Das neue KI-Modell von Google bedeutet gute Aussichten für die Wettervorhersage

Ein neues KI-gestütztes Wettervorhersagemodell kann diese Aufgabe mit beispielloser Genauigkeit und deutlich schneller als aktuelle Technologie erledigen.

GraphCast wurde von Google DeepMind – dem KI-fokussierten Labor des Webgiganten – entwickelt und dürfte den Prozess der Wettervorhersage revolutionieren.

GraphCast kann das Wetter bis zu 10 Tage im Voraus vorhersagen, „genauer und viel schneller als das Branchenstandard-Wettersimulationssystem – die High Resolution Forecast (HRES), erstellt vom Europäischen Zentrum für mittelfristige Wettervorhersagen (ECMWF)“. Das sagte Google DeepMind am Dienstag in einem Beitrag .

Insbesondere kann das Modell auch frühere Warnungen vor extremen Wetterereignissen bieten und die Bewegung von Wirbelstürmen genauer vorhersagen, sodass Behörden und Anwohner mehr Zeit haben, sich auf verheerende Stürme vorzubereiten und dabei möglicherweise Leben zu retten.

Als Hurrikan Lee im September den Osten Kanadas traf, prognostizierte GraphCast genau, dass er neun Tage vorher in Nova Scotia landen würde, während herkömmliche Vorhersagen die gleiche Vorhersage erst etwa sechs Tage im Voraus machten.

GraphCast wurde anhand von Wetterdaten aus vier Jahrzehnten trainiert, was es ihm ermöglichte, die Ursache-Wirkungs-Beziehungen hinter den Wettersystemen der Erde zu erlernen, sagte das DeepMind-Team.

Bemerkenswerterweise benötigt GraphCast weniger als 60 Sekunden, um eine 10-Tage-Prognose zu erstellen, und ist damit viel schneller als der herkömmliche Ansatz von HRES, der laut dem Team „in einem Supercomputer mit Hunderten von Maschinen stundenlange Berechnungen erfordern kann“.

Bei einem Vergleich der beiden Systeme lieferte GraphCast im Vergleich zu HRES genauere Prognosen für mehr als 90 % der 1.380 Testvariablen und prognostizierte Durchlaufzeiten.

„Als wir die Auswertung auf die Troposphäre beschränkten, den 6 bis 20 Kilometer hohen Bereich der Atmosphäre, der der Erdoberfläche am nächsten liegt, wo genaue Vorhersagen am wichtigsten sind, übertraf unser Modell HRES bei 99,7 % der Testvariablen für zukünftiges Wetter“, sagte der Team sagte.

Während sich die Wettermuster im sich ständig ändernden Klima der Erde weiterentwickeln, wird sich GraphCast nur verbessern, wenn es mit Daten höherer Qualität gespeist wird.

Das Team stellt den Modellcode von GraphCast als Open-Source-Lösung zur Verfügung, um Wissenschaftlern und Prognostikern Zugriff auf die Technologie zu ermöglichen. Dadurch können sie es an bestimmte Wetterphänomene anpassen und für verschiedene Teile der Welt optimieren. Das ECMWF erprobt das Modell bereits.

Eine am Dienstag von Science veröffentlichte Studie bietet einen detaillierteren Blick auf GraphCast. Darin sagt das Team, dass das Modell „nicht als Ersatz für traditionelle Wettervorhersagemethoden angesehen werden sollte, die über Jahrzehnte entwickelt, in vielen realen Kontexten rigoros getestet wurden und viele Funktionen bieten, die wir noch nicht erforscht haben“, und fügt hinzu dass GraphCast „das Potenzial hat, die derzeit besten Methoden zu ergänzen und zu verbessern.“

Dennoch geht man davon aus, dass der Einsatz von KI für die Wettervorhersage „Milliarden von Menschen in ihrem täglichen Leben zugute kommen wird“, und erklärt, dass man die Technologie neben der Wettervorhersage auch nutzen wolle, um ein besseres Verständnis der umfassenderen Muster unseres Klimas zu erlangen. „Durch die Entwicklung neuer Werkzeuge und die Beschleunigung der Forschung hoffen wir, dass KI die Weltgemeinschaft in die Lage versetzen kann, unsere größten Umweltherausforderungen zu bewältigen“, hieß es.