KI verbessert Wettervorhersagen: Forscher verdoppeln Zuverlässigkeit für 2 bis 6 Wochen in die Zukunft

Aktuelle Wettervorhersagen sind vor allem im Bereich von bis zu 10 Tagen relativ konkret. Hier lassen sich Temperatur, Regen, Wind und der zeitliche Ablauf einzelner Wetterlagen häufig vergleichsweise gut prognostizieren.

Sobald es aber in die sub-saisonale Vorhersage hineingeht, also etwa zwei bis 6 Wochen im Voraus, schwächeln aktuelle Prognosesysteme. Hier liegt der Schwerpunkt eher auf Wahrscheinlichkeiten, Temperaturabweichungen, Niederschlagsmustern und erhöhten Risiken für bestimmte Wetterlagen.

Ein präziseres Vorhersagemodell könnte große positive Auswirkungen, zum Beispiel auf die hiesige Landwirtschaft haben, die sich dann besser auf Dürre- oder Nässephasen und deren Auswirkungen auf Aussaat, Bewässerung, Düngung und Ernte einstellen könnte. Unmittelbar wichtig sind diese Vorhersage aber auch für den Katastrophenschutz.

Und hier setzen Forscher des MIT mit dem Ziel an, die Vorhersagequalität zu verbessern. Dafür haben sie nicht etwa ein KI-Modell einfach bessere Vorhersagen treffen lassen. Stattdessen nutzen sie KI, um wiederkehrende bzw. systematische Fehler in bestehenden Vorhersagemodellen zu identifizieren, auf die deren Betreiber bislang nicht gekommen sind, und diese zu korrigieren. Die Arbeit wurde in Nature veröffentlicht.

Nachdem die Forscher ihr Machine Learning Modell auf den Goldstandard der bisherigen Vorhersagemodelle angewendet hatten, konnte die Zuverlässigkeit der Vorhersagen für den Zeitraum von zwei bis sechs Wochen verdoppelt werden.

Parallel haben sie ihre KI auch auf schwächere Prognose-Modelle angewendet und konnten dadurch deren qualitativen Abstand zum Standardmodell deutlich verringern. Den MIT-Forscher schwebt vor die Technik überall auf der Welt anzuwenden, insbesondere in Gebieten, in denen ein Frühwarnschutz vor Naturkatastrophen besonders wichtig ist.