Wetterextreme: Physik übertrifft KI durchweg bei Unvorhersehbarem
Eine Studie unter Leitung des Karlsruher Instituts für Technologie(öffnet im neuen Fenster) (KIT) zeigt die Grenzen KI-basierter Wettermodelle auf. Verglichen wurden mehrere etablierte Systeme, die auf künstlicher Intelligenz beruhen, mit dem physikbasierte Referenzmodell HRES (High Resolution) des Europäischen Zentrums für mittelfristige Wettervorhersage(öffnet im neuen Fenster).
Während die KI in den meisten Fällen ähnlich präzise, teils sogar besser und in der Regel auch effizienter die Wettervorhersage für die kommenden 15 Tage erstellte, versagte sie bei Extremwetter durchweg.
Sämtliche Hitzewellen, Rekordwindböen und Kälterekorde wurden in ihrer Heftigkeit unterschätzt. Die physikbasierten Berechnungen, die deutlich aufwendiger sind, sagten dagegen solche Wetterphänomene präziser voraus.
Das Problem liegt in den Daten, die die neuronalen Netze verwenden. Diese historischen Aufzeichnungen werden genutzt, um die festgestellten Muster auf aktuelle und zukünftige Situationen zu übertragen. Einen neuen Hitze- oder Kälterekord kann es jedoch in vergangenen Daten nicht geben, sonst wäre es kein Rekord.
Frühwarnsysteme funktionieren nicht
Sobald die Atmosphäre einen Zustand zeigt, der zuvor noch nicht beobachtet wurde, können klassischen Modelle zur Berechnung des Wetters mit den physikalischen Gesetzen verlässlicher arbeiten als Systeme, die nur frühere Beobachtungen übertragen. Und durch den Anstieg der Durchschnittstemperatur auf der Erde werden solche Zustände zunehmen.
Das bedeutet wiederum, dass Frühwarnsysteme, die die Bevölkerung vor Hitzewellen, Kälteeinbrüchen oder Stürmen durch präzise Vorhersagen schützen sollen, keine KI-basierten Systeme nutzen sollten.
Hybrides Modell als Antwort
Dennoch bietet künstliche Intelligenz bei der Wettervorhersage entscheidende Vorteile. Sie ist schnell und benötigt im Vergleich weniger Rechenleistung. Die Vorhersagen weltweit ließen sich damit insgesamt verbessern.
Allerdings schlägt das Forschungsteam vor, die Trainingsdaten um simulierte Extremereignisse zu ergänzen, neue Trainingsmethoden mittels Extremwertstatistik zu entwickeln und hybride Ansätze mit KI und physikbasierten Berechnungen zu nutzen. Die KI allein könne mit unerwarteten Situationen nicht umgehen, eine grundsätzliche Einschränkung neuronaler Netze.
An der Studie, die in Science Advances(öffnet im neuen Fenster) frei zugänglich veröffentlicht wurde, waren neben dem KIT auch die ETH Zürich, die Universität Genf, das Helmholtz-Zentrum für Umweltforschung Leipzig und die TU Dresden beteiligt.
- Anzeige Hier geht es zu Künstliche Intelligenz: Wissensverarbeitung bei Amazon Wenn Sie auf diesen Link klicken und darüber einkaufen, erhält Golem eine kleine Provision. Dies ändert nichts am Preis der Artikel.