Meteorologie: Warum KI Extremwetter schlechter vorhersagt
KI-Wettermodelle sind häufig schon besser als herkömmliche Vorhersagen. Eine neue Studie zeigt aber: Ausgerechnet Hitzewellen, Kälte und Stürme sagen KI-Systeme deutlich schlechter voraus als klassische Wettermodelle.
Wie wird das Wetter in den kommenden 14 Tagen? Auf diese Frage liefern KI-Wettermodelle im Testbetrieb heute teilweise schon genauere und bessere Antworten als die herkömmlichen Modelle – im Durchschnitt.
Doch es gibt schon länger einen Verdacht: Ausgerechnet bei den extremen, den seltenen Wetterereignissen wie starker Hitze oder heftigen Wintereinbrüchen scheinen die KI-Modelle zu schwächeln. Diesen Verdacht hat ein Forschungsteam des Karlsruher Instituts für Technologie mit internationaler Unterstützung getestet: KI-Modelle von Google und Huawei mussten gegen das Hochleistungsmodell des Europäischen Zentrums für mittelfristige Wettervorhersagen antreten.
KI tritt gegen Hochleistungsmodell an
Die Wettermodelle sollten zum Test das Wetter von 2018 bis 2020 vorhersagen – natürlich ohne die Wetterdaten für die Zukunft zu kennen. Dann konnte das Forschungsteam genau analysieren, wie gut die KI-Modelle und das herkömmliche europäische Modell abschneiden. In dem Testzeitraum wurde nur auf extreme Wetterereignisse geschaut, auf die zwei Prozent mit der stärksten Intensität. Und hier war das Ergebnis in der im Fachmagazin Science Advances veröffentlichten Studie eindeutig. Die KI-Modelle schnitten schlechter ab.
Die KI-Modelle haben starke Hitzewellen und extreme Kälte tendenziell unterschätzt. Auch bei den heftigsten Stürmen hat die KI im Vergleich zum konventionellen Wettermodell stärker daneben gelegen. „Je extremer die Ereignisse, desto stärker unterschätzen die KI-Modelle sie im Vergleich zur herkömmlichen Vorhersage“, sagt Sebastian Sippel vom Institut für Meteorologie der Universität Leipzig.
Und auch die Häufigkeit von solchen Wetterextremen hat das KI-Modell unterschätzt – stärker als vermutet, sagt Sippel. „Vorhersagen von KI-Modellen haben häufig die Tendenz, Extreme zu unterschätzen. Dennoch ist meines Erachtens der deutliche Unterschied zwischen KI-Modellen und dem physikalischen Modell bemerkenswert.“
Warum KI-Modelle bei Extremwetter schwächeln
KI-Wettermodelle werden mit Daten aus der Vergangenheit trainiert. Fehlen hier extreme Wetterlagen, ist die KI bei der Vorhersage im Nachteil. Da sind physikalische, also die herkömmlichen Modelle, im Vorteil. Sie kennen alle bekannten Naturgesetze in der Atmosphäre.
Das ist bei KI-Modellen häufig anders. Sie suchen vor allem anhand der Trainingsdaten nach Mustern und lernen dabei atmosphärische Dynamiken selbst. Aber wenn bei diesem Training extreme Wetterlagen sehr selten sind oder ganz fehlen, kommt die KI an ihre Grenzen. „Zustände, die im Training nicht oder kaum vorkamen, werden schlechter abgebildet“, sagt Nicole Ludwig vom Institut für Informatik, Universität Augsburg. Das Forschungsteam konnte den Effekt aber nur bei sehr extremen Wetterereignissen beobachten.
Auch der Klimawandel ist für die KI-Modelle eine Herausforderung. Durch die Erwärmung der Erde ändern sich die Bedingungen und Abhängigkeiten in der komplexen Atmosphäre. „Wir sollten nicht erwarten, dass solche Modelle unter zukünftigen Klimabedingungen funktionieren, die in den historischen Trainingsdaten nicht vorkommen“, sagt Niklas Boers, Professor für Erdsystemmodellierung, Technische Universität München. Heißt: Die KI muss ständig neu trainiert werden, und außerdem könnten synthetische Daten fürs Training verwendet werden, die den Klimawandel in der Zukunft berücksichtigen.
Kann KI in Zukunft auch Extremwetter vorhersagen?
Der Blick auf die Studie zeigt: Es gibt bereits modernere KI-Modelle, die bei einem erneuten Test vielleicht schon besser abschneiden. Nicole Ludwig verweist auf neuere Technologien, bei denen Unsicherheiten der Vorhersagen durch die KI angegeben werden können. „Dieses Modell erzeugt explizit Ensembles möglicher Wetterverläufe und sollte besser geeignet sein, um Extreme vorherzusagen.“ Bei einer Ensemble-Wettervorhersage werden mehrere Durchläufe einer Vorhersage berechnet und dann miteinander verglichen.
In Zukunft sollen KI-Modelle und herkömmliche Modelle clever gleichzeitig genutzt werden. „Eine Kombination beider Welten in einem hybriden Vorhersagesystem erscheint als Königsweg“, sagt Roland Potthast vom Deutschen Wetterdienst (DWD).
Der Aufbau eines kombinierten Ensemble-Systems habe bereits beim Deutschen Wetterdienst (DWD) begonnen. Mit dem KI-Modell kommt ein weiteres Werkzeug hinzu. Viel wird aber auch in Zukunft von der Einschätzung der Meteorologinnen und Meteorologen abhängen. Sie wählen heute je nach Wetterlage das passende Modell aus. Bei manchen Wetterlagen ist die KI schon heute besser. Inzwischen geht es häufig darum, zu erkennen, in welchen Fällen KI wahrscheinlich bessere Ergebnisse liefert und wann nicht. Es ist also ein ständiges Testen – und mit den KI-Modellen kommt eine neue Möglichkeit dazu.
