Eine aktuelle internationale Studie, geleitet vom Karlsruher Institut für Technologie (KIT) und der Universität Genf, hat ergeben, dass physikalisch basierte Wettermodelle bei der Vorhersage von extremen Wetterereignissen zuverlässiger sind als moderne KI-Modelle. Obwohl Künstliche Intelligenz in den letzten Jahren die Wettervorhersage revolutioniert hat und bei durchschnittlichen Wetterbedingungen oft vergleichbare oder sogar bessere Prognosen liefert, zeigen sich gravierende Schwächen bei extremen Wetterlagen. Die Analyse konzentrierte sich auf die Vorhersage von Rekordereignissen wie extremen Hitzewellen, Kälteperioden und Windspitzen.
Das physikbasierte hochauflösende Modell HRES des Europäischen Zentrums für mittelfristige Wettervorhersage (ECMWF) erwies sich als durchweg überlegen im Vergleich zu führenden KI-Modellen wie GraphCast, Pangu Weather und Fuxi. Insbesondere bei der Vorhersage von Wetterereignissen, die bestehende Rekorde übertreffen, traten bei den KI-gestützten Modellen signifikant größere Prognosefehler auf. Während die KI-Modelle in der Gesamtbewertung aller Wetterlagen gut abschnitten, war ihre Leistung bei extremen Ereignissen unzureichend.
Diese Erkenntnisse werfen wichtige Fragen zur zukünftigen Nutzung von KI in der Wettervorhersage auf. Die Forschung zeigt, dass trotz der technischen Fortschritte im Bereich der KI, physikalische Modelle nach wie vor unverzichtbar sind, um präzise Vorhersagen in Zeiten klimatischer Extremereignisse zu gewährleisten. Angesichts der zunehmenden Häufigkeit solcher Ereignisse durch den Klimawandel wird die Notwendigkeit präziser Wetterprognosen immer dringlicher. Die Kombination aus physikalischen Modellen und KI könnte in Zukunft eine vielversprechende Lösung darstellen, um die Vorhersagegenauigkeit zu verbessern und Landwirte sowie andere Betroffene besser auf extreme Wetterlagen vorzubereiten.
Foto - www.euwid-wasser.de
