Klassische Wettervorhersage übertrifft KI bei Extremwetterereignissen

Künstliche Intelligenz wird als Revolution in der Wettervorhersage gefeiert – schneller und genauer als herkömmliche Methoden. Doch neue Forschungsergebnisse offenbaren ein gravierendes Problem: KI scheitert häufig an der Vorhersage von Extremwetterereignissen. Traditionelle, physikbasierte Modelle bleiben hier überlegen.

„Sie performen bei vielen Aufgaben gut, aber bei sehr extremen Ereignissen – die für die Gesellschaft am wichtigsten sind – stoßen sie noch an Grenzen“, erklärt Sebastian Engelke, Statistikprofessor an der Universität Genf und Mitautor einer aktuellen Studie in Science. Sein Team verglich führende KI-Wettermodelle wie GraphCast und Pangu-Weather mit einer Datenbank jüngster Extremwetterereignisse.

Bei Rekordtemperaturen, wie der Hitzewelle in Sibirien Anfang 2020, die zu verheerenden Waldbränden und auftauendem Permafrost führte, unterschätzen KI-Modelle die hohen Temperaturen systematisch. (Die Hitzewelle wäre ohne den Klimawandel fast unmöglich gewesen – eine andere Studie zeigte, dass die globale Erwärmung sie 600-mal wahrscheinlicher machte.) Auch bei der Vorhersage extremer Winde oder Rekordkälte sind sie weniger präzise als ältere Modelle.

Der Grund: KI-Modelle lernen aus Jahrzehnten historischer Wetterdaten. „Sie versuchen empirisch zu verstehen: Wenn ich heute ein bestimmtes Wetter sehe, wie wird es morgen sein?“, sagt Engelke. „Im Kern reproduzieren sie, was in der Vergangenheit passiert ist. Bei Extremwetter – besonders bei nie dagewesenen Ereignissen – fehlt diese Information in den Trainingsdaten. Das macht es fast unmöglich, solche Ereignisse vorherzusagen.“

Die Studie untersuchte Modelle aus dem Vorjahr – seitdem haben sich einige bereits verbessert. Einige KI-Systeme nutzen nun probabilistische Ansätze, die mehrere mögliche Entwicklungen vorhersagen, um die Genauigkeit zu erhöhen. Doch das grundlegende Problem bleibt: Sie basieren weiterhin auf vergangenen Daten. Traditionelle physikbasierte Modelle hingegen nutzen komplexe mathematische Gleichungen, um die physikalischen Prozesse der Atmosphäre abzubilden. Sie können sich besser an neue, unbekannte Bedingungen anpassen. (Auch sie sind nicht perfekt, aber liefern in Extremfällen bessere Ergebnisse.)

Für typische Wettervorhersagen oder Extremwetter, das im Rahmen historischer Erfahrungen liegt, übertrifft die KI die klassischen Modelle jedoch deutlich. Als Nvidia Anfang dieses Jahres sein KI-Modell Atlas vorstellte, testete es die Vorhersagefähigkeiten an einem nicht trainierten Extremereignis: dem Sturm Dennis, einem sich schnell intensivierenden Zyklon, der Großbritannien traf. „Visualisiert man die Windstärke und den Druckgradienten, wird deutlich: Das Modell erfasste realistisch intensive Winde und starke Zyklone, die Schäden verursachen“, sagt Mike Pritchard, Direktor für Klimasimulationen bei Nvidia.

KI-Modelle bewähren sich zudem bei der Vorhersage von Hurrikan-Pfaden. Wetterdienste, Unternehmen wie The Weather Company und Versicherer setzen sie bereits ergänzend zu traditionellen Modellen ein. Forscher arbeiten an Lösungen, um die Vorhersage von Extremwetter weiter zu verbessern. Eine Möglichkeit: Trainingsdaten mit simulierten Szenarien von Rekordereignissen anreichern. „Es gibt Ansätze, um die Modelle quasi zu ‚überlisten‘“, erklärt Engelke.