Der neueste Bericht der Weltorganisation für Meteorologie: KI revolutioniert die Wettervorhersage und macht sie schneller, günstiger und zugänglicher

„Wir sind noch sehr weit davon entfernt, die globalen Klimaziele zu erreichen.“

„2023 war das wärmste Jahr seit Beginn der Wetteraufzeichnungen … Die ersten acht Monate des Jahres 2024 waren ebenfalls die wärmsten seit Beginn der Wetteraufzeichnungen.“

sagte Celeste Saulo, Generalsekretärin der Weltorganisation für Meteorologie (WMO).

Es besteht eine 86-prozentige Wahrscheinlichkeit, dass mindestens eines der nächsten fünf Jahre das Jahr 2023 als heißestes Jahr seit Beginn der Wetteraufzeichnungen übertreffen wird. Zu diesem Schluss kommt der kürzlich erschienene WMO-Bericht „United in Science 2024“.

Gleichzeitig weist der Bericht darauf hin, dass in den nächsten fünf Jahren die Wahrscheinlichkeit bei 80 % liegt, dass die globale Durchschnittstemperatur in Bodennähe das vorindustrielle Niveau für mindestens ein Jahr vorübergehend um 1,5 °C überschreiten wird.

Darüber hinaus haben laut dem zuvor veröffentlichten Bericht „Global Climate Status 2023“ der WMO die durch Hitzewellen, Überschwemmungen, Dürren, Waldbrände und sich rasch intensivierende tropische Wirbelstürme verursachten Leiden und das Chaos den Alltag von Millionen von Menschen beeinträchtigt und wirtschaftliche Verluste in Milliardenhöhe verursacht.

Um auf die Klimakrise zu reagieren, ist es besonders wichtig, ein schnelles, kostengünstiges und genaues Wetterfrühwarnsystem zu schaffen. Künstliche Intelligenz (KI) bringt mit ihren komplexen Algorithmen und ihrer enormen Rechenleistung bahnbrechende Veränderungen im Bereich der Wetterwarnung mit sich.

Wie Saulo betont, „hat KI die Wissenschaft der Wettervorhersage revolutioniert, indem sie sie ‚schneller, billiger und zugänglicher‘ gemacht hat.“

KI revolutioniert die Wettervorhersage

In diesem Bericht geben ein Forschungsteam des Europäischen Zentrums für mittelfristige Wettervorhersage (EZMW) und seine Mitarbeiter einen umfassenden Überblick über die neuesten Anwendungen von KI bei der Warnung vor extremen Wetterbedingungen sowie über bestehende Mängel und Zukunftsaussichten.

Insbesondere im Bereich der Wettervorhersage haben KI-Modelle das auf physikalischen Modellen basierende Modell der numerischen Wettervorhersage (NWP) durchbrochen und sind diesen bei der Vorhersage bestimmter Wettervariablen und extremer oder gefährlicher Ereignisse (wie tropischer Wirbelstürme) überlegen. Beispielsweise haben Untersuchungen von Wissenschaftlern wie Keisler und Pathak die erheblichen Vorteile von KI-Modellen bei der Zyklonvorhersage aufgezeigt.

Abbildung | Jüngste Fortschritte im Bereich der künstlichen Intelligenz/integrierten Prognosesysteme (AIFS) haben die Möglichkeiten zur Zyklonerkennung verbessert. (Quelle: Der Bericht)

Durch die Verwendung des neuronalen Fourier-Prognosenetzwerks, einem neuen globalen datengesteuerten KI-Modell zur Wettervorhersage, ist eine absolut genaue Vorhersage hochauflösender Variablen mit kurzer Zeitskala wie Oberflächenwindgeschwindigkeit, Niederschlag und atmosphärischer Wasserdampf möglich. Es kann eine Wochenprognose in weniger als 2 Sekunden erstellen, was um mehrere Größenordnungen schneller ist als IFS.

Studien haben auch gezeigt, dass KI-Vorhersagemodelle traditionelle physikalische Modelle durchbrochen haben. Durch die Verbesserung der Datenqualität, die Integration unterschiedlicher Datenquellen und die Verarbeitung von Prognoseergebnissen im kleineren Maßstab haben sie den Rechenaufwand für die Erstellung der zur Unterstützung von Wettervorhersagen erforderlichen Daten sowie die Schwelle für die Ausführung qualitativ hochwertiger Prognosemodelle erheblich gesenkt.

Aufgrund des hohen Rechenaufwands waren diese Möglichkeiten bisher auf große globale Prognosezentren beschränkt, jetzt stehen sie jedoch auch Institutionen ohne ausreichende Ressourcen zur Verfügung. Die Einstiegshürde für den Betrieb hochrangiger Prognosemodelle wurde erheblich gesenkt und die geringeren Kosten haben es auch kleineren öffentlichen und privaten Einrichtungen ermöglicht, mithilfe von KI in den Bereich der Wettervorhersage einzusteigen, wodurch sich die traditionelle Landschaft der Wettervorhersagebranche stark verändert hat.

Andere Studien haben darauf hingewiesen, dass die Integration großer Sprachmodelle (wie etwa ChatGPT) die Interpretation und Kommunikation komplexer meteorologischer Informationen wirksam fördern, die Entscheidungsfindung im Hinblick auf Frühwarnungen für alle, die Ziele für nachhaltige Entwicklung (SDGs), das Pariser Abkommen und andere Rahmenwerke zur Katastrophenvorsorge unterstützen und die Fähigkeiten zur Katastrophenvorbeugung, -reaktion und -anpassung verbessern kann.

Theoretisch können Dienste wie ChatGPT, die auf Large Language Models (LLMs) basieren, die Reichweite von Klimainformationen auf alle interessierten Personen überall auf der Welt ausweiten und so allen Menschen lokale Klimadienste zur Verfügung stellen. Zwar wurde diese Idee bislang durch den Mangel an detaillierten lokalen Informationen über das künftige Wetter und den Klimawandel sowie deren Auswirkungen behindert. Wenn dieses Hindernis jedoch überwunden werden kann, wird es den Menschen helfen, besser auf die globalen Klimaherausforderungen zu reagieren.

In den letzten Jahren haben viele Technologiegiganten und Forschungseinrichtungen wie Google, NVIDIA und Huawei im Zuge der rasanten Entwicklung der KI-Technologie große Durchbrüche im Bereich der Wettervorhersage erzielt und eine Reihe beeindruckender KI-Wettervorhersageprodukte entwickelt.

Diese Produkte verbessern nicht nur die Genauigkeit und Geschwindigkeit von Wettervorhersagen, sondern weisen auch ein beispielloses Potenzial in Schlüsselbereichen wie der Vorhersage extremer Wettervorhersagen auf.

Darunter ist das von Huawei Cloud entwickelte Pangu-Weather-Modell zu einer der innovativsten Errungenschaften der Welt geworden. Das im Juli 2023 in der Fachzeitschrift Nature veröffentlichte Modell wurde anhand von 39 Jahren globaler Reanalyse-Wetterdaten trainiert und weist eine Vorhersagegenauigkeit auf, die mit der des weltweit führenden numerischen Wettervorhersagesystems IFS (European Centre for Medium-Range Weather Forecasts) vergleichbar ist, bei gleicher räumlicher Auflösung jedoch mehr als 10.000 Mal schneller ist als IFS. Dieser Durchbruch zeigt die enormen Vorteile von KI-Prognosemodellen hinsichtlich Effizienz und Kosten.

Abbildung | Entwicklung des Zwei-Meter-Temperaturfehlers bei 10-Tage-Vorhersagen in der südlichen Hemisphäre für verschiedene KI-Modellierungssysteme (Huawei Pangu-Weather, NVIDIA FourCastNet, AIFS und Google DeepMind GraphCast) im Jahr 2022. (Quelle: Europäisches Zentrum für mittelfristige Wettervorhersage, 2024)

In einer weiteren in Nature veröffentlichten Studie wurde das NowcastNet-Modell vorgestellt, das von einem Team unter der Leitung von Professor Michael Jordan von der University of California, Berkeley, und Professor Wang Jianmin von der Tsinghua-Universität entwickelt wurde. NowcastNet kombiniert physikalische Gesetze mit Deep-Learning-Technologie, um Niederschlagsvorhersagen in Echtzeit bereitzustellen und so die Genauigkeit kurzfristiger Nowcastings deutlich zu verbessern. Dieser Ansatz, der Physik und KI kombiniert, zeigt das große Potenzial der KI bei der Erfassung der schnellen und subtilen Dynamik von Wetteränderungen.

Abbildung ｜ NowcastNet-Designarchitektur. (Quelle: Nature)

Im November desselben Jahres brachte Google DeepMind ein weiteres bahnbrechendes KI-Wettervorhersagemodell auf den Markt: GraphCast. Das Modell kann Hunderte von Wettervariablen für die nächsten 10 Tage innerhalb einer Minute mit einer globalen Auflösung von 0,25° vorhersagen. Im Vergleich zu herkömmlichen Methoden der Wettervorhersage verbessert GraphCast nicht nur die Prognoseeffizienz erheblich, sondern liefert auch gute Ergebnisse bei der Vorhersage extremer Wetterereignisse.

Darüber hinaus wurden mit dem Anfang 2024 vom Google Research-Team entwickelten KI-Modell auch im Bereich der globalen Hochwasserwarnung deutliche Fortschritte erzielt. Das Modell übertrifft das weltweit fortschrittlichste bestehende Hochwasserwarnsystem. Es wird mit Daten von 5.680 Messinstrumenten trainiert und kann den täglichen Abfluss in nicht gemessenen Becken innerhalb eines 7-tägigen Prognosezeitraums genau vorhersagen. Damit stellt es ein leistungsfähigeres Instrument zur Bewältigung der durch den Klimawandel verursachten Hochwasserrisiken dar.

Abbildung ｜Architektur des Flussvorhersagemodells basierend auf LSTM. Zwei LSTMs werden nacheinander angewendet, wobei eines historische Wetterdaten und das andere vorhergesagte Wetterdaten empfängt. Die Modellausgabe sind die Parameter der Flusswahrscheinlichkeitsverteilung für jeden Prognosezeitschritt.

Ein weiterer wichtiger Akteur auf dem Gebiet der KI-gestützten Wettervorhersage ist IBM. Das Unternehmen hat das GRAF-System (Global High-Resolution Atmospheric Forecasting System) entwickelt, das KI und maschinelles Lernen nutzt, um stündliche Updates zum globalen Wetter bereitzustellen. GRAF ist das weltweit erste hochauflösende Wettervorhersagesystem, das Vorhersagen mit einer Auflösung von bis zu 3 km liefern kann und so eine höhere Genauigkeit bei der Vorhersage extremer Wetterereignisse ermöglicht.

Auch das Projekt „AI for Earth“ von Microsoft nutzt maschinelles Lernen und Big Data, um Klimavorhersagen und Wettervorhersagen zu verbessern. Obwohl nicht direkt ein spezielles KI-Wettervorhersagemodell entwickelt wurde, hat die vom Projekt unterstützte Forschung eine wichtige Rolle bei der Verbesserung der Genauigkeit von Wettervorhersagen gespielt und der Welt geholfen, die Herausforderungen des Klimawandels besser zu bewältigen.

Insgesamt haben diese hochmodernen KI-Wettervorhersagemodelle die Geschwindigkeit, Genauigkeit und Abdeckung von Wettervorhersagen durch Training mit umfangreichen historischen Daten und die Anwendung fortschrittlicher Deep-Learning-Algorithmen erheblich verbessert. KI-Technologie ermöglicht eine präzisere und schnellere Wettervorhersage und spielt eine immer wichtigere Rolle bei der Bewältigung der globalen Herausforderungen durch extreme Wetterereignisse und den Klimawandel.

Probleme und Perspektiven

Allerdings sind die Datenqualität und -verfügbarkeit weiterhin große Probleme . Insbesondere in der Trainingsphase von KI-Modellen besteht ein großer Bedarf an qualitativ hochwertigen und konsistenten Daten.
Der Bericht weist darauf hin, dass die Datenverfügbarkeit aufgrund wirtschaftlicher, politischer und geografischer Unterschiede zwischen den Ländern uneinheitlich ist. Darüber hinaus wirken sich Lücken in räumlichen und zeitlichen Daten, fehlende Daten zu kleinräumigen Wetterphänomenen sowie ein Mangel an hochauflösenden globalen Reanalysedaten negativ auf das Training von KI-Modellen aus. Gleichzeitig stellt das Fehlen komplexer Variablen, die die Genauigkeit von Wettervorhersagen beeinträchtigen können – wie Ozeane, Landflächen, Kryosphäre und Kohlenstoffkreislauf – in aktuellen KI-Modellen eine große Herausforderung dar, die dringend angegangen werden muss.

Andererseits können auch Transparenz- und Fairnessprobleme den Einsatz von KI bei der Wettervorhersage einschränken. Während Anstrengungen unternommen werden, die Interpretierbarkeit der Modelle zu verbessern und physikalische Einschränkungen einzubeziehen, bleibt die Erhöhung der Transparenz zur Gewährleistung des öffentlichen Vertrauens ein wichtiges Thema, das angegangen werden muss. Darüber hinaus ist es aufgrund begrenzter Daten, Rechenleistung und Benutzerkenntnisse schwierig, KI-Technologie populär zu machen, was die globale digitale Kluft und Ungleichheit weiter verschärfen wird.

Mit Blick auf die Zukunft wird der Schwerpunkt der nächsten Phase von KI-Wettervorhersagemodellen auf der Datenassimilierung und der Entwicklung grundlegender Modelle liegen. Nach dem Training mit umfangreichen und vielfältigen Daten können KI-Modelle an spezifischere Anwendungen angepasst werden. Darüber hinaus werden die Ausweitung bestehender KI-Modelle auf das gesamte Erdsystem zur Verbesserung der Möglichkeiten zur Klimavorhersage, die Nutzung des Potenzials kommerzieller Satelliten- und Crowdsourcing-Daten (wie etwa des Internets der Dinge) und die Kombination kostengünstiger Datenspeicherplattformen und standardisierter Tools zur Förderung der Verbreitung der KI-Wettervorhersagetechnologie auf globaler Ebene ebenfalls wichtige Richtungen für die zukünftige Erforschung sein.

Es ist erwähnenswert, dass KI zunehmend zur Entscheidungsunterstützung eingesetzt wird und der Weltgemeinschaft hilft, mit den Risiken des Klimawandels und extremer Wetterbedingungen umzugehen. Um sicherzustellen, dass die KI-Technologie der gesamten Menschheit zugutekommt und allgemein zugänglich ist, sind eine starke globale Governance und entsprechende Rahmenbedingungen unabdingbar.

Dazu ist es notwendig, die Transparenz und Nachvollziehbarkeit von KI-Modellen zu erhöhen, Vertrauen zu fördern und Standards für einen verantwortungsvollen Einsatz zu etablieren. Darüber hinaus muss darauf geachtet werden, systemische Voreingenommenheit zu bekämpfen und einen fairen Zugang bei der Entwicklung ethischer KI sicherzustellen, insbesondere in gefährdeten Gemeinschaften.

Darüber hinaus sind Schulungen und Kapazitätsaufbau von entscheidender Bedeutung, um die digitale Kluft zu verringern und eine faire und wirksame Anwendung von KI-Tools sicherzustellen.

Autor: Ruan Wenyun