KI in der Meteorologie - Bessere Wetterprognosen dank künstlicher Intelligenz

Was sind die wichtigsten Anwendungen von Künstlicher Intelligenz (KI) in der Meteorologie? KI selber beantwortet die Frage folgendermassen: «Die wichtigsten KI-Anwendungen in der Meteorologie sind die Verbesserung von Wettervorhersagen durch maschinelles Lernen mit historischen Wetterdaten sowie die Früherkennung von extremen Wetterereignissen durch die Analyse von Satellitendaten und Wettermustern.» Wie ist das zu verstehen?

Nur knapp über 0 Grad im Mittelland am Nachmittag des Freitags (22.9.). Prognose eines KI-Modells, eine Woche im Voraus.

SRF Meteo, ECMWF

Verbesserte KI-Prognosen

Wettermodelle, welche rein auf KI basieren, schossen in den letzten Jahren wie Pilze aus dem Boden. Mit gutem Grund. Die Wettermodelle können mit traditionellen Prognosemodellen mithalten. Sie schneiden bei Qualitätstest teilweise sogar besser ab. Dazu rechnen sie schneller.

KI Modelle lernen anhand von vergangenen Wettermustern. Im Gegensatz dazu basieren traditionelle Wettermodelle auf Physik.

Viel Luft nach oben

Trotz der schnellen Erfolge: KI-Wetterprognosen stecken noch in den Kinderschuhen. Es existieren einige Baustellen und Chancen.

• Ein KI-Modell kann nur so gut werden, wie die Daten, von denen es lernt. Solche Daten sind auf globaler Ebene gut. Bei Details wie dem Wetter in Schweizer Alpentälern gibt es keine geeignete Datengrundlage.
• Noch fehlen wichtige meteorologische Prognoseparameter in KI-Modellen. Eine Abschätzung der Gewitterwahrscheinlichkeit nur mit KI-Modellen ist zum Beispiel nur bedingt möglich.
• KI hat viele weitere Einsatzgebiete wie Früherkennung von Extremwetter oder die Interpolation von Radardaten in die Zukunft. Hierfür müssen jedoch komplett neue KI-Anwendungen erstellt werden. Solche Anwendungen sind noch selten.

Droht ein extremes Gewitter? KI weiss es nicht unbedingt.

Theodor Kübler

Was bringt die Zukunft?

Gut möglich ist, dass KI-Wettermodelle und traditionelle Modelle in Zukunft «verschmelzen». Damit behält man das Beste aus beiden Welten. KI-Modelle sind aufgrund ihres hohen Rechentempos beispielsweise ideal, um ganz viele Prognosevarianten zu erstellen. Damit kann die Unsicherheit einer Wetterprognose besser eingegrenzt werden.

Was schreibt KI über KI?

Wir stellten die folgende Frage an verschiedene Chatbots: «Was sind die wichtigsten Anwendungen von KI in der Meteorologie in 1-2 Sätzen?». Die Antworten sind teils sehr selbstbewusst.

Gemini: Künstliche Intelligenz revolutioniert die Meteorologie, indem sie präzisere und schnellere Wettervorhersagen ermöglicht. KI-Modelle analysieren riesige Datenmengen aus Satellitenbildern, Wetterstationen und anderen Quellen, um komplexe Wettermuster zu erkennen und zukünftige Entwicklungen vorherzusagen. Dies ist besonders bei extremen Wetterereignissen von grossem Nutzen und trägt zur Verbesserung des Katastrophenschutzes bei.

ChatGPT: Die wichtigsten Anwendungen von KI in der Meteorologie umfassen die Verbesserung der Wettervorhersagen durch datengetriebenes Modellieren und die Analyse grosser Datenmengen sowie die Erkennung von extremen Wetterereignissen wie Stürmen, Überschwemmungen und Hitzewellen, um frühzeitig Warnungen auszusprechen. KI wird auch in der Klimamodellierung und der Optimierung von Vorhersagemodellen verwendet.

Claude: Die wichtigsten KI-Anwendungen in der Meteorologie sind die Verbesserung von Wettervorhersagen durch maschinelles Lernen mit historischen Wetterdaten sowie die Früherkennung von extremen Wetterereignissen durch die Analyse von Satellitendaten und Wettermustern.

SRF Thema «KI und wir»

SRF

Künstliche Intelligenz ist eine technische Revolution, die das Potenzial hat, unser Leben so tiefgreifend zu verändern, wie es das Internet und Smartphones getan haben. SRF setzt sich proaktiv mit diesem hochaktuellen Thema auseinander und rückt es vom 17. bis 24. November 2024 in den Programmfokus. Im Zentrum steht die Frage «Was kann KI wirklich und was machen Menschen in der Schweiz damit?»

Finden Sie es heraus – auf www.srf.ch/ki