Extremwetterereignisse werden immer häufiger und intensiver. Forscher suchen nach schnelleren und genaueren Vorhersagemethoden, und KI eröffnet neue Möglichkeiten.
Im Mai dieses Jahres veröffentlichte Microsoft das Wettervorhersage-Tool Aurora. Paris Perdikaris, ein Microsoft-Forscher, der am Aurora-Projekt beteiligt ist, sagt: "Diese KI-Tools sind gut darin, Muster zu erkennen."
Für das Training von Aurora stellte Microsoft über 100 Millionen Stunden Klimadaten zur Verfügung, etwa das 16-fache des neuesten GPT-Modells. Aurora kann nun 5000-mal schneller als herkömmliche Methoden die globale Luftverschmutzung für die nächsten 5 Tage und das Wetter für 10 Tage vorhersagen.
Nach der Zusammenarbeit von The Weather Company mit NVIDIA ermöglicht eine leistungsfähigere Rechenleistung schnellere KI-Vorhersageberechnungen mit genaueren und detaillierteren Ergebnissen.
Das Team der Villanova University konzentriert sich auf Sturmvorhersagen. Ihr Modell beurteilt die Auswirkungen von Stürmen durch Erkennung ihrer Größe und Form, z.B. ob sich Tornados oder Hagel bilden werden. Mit Hilfe des maschinellen Lernens wurde die Vorwarnzeit von ursprünglich 15 Minuten auf 1 Stunde vor dem Ereignis verlängert.
"Geschwindigkeit" ist der auffälligste Vorteil von KI-Tools. Traditionelle globale Zirkulationsmodelle (GCMs) benötigen große Mengen an Klimadaten und Supercomputer, was zeit- und energieaufwendig ist. Im Vergleich dazu können die neuen KI-Wettervorhersage-Tools möglicherweise auf einem Laptop laufen, aber ihre Genauigkeit bleibt abzuwarten.
Microsoft gibt an, dass Aurora in den kommenden Monaten der Öffentlichkeit zugänglich gemacht wird. Perdikaris prognostiziert, dass KI in den nächsten 2-5 Jahren in meteorologische Arbeitsabläufe integriert werden könnte.
Google DeepMinds neues Modell "NeuralGCM" verfolgt einen integrierten Ansatz. Es ist bei 1-10-Tage-Klimavorhersagen genauer als reine maschinelle Lernmodelle und einige derzeit verwendete Modelle. NeuralGCM kombiniert KI mit traditionellen fluiddynamischen Berechnungen und kann den Rechenaufwand bei gleichbleibender Vorhersagegenauigkeit erheblich reduzieren.
Aaron Hill, Assistenzprofessor für Meteorologie an der Universität Oklahoma, glaubt, dass der bedeutendste Aspekt solcher KI-Tools die Reduzierung der Rechenleistung ist, mit dem Potenzial, langfristige, großskalige Klimamodelle aufzubauen und zu berechnen.
Angesichts der Klimakrise sind neben meteorologischen Vorhersageorganisationen auch Rohstoffhändler, Agrarplanungsunternehmen und die Versicherungsbranche bereit, für schnellere und genauere Wettervorhersagemodelle zu zahlen. Dieser Bereich entwickelt sich rasch.