Studie zeigt: KI-Wettermodelle haben ein Problem mit Rekorden
Künstliche Intelligenz soll die Wetterprognose revolutionieren. Doch ausgerechnet bei den gefährlichsten Wetterlagen zeigt sie eine entscheidende Schwäche.
Die KI-Modelle liegen bei Extremereignissen systematisch daneben, wie ein Forschungsteam unter Leitung der Universität Genf in einer neuen Studie zeigt. Extreme Kälteperioden werden von KI tendenziell zu mild eingeschätzt, Hitzewellen hingegen abgeschwächt. Auch bei starken Windereignissen zeigten sich deutliche Abweichungen, wie die Studie im Fachblatt «Science Advances» zeigt. Ausserdem sagen die KI-Modelle Extremwetterereignisse nicht nur zu schwach, sondern auch zu selten voraus.
Im Vergleich zum physikbasierten Referenzmodell HRES des Europäischen Zentrums für mittelfristige Wettervorhersage (ECMWF) schneiden die in der Studie untersuchten KI-Systeme GraphCast, Pangu-Weather und Fuxi bei diesen Rekordereignissen deutlich schlechter ab. «Diese Ergebnisse verdeutlichen eine zentrale Herausforderung für den Einsatz von KI-Modellen in der Vorhersage von Wetterereignissen mit grosser gesellschaftlicher Wirkung», schrieben die Forschenden in der Studie.
Physik schlägt Statistik
Die Ursache liegt laut den Forschenden im Kern der Technologie. KI-Modelle lernen aus historischen Daten. Sie erkennen Muster und Zusammenhänge, die sich in diesen Daten zeigen. Rekordereignisse, die ausserhalb dieses Erfahrungsraums liegen, entziehen sich der Logik der Modelle.
Physikbasierte Systeme funktionieren grundsätzlich anders. Sie simulieren die Atmosphäre auf Basis von Naturgesetzen wie Thermodynamik und Strömungsmechanik. Diese Gesetze gelten unabhängig davon, ob ein Ereignis bereits beobachtet wurde oder nicht. Die Physik verändert sich mit der Zeit nicht. Dadurch sind solche Modelle besser in der Lage, auch bislang unbekannte oder seltene Extremzustände zu berechnen.
Mehr Extreme, grössere Risiken
Gerade im Kontext des Klimawandels ist diese Erkenntnis von Bedeutung. Extreme Wetterereignisse nehmen zu – und mit ihnen die Anforderungen an zuverlässige Prognosen.
Katastrophenschutz, Landwirtschaft, Energieversorgung und Infrastrukturplanung sind darauf angewiesen, extreme Entwicklungen zu erkennen, betonten die Forschenden. «Für Frühwarnsysteme ist es entscheidend, dass ein Wettervorhersagemodell das Auftreten extremer Ereignisse zuverlässig prognostizieren kann.»
Wird eine Hitzewelle unterschätzt oder ein Sturm zu spät erkannt, könne dies direkte Folgen für Gesundheit, Versorgungssicherheit und Schadensbegrenzung haben.
Kombination als Königsweg
Die Studie bedeutet allerdings nicht, dass KI in der Wettervorhersage gescheitert ist. «KI-Modelle bieten neue und weitreichende Möglichkeiten für die meteorologische Modellierung und Vorhersage», sagte Roland Potthast, Direktor für Meteorologische Analyse und Modellierung des Deutschen Wetterdienstes (DWD) zum Science Media Center. Gleichzeitig gebe es aber einen grossen, reichen Schatz an hochqualitativen physikalischen Modellen, in denen viele Details atmosphärischer Prozesse explizit berücksichtigt und dargestellt würden. «Eine Kombination beider Welten in einem hybriden Vorhersagesystem erscheint als Königsweg. Damit könnten die Vorteile der jeweiligen Methoden vollständig der Gesellschaft zur Verfügung gestellt werden», so Potthast weiter.
Die Forschung arbeitet dabei bereits an Lösungen. Dazu gehören Trainingsmethoden, die Extremereignisse gezielt stärker gewichten, sowie neue Modelltypen, die Unsicherheiten besser abbilden. (sda)
