Microsoft verbessert Wettervorhersagen mit KI-Tool

Microsoft hat ein neues maschinelles Lernverfahren mit dem Namen Probabilistic Bias Correction (PBC) vorgestellt, das die Zuverlässigkeit von Wettervorhersagen im Bereich von zwei bis sechs Wochen deutlich verbessert. Die Forschergruppe um Lester Mackey von Microsoft Research New England hat die Ergebnisse kürzlich in der Fachzeitschrift Nature publiziert und die Software als quelloffene Lösung veröffentlicht. Das Tool adressiert ein seit langem bekanntes Problem der meteorologischen Modellierung: Sowohl physikalische als auch KI-basierte Prognosen verlieren jenseits von zwei Wochen an Präzision, da Approximationen und fehlende Datengrundlagen zu systematischen Verzerrungen führen, die sich mit fortschreitendem Vorhersagezeitraum aufschaukeln. Statt ein komplett neues Wettermodell zu entwickeln, nutzt PBC maschinelles Lernen, um diese systematischen Abweichungen in bestehenden Modellen automatisch zu identifizieren und zu korrigieren. Ein zentrales Anwendungsbeispiel ist die Anpassung an den Klimawandel, da traditionelle Modelle oft noch auf historischen Datensätzen basieren und dadurch eine Kälteverzerrung aufweisen. Das Besondere an Microsofts Ansatz ist seine außergewöhnliche Effizienz: Während etablierte Wettermodelle Supercomputer und generative KI-Systeme leistungsstarke GPUs benötigen, läuft PBC ausschließlich auf Standardprozessoren. Dies senkt die technischen Hürden erheblich und macht präzise Langzeitprognosen auch für Wetterdienste mit begrenzter Infrastruktur zugänglich. In unabhängigen Tests zeigte das Verfahren überzeugende Ergebnisse. Bei der Anwendung auf das führende physikalische Modell des Europäischen Zentrums für mittelfristige Wettervorhersage (ECMWF) verbesserte PBC die Genauigkeit für 98 Prozent der Niederschlags- und 92 Prozent der Temperaturprognosen. Zudem verdoppelte es die Trefferquote des neuen KI-Vorhersagesystems des ECMWF, das die Forschung bereits im Rahmen der AI Weather Quest Auszeichnung ausgezeichnet hatte. Die Studie entstand in enger Zusammenarbeit mit dem MIT, dem ECMWF und weiteren wissenschaftlichen Institutionen. Matthew Chantry, strategischer Leiter für maschinelles Lernen am ECMWF, betonte den hohen Stellenwert der Arbeit für die meteorologische Gemeinschaft, wies jedoch darauf hin, dass die Integration in den operativen Allbetrieb weiterhin eine Herausforderung darstelle. Besonders bedeutsam ist die potenzielle Wirkung auf Regionen mit geringerer technischer Ausstattung. Der geringe Ressourcenverbrauch ermöglicht es Forschern in Entwicklungsländern, das Framework lokal zu kalibrieren und an spezifische klimatische Gegebenheiten anzupassen. So testet die gemeinnützige Organisation Rhiza Research, finanziert durch die Gates-Stiftung, PBC gemeinsam mit der Kenianischen Wetterbehörde auf dessen Eignung zur Verbesserung von Frühwarnsystemen. Dies ist besonders im Hinblick auf die erwartete extreme Regensaison während des aktuellen Rekord-El-Niño-Ereignisses von strategischer Bedeutung. Mit der Veröffentlichung als quelloffene Software legt Microsoft den Grundstein dafür, KI-gestützte Bias-Korrektur weltweit als Standardwerkzeug zur Stabilisierung längerfristiger Wetterprognosen zu etablieren.