seltene Wetterextreme im Vergleich zu herkömmlichen Vorhersagen.
Das liegt vor allem daran, dass die KI−Modelle mit historischen Wettermustern arbeiten. Dadurch sei es schwierig, Ereignisse vorherzusagen, die außerhalb des bekannten Bereichs liegen, heißt es in einer Aussendung des deutschen Science Media Centers (SMC) zur Studie. Angesichts des Klimawandels sei das laut den Studienautoren eine große Herausforderung.
Während klassische numerische Vorhersagemodelle auf Messdaten und physikalischen Gleichungen basieren, arbeiten KI−Modelle mit maschinellem Lernen. "Sie schließen also aus historischen Wetterlagen und statistischen Zusammenhängen auf ein wahrscheinliches zukünftiges Wetter", heißt es in der Aussendung weiter.
Die Ergebnisse der Studie bezeichnete Nicole Ludwig, Professorin für intelligente Energiesysteme an der Universität Augsburg, gegenüber dem SMC als "wichtig, aber nicht überraschend". "Rein datengetriebene Modelle lernen aus der Vergangenheit. Was dort nicht aufgetaucht ist, können sie zunächst schlechter abbilden."
Für die Studie verglichen Zhongwei Zhang vom Karlsruher Institut für Technologie (KIT) und seine Koautoren aus Deutschland und der Schweiz die Leistungsfähigkeit der KI−Wettermodelle GraphCast, Pangu−Weather und Fuxi mit dem numerischen HRES−Modell des Europäischen Zentrums für mittelfristige Wettervorhersage (ECMWF).
Die KI−Modelle wurden mit historischen Wetterdaten aus den Jahren 1979 bis 2017 trainiert und sollten Extremereignisse im Testzeitraum von 2018 bis 2020 vorhersagen. Dazu zählen unter anderem die Hitzewellen in Sibirien und den USA im Jahr 2020. Die Prognosen der KI−Wettermodelle verglichen die Forscher dann mit den Ergebnissen des numerischen HRES−Modells.
"KI−Modelle verstehen die Physik nicht", ordnete Markus Donat, ICREA Professor und Leiter der Gruppe Klimaschwankungen und Klimawandel am Barcelona Supercomputing Center, die Studienergebnisse ein. Vergleichbar mit großen Sprachmodellen wie ChatGPT seien KI−basierte Wettervorhersagen gut darin, das Gelernte zu kopieren und in verschiedenen Varianten zu reproduzieren.
"Eine weitere gründliche Überprüfung und Modellentwicklung ist erforderlich, bevor auf diese Modelle für hochkritische Anwendungen wie Frühwarnsysteme und Katastrophenmanagement vertraut werden kann", so auch die Studienautoren.
"In Zukunft wollen wir physikalische und KI−basierte Vorhersagen in einem Gesamtsystem kombinieren", sagte der Direktor für Meteorologische Analyse und Modellierung des Deutschen Wetterdiensts (DWD), Roland Potthast, dem SMC. Der DWD habe dafür bereits mit dem Aufbau eines kombinierten Ensemblesystems begonnen: Parallel zum herkömmlichen Computerprogramm ICON, das der DWD verwendet, um globale Wettervorhersagen zu erstellen, laufe das neue maschinell lernende Wettervorhersagemodell AICON.
In Österreich ermittelt die GeoSphere Austria als einer der staatlichen Wetterdienste meteorologische Messdaten und prognostiziert daraus auch Extremwetterereignisse. "Die Warnungen werden von Vorhersagemeteorologinnen und −meteorologen auf Basis der verfügbaren Wettermodelldaten erstellt", erklärte Christoph Wittmann, Leiter der Abteilung Analyse und Modelle bei der GeoSphere Austria, gegenüber ORF.at.
Es stehe eine Vielzahl unterschiedlicher interner und externer Modelle für verschiedene Prognosezeiträume zur Verfügung. "Diese Modellinformationen werden von den Meteorologinnen und Meteorologen bewertet, kombiniert und in weiterer Folge in konkrete Warnungen überführt", so Wittmann.
Wichtig ist bei der Erstellung der Extremwetterwarnungen der "menschliche Faktor": "Da sich die verschiedenen Modelle − abhängig von Wetterlage und Prognoseunsicherheit häufig unterscheiden, ist die fachliche Bewertung der Meteorologinnen und Meteorologen entscheidend", so Wittmann. Zwar könnten Warnprozesse technisch automatisiert werden, doch die menschliche Expertise bleibe unverzichtbar, so der Wetteranalyseexperte.
Der Experte sieht daher speziell bei regionalen und lokalen Extremereignissen die KI−basierten Modelle den klassischen numerischen Wettermodellen "noch teilweise unterlegen". Es sei aber davon auszugehen, dass KI in Zukunft auch im Warnbereich eine deutlich größere Rolle spielen wird. Auf EU−Ebene laufen diesbezüglich aktuelle einige Initiativen und Projekte.
Quelle:
https://orf.at/stories/3428188/
(abgerufen am 30.04.2026)