Hinter Wettervorhersagen steckt ein enormer Rechenaufwand
Fast überall, wo man auf große Datenmengen trifft, trifft man heutzutage auch auf Künstliche Intelligenz, die darin Muster erkennen soll. Die Wettervorhersage bildet dabei keine Ausnahme. Genaugenommen arbeiten Meteorologen schon seit Jahrzehnten mit datenbasierten Verfahren, erklärt Stefanie Hollborn vom Deutschen Wetterdienst. Die Mathematikerin leitet dort den Bereich Beobachtungsmodellierung und Verifikation:
Das machen wir in der numerischen Wettervorhersage tatsächlich, wenn man es ein bisschen allgemeiner sagt, schon sehr lange, weil wir schon immer aus Daten lernen. Wir müssen zum Beispiel systematische Fehler in unseren Messdaten erkennen und auch herausrechnen, also das hat eine lange Tradition.
Numerische Wettervorhersage nennt man das derzeitige Standard-Verfahren zur Wettervorhersage
Für eine numerische Wettervorhersage braucht man zunächst viele Daten über den Ist-Zustand des Wetters. Dazu zählen beispielsweise Temperatur, Luftdruck, Niederschlag und Windrichtung. Die Daten stammen nicht nur von den zahlreichen Wetterstationen an Land, sondern auch von Schiffen, Flugzeugen, Wetterballons und Satelliten.
Um aus diesen Beobachtungsdaten Vorhersagen für die Zukunft treffen zu können, verwendet man in der numerischen Wettervorhersage mathematische Formeln. Sie sollen die physikalischen Gesetze in das Modell integrieren und werden stets weiter optimiert. Riesige Computer errechnen schließlich die mögliche Fortentwicklung des Wetters. Und das nicht nur einmal, sondern gleich für mehrere Szenarien. Doch das braucht viel Zeit und Rechenleistung.
Deshalb hat der Deutsche Wetterdienst gemeinsam mit der LMU in München bereits ein Verfahren entwickelt, das diese Simulation einer KI überlässt:
Das ist ein neuronales Netz, das diese Berechnung besonders schnell macht, sodass wir sie in der numerischen Wettervorhersage benutzen können.
Rasante Weiterentwicklung von Wettervorhersage-Systemen durch KI
Im Fachmagazin Nature wurden zwei neue Vorhersage-Systeme vorgestellt. Beide wurden mit historischen Wetterdaten trainiert.
Die Plattform Pangu-Weather des Chinesischen Elektronikherstellers Huawei berechnet das Wetter für die nächsten 7 Tage.
Die zweite Plattform verfolgt ein ganz anderes Ziel: Sie widmet sich dem sogenannten Nowcasting. Dabei geht es um die Niederschlagsvorhersage für die nächsten paar Stunden, um mögliche Gefahren besser abzuschätzen.
Laut den Studien sind beide KI-Systeme ähnlich gut oder sogar besser als die herkömmlichen Systeme, und dabei bis zu 10.000-Mal schneller.
Optimal: Kombination aus KI und physikalischem Verständnis der Meteorolog*innen
Fachleute wie Stefanie Hollborn sehen allerdings Einschränkungen. Denn eine KI kann zwar gut Muster erkennen, doch sie kann immer nur so gut sein wie ihre Trainingsdaten. Extremereignisse kommen darin nur selten vor, und auch der Klimawandel bringt ganz neue Dynamiken mit sich.
Welche Muster die KI erkennt, ist für Meteorologen nicht ersichtlich. Um das physikalische Verständnis von Extremereignissen und den Folgen des Klimawandels wirklich zu verbessern, ist deshalb eine Zusammenarbeit wichtig.
Man muss sich also genau überlegen, an welcher Stelle KI in der Wettervorhersage sinnvoll eingesetzt werden kann. Auch wenn die Künstliche Intelligenz in der Wettervorhersage weiter Einzug halten wird, wird sie die Arbeit von Wetterdiensten dennoch nicht ersetzen können. Denn um die KI zu trainieren und weiter zu optimieren, braucht es weiterhin das physikalische Verständnis der Meteorologie.
