Google verbessert Tropensturm-Vorhersage mit KI-Modell

Google DeepMind und Google Research haben heute Weather Lab gestartet, eine interaktive Website, die ihre künstliche Intelligenz (KI)-basierten Wettermodele zur Verfügung stellt. Ein besonderer Fokus liegt auf einem neuen experimentellen KI-Modell zur Vorhersage von tropischen Wirbelstürmen, einschließlich Hurrikane und Tifone, das bis zu 15 Tage im Voraus 50 verschiedene Szenarien für den Sturmkurs, die Intensität, Größe und Struktur erzeugen kann. Tropische Wirbelstürme sind extrem gefährlich und stellen eine ernste Bedrohung für Leben und Infrastruktur dar. In den letzten 50 Jahren haben sie wirtschaftliche Verluste in Höhe von 1,4 Billionen Dollar verursacht. Die Vorhersage dieser Stürme ist besonders schwierig, da sie von atmosphärischen Bedingungen und komplexen turbulenzprozessen abhängen. Traditionelle Wettermodele müssen zwischen der Vorhersage des Sturmkurses und der Intensität kompromissen: Globale, nieder-auflösende Modelle sind besser in der Lage, den Kurs von Stürmen vorherzusehen, während regionale, hoch-auflösende Modelle die Intensität genauer prognostizieren können. Dies führt dazu, dass ein einzelnes Modell oft nicht beide Aspekte gleich gut erfasst. Das neue experimentelle Modell von Google überwindet diese Beschränkung durch die Kombination zweier spezifischer Datensätze: einer umfangreichen Reanalyse-Datenbank, die globale Wettermuster aus Millionen von Beobachtungen rekonstruiert, und einer spezialisierten Datenbank, die Informationen zu fast 5.000 beobachteten Wirbelstürmen aus den letzten 45 Jahren enthält. Diese Doppelstrategie ermöglicht es dem Modell, sowohl den Sturmkurs als auch die Intensität mit hoher Genauigkeit vorherzusagen. Interne Bewertungen zeigen, dass die 5-Tage-Vorhersage des Kurs von tropischen Wirbelstürmen im Durchschnitt 140 Kilometer näher an der tatsächlichen Sturmlage liegt als die Vorhersage des führenden europäischen physikbasierten Ensemble-Modells ENS vom Europäischen Zentrum für mittelfristige Wettervorhersage (ECMWF). Im Bereich der Intensitätsvorhersage übertreffen die Ergebnisse sogar die durchschnittlichen Fehler des National Oceanic and Atmospheric Administration (NOAA)’s Hurricane Analysis and Forecast System (HAFS). Der Speedvorteil des KI-Modells ist ebenfalls bemerkenswert. Während traditionelle physikbasierte Modelle Stunden benötigen, um Vorhersagen zu generieren, erzeugt das DeepMind-Modell 15-Tage-Prognosen in etwa einer Minute auf einem einzigen spezialisierten Computerchip. Dies ermöglicht es, enge operativ-relevante Fristen einzuhalten, wie Tom Anderson, ein Forschungsingenieur bei DeepMind, erklärt. Die National Hurricane Center (NHC) hat speziell angefordert, dass Vorhersagen innerhalb von sechs Stunden nach der Datensammlung verfügbar sein sollten, ein Ziel, das das KI-Modell problemlos erreicht. Die Partnerschaft zwischen Google DeepMind und der NHC ist ein wichtiger Schritt, um die Anwendung von KI in der Wettervorhersage zu validieren. Die NHC wird die lebenden KI-Vorhersagen in Echtzeit mit traditionellen physikbasierten Modellen und Beobachtungen vergleichen, um die Genauigkeit und Effizienz des KI-Modells zu evaluieren. Dr. Kate Musgrave, eine Forscherin am Cooperative Institute for Research in the Atmosphere an der Colorado State University, hat das Modell unabhängig evaluiert und festgestellt, dass es „ähnliche oder größere Fähigkeiten wie die besten operationsfähigen Modelle für Kurs- und Intensitätsvorhersagen“ zeigt. Weather Lab startet mit mehr als zwei Jahren historischer Vorhersagen, die Experten ermöglichen, die Leistung des Modells in verschiedenen Ozeanbecken zu bewerten. Beispiele wie der Wirbelsturm Alfred im Korallenmeer und der berühmt-berüchtigte Hurrikan Otis im Jahr 2023 demonstrieren das Potenzial des KI-Modells. Hurrikan Otis hatte sich kurz vor seiner Landung in Mexiko stark verstärkt, was viele traditionelle Modelle nicht vorhergesagt hatten. Das DeepMind-Modell hätte in diesem Fall wahrscheinlich ein früheres Signal für die potenzielle Gefahr des Sturms gegeben. Die Entwicklung von Weather Lab und das Partnerschaftsmodell markieren einen wichtigen Meilenstein in der Maturität von KI in der Wettervorhersage. Neben der NHC arbeitet Google auch mit dem Cooperative Institute for Research in the Atmosphere an der Colorado State University sowie mit Forschern in Großbritannien und Japan zusammen, um die KI-Wettermodele weiter zu verbessern. Peter Battaglia, ein Forschungswissenschaftler bei Google DeepMind, betonte in einem Pressegespräch, dass Wetter als öffentliches Gut betrachtet wird und Google versucht, in diesem Bereich mit dem öffentlichen Sektor zusammenzuarbeiten. Es ist wichtig zu betonen, dass Weather Lab ein Forschungstool ist. Die dargestellten lebenden Vorhersagen sind noch in der Entwicklungsphase und sollten nicht als offizielle Warnungen verwendet werden. Für autoritative Wettervorhersagen und Warnungen sollte man weiterhin auf lokale meteorologische Agenturen oder nationale Wettdienste vertrauen. Die Verwendung von KI in der Wettervorhersage hat das Potenzial, die Vorbereitung auf Naturkatastrophen zu verbessern und damit das Leben und die Infrastruktur in anfälligen Küstengebieten zu schützen. Mit dem Beginn der Atlantikhurrikansaison 2025 wird das KI-Modell nun in einer echten Umgebung getestet, was seine tatsächliche Leistungsfähigkeit entscheidend prüfen wird. Die Fähigkeit, neue Daten zu sammeln und zu analysieren, insbesondere in Zeiten des Klimawandels, wird entscheidend sein, um die Vorhersagegenauigkeit weiter zu steigern. Experten und Industrieanalysten sehen in der Integration von KI-basierten Vorhersagemodellen in traditionelle Wetterdienste eine vielversprechende Entwicklung. Sie könnten dazu beitragen, die Vorhersagegenauigkeit zu erhöhen und die Vorbereitungszeit für Notfallmaßnahmen zu verlängern. Google hofft, durch kontinuierliches Feedback von Wetteragenturen und Notfalldiensten die praktischen Anwendungen der Technologie weiter zu optimieren. In einer Zeit, in der der Klimawandel zunehmend extreme Wetterereignisse verursacht, könnte die Verbesserung der Vorhersagegenauigkeit von entscheidender Bedeutung sein, um anfällige Bevölkerungsgruppen weltweit zu schützen.