Traditionelle Modelle liefern bessere Vorhersagen für extreme Wetterereignisse als KI

KI scheitert an der Vorhersage von Rekordwetter

Künstliche Intelligenz (KI) kann Rekordwetterereignisse wie extreme Hitze, Kälte oder Stürme nicht so zuverlässig vorhersagen wie traditionelle Klimamodelle. Dies belegt eine aktuelle Studie, die im Fachmagazin Science Advances veröffentlicht wurde. Zwar übertreffen KI-Modelle in vielen Bereichen der Wettervorhersage bereits physikbasierte Modelle, doch bei der Simulation von Rekordereignissen zeigen sie deutliche Schwächen.

Studie analysiert Vorhersagefähigkeiten von KI und traditionellen Modellen

Die Forscher verglichen die Leistung beider Modellarten bei der Simulation tausender Rekordereignisse aus den Jahren 2018 und 2020. Dabei handelte es sich um extreme Hitze-, Kälte- und Windphänomene. Das Ergebnis: KI-Modelle unterschätzten sowohl die Häufigkeit als auch die Intensität dieser Ereignisse deutlich. Ein Studienautor warnt vor einem vorschnellen Ersatz traditioneller Modelle durch KI-Ansätze in der Wettervorhersage.

Warum Extremwettervorhersagen entscheidend sind

Extremwetterereignisse wie Überschwemmungen, Hitzewellen und Stürme verursachen jährlich Schäden in Höhe von Hunderten Milliarden Dollar. Sie zerstören Ernten, beschädigen Infrastruktur und gefährden Menschenleben. Frühwarnsysteme helfen Regierungen und Behörden, Schäden zu minimieren und Leben zu retten. Seit Jahrzehnten nutzen Meteorologen numerische Wettervorhersagemodelle, die auf physikalischen Gleichungen basieren. Diese Modelle simulieren atmosphärische und ozeanische Prozesse und gelten als zuverlässig, da sie auf jahrzehntelanger Forschung und physikalischen Grundprinzipien beruhen.

KI-Modelle: Effizient, aber mit Grenzen

Im Gegensatz zu physikbasierten Modellen nutzen KI-Wettervorhersagen statistische Methoden. Sie werden mit historischen Wetterdaten trainiert, um Muster zu erkennen und Vorhersagen zu treffen. Ein großer Vorteil von KI-Modellen liegt in ihrem geringeren Rechenaufwand, da sie keine komplexen mathematischen Gleichungen lösen müssen. Zudem haben sie in vielen Fällen bessere Vorhersageergebnisse geliefert als traditionelle Modelle.

Doch KI hat auch entscheidende Nachteile: Sie ist stark abhängig von den Trainingsdaten und kann kaum neue, bisher unbekannte Wetterphänomene vorhersagen. Prof. Sebastian Engelke von der Universität Genf erklärt gegenüber Carbon Brief, dass KI-Modelle „stark von den Trainingsdaten abhängen und auf deren Spektrum beschränkt sind“. Das bedeutet, sie neigen dazu, Ereignisse vorherzusagen, die denen in den Trainingsdaten ähneln – und versagen bei völlig neuen, rekordverdächtigen Wetterlagen.

Rekordwetter wird häufiger – und gefährlicher

Durch den Klimawandel nehmen extreme Wetterereignisse an Häufigkeit und Intensität zu. Besonders besorgniserregend sind „rekordzertrümmernde“ Extreme, die bestehende Rekorde mit großem Abstand brechen. Solche Ereignisse waren in der Vergangenheit selten, werden aber durch die Erderwärmung immer wahrscheinlicher. Die Studie unterstreicht, dass KI-Modelle hier an ihre Grenzen stoßen, da sie auf historischen Daten basieren und keine Erfahrung mit bisher unbekannten Extremereignissen haben.

„Die Ergebnisse sind ein Warnsignal, KI-Modelle nicht zu schnell als Ersatz für traditionelle Wettervorhersagen einzusetzen.“
— Prof. Sebastian Engelke, Universität Genf

Fazit: KI ergänzt, ersetzt aber nicht

Während KI-Modelle in vielen Bereichen der Wettervorhersage bereits erfolgreich eingesetzt werden, zeigen die aktuellen Forschungsergebnisse, dass sie bei der Vorhersage von Rekordwetterereignissen noch nicht mit physikbasierten Modellen mithalten können. Eine Kombination beider Ansätze könnte die beste Lösung sein, um die Zuverlässigkeit von Wettervorhersagen weiter zu verbessern und die Gesellschaft besser auf Extremwetterereignisse vorzubereiten.