Künstliche Intelligenz revolutioniert die Wettervorhersage, indem sie Berechnungen, die früher Stunden auf Supercomputern benötigten, auf wenige Minuten verkürzt. Doch eine neue Studie der Rice University warnt, dass KI-Modelle bei tropischen Stürmen physikalische Grenzen aufweisen. Die im Journal of Geophysical Research: Atmospheres veröffentlichte Forschung bewertet zwei führende KI-Systeme, Pangu-Weather und Aurora, im Zeitraum 2020 bis 2025. Die Wissenschaftler analysierten etwa 200 Stürme aus dem Nordatlantik und dem westlichen Nordpazifik, um deren realitätsgetreue Simulation zu überprüfen. Die Ergebnisse zeigen ein gemischtes Bild. KI-Modelle übertreffen traditionelle Methoden deutlich bei der Vorhersage von Zugbahnen. Sie bestimmen mit hoher Konsistenz, wo sich Stürme bewegen und wo Landung trifft. Diese Zuverlässigkeit ist entscheidend für Evakuierungsentscheidungen und Frühwarnungen. Bei der Vorhersage der Sturmintensität, also der maximalen Windgeschwindigkeiten und des Luftdrucks, schnitten die Modelle uneinheitlich ab. Während Aurora die Verteilung der Intensitäten besser nachbildete als das Reanalysedatensatz ERA5, zeigte Pangu-Weather stärkere Verzerrungen bei den intensivsten Zyklonen. Allerdings muss angemerkt werden, dass auch ERA5 die Spitzenintensitäten in der Realität oft unterschätzt, sodass eine Übereinstimmung mit diesem Datensatz nicht automatisch volle Genauigkeit garantiert. Der kritischste Befund der Studie betrifft jedoch die physikalische Realität der simulierten Windfelder. Obwohl die Darstellungen der Stürme visuell überzeugend wirken, erfüllen sie oft nicht die fundamentalen physikalischen Gesetze der Atmosphäre. Tests zur Gradientwindbalance, einer grundlegenden Beziehung für ausgereifte Wirbelstürme, zeigten erhebliche Abweichungen, insbesondere in der Nähe des Sturmmittelpunkts. Zudem neigten beide Modelle dazu, den inneren Kernbereich stärkerer Stürme zu überschätzen. Diese Fehler sind problematisch, da die tatsächlichen Auswirkungen eines Sturms, wie Windschäden, Regenmengen und Sturmfluten, stark von der genauen Struktur der Windverteilung abhängen. Wenn diese physikalischen Konsistenz nicht gegeben ist, können Risikoabschätzungen für die Bevölkerung erheblich verfälscht werden. Avantika Gori, die Autorin der Studie, betont, dass die Ergebnisse nicht die vielversprechende Zukunft der KI untergraben, sondern Verbesserungspotenziale aufzeigen. Sie schlägt vor, systematische Verzerrungen durch Korrekturfaktoren oder zusätzliche Interpretationen auszugleichen, bevor die Rohdaten der Vorhersage genutzt werden. Ein zentrales Fazit der Forscher ist, dass KI-Tools nicht von selbst validiert werden können. Sie erfordern weiterhin die Expertise von Atmosphärenwissenschaftlern, um sicherzustellen, dass die Vorhersagen physikalisch sinnvoll bleiben. Die Zusammenarbeit zwischen Entwicklern und Experten ist unerlässlich, um diese Technologien verantwortungsvoll weiterzuentwickeln. KI sollte als Ergänzung zur menschlichen Expertise dienen, nicht als deren Ersatz. Nur durch diesen hybriden Ansatz können Wettervorhersagen für Hochrisikoereignisse sowohl schnell als auch physikalisch fundiert bleiben.