Ein Forscherteam der University of California San Diego hat den ersten KI-Agenten namens Zephyrus entwickelt, der Wissenschaftler dabei unterstützen soll, Wetter- und Klimadaten effizienter zu analysieren. Die Studie wird vom 23. bis 27. April auf der International Conference on Learning Representations (ICLR) in Rio de Janeiro vorgestellt und ist bereits als Preprint auf arXiv veröffentlicht. Der Kern der Entwicklung liegt darin, eine Brücke zwischen komplexen, kodbasierten KI-Modellen für Wettervorhersagen und natürlichen Sprachabfragen zu schlagen. Während die Rechenmodelle für Wetterprognosen in den letzten Jahren enorme Fortschritte gemacht haben, bleibt die Auswertung der daraus resultierenden Daten für Menschen schwierig und zeitaufwendig. Die bestehenden Modelle können ihre Ergebnisse nicht in verständlicher Sprache erklären und besitzen keine Fähigkeiten, um Textinformationen wie meteorologische Berichte logisch zu verarbeiten. Zephyrus soll diese Lücken schließen, indem es Eingaben in natürlicher Sprache, beispielsweise auf Englisch, entgegennimmt, in ausführbaren Code übersetzt und die maschinell generierten Ergebnisse wieder in klare Sprache zurückübersetzt. Das System funktioniert durch eine Zusammenarbeit zwischen einem sprachbasierten Agenten, der auf Large Language Models (LLMs) basiert, und einem Code-Ausführungsserver. Sobald der Agent eine Nutzeranfrage erhält, generiert er einen Codeblock, den der Server an verschiedene Werkzeuge weiterleitet. Nach der Ausführung sendet der Server die Ergebnisse zurück. Der Agent entscheidet dann selbstständig, ob er weitere Code-Ausführungen benötigt, um die Antwort zu verfeinern, oder ob er direkt auf den Nutzer antworten kann. Bei den Tests zeigte sich, dass Zephyrus bei einfachen Aufgaben wie dem Auffinden von Orten mit bestimmten Wetterbedingungen oder der Erstellung von Vorhersagen für spezifische Zeiträume gut funktionierte. Schwierigkeiten traten jedoch bei der Identifizierung extremer Wetterlagen und bei der allgemeinen Berichtserstellung auf. Um den Agenten zu betreiben, testeten die Forscher vier verschiedene fortschrittliche LLMs, wobei alle Modelle eine vergleichbare Genauigkeit aufwiesen. Die Autoren des Projekts sehen die große Chance darin, den Zugang zu kritischen Klimadaten zu demokratisieren. Duncan Watson-Parris von der Scripps Institution of Oceanography betont, dass das Ziel darin besteht, die Einstiegshürden für die Datenanalyse zu senken, damit auch Studierende und Nachwuchswissenschaftler schneller und leichter Erkenntnisse aus multimodalen Daten gewinnen können. Rose Yu von der Fakultät für Informatik und Ingenieurwesen beschreibt Zephyrus als einen wichtigen Schritt hin zu KI-Ko-Wissenschaftlern, die den Austausch und die Analyse von Wetter- und Klimadaten revolutionieren könnten. Für zukünftige Iterationen plant das Team, das Training mit größeren Datensätzen zu erweitern und offene Modelle speziell für klimawissenschaftliche Aufgaben feinabzustimmen. Da die Meteorologie große, sich zeitlich verändernde Datensätze mit komplexen Textinformationen verbindet, dient sie als idealer Testfall für Anwendungen in anderen Disziplinen, insbesondere der Klimawissenschaft. Die Autoren unterstreichen die gesellschaftliche Relevanz genauer Wettervorhersagen, die weitreichende Auswirkungen auf Landwirtschaft, Katastrophenschutz, Transport und Energiemanagement haben. Durch die Automatisierung der Datenanalyse und -interpretation erhoffen sich die Forscher, die Geschwindigkeit und Präzision wissenschaftlicher Erkenntnisse bei gleichzeitiger Erweiterung des Nutzerkreises signifikant zu steigern.