Künstliche Intelligenz schreibt Wettergeschichte: Google DeepMind revolutioniert mit GenCast
Mit der Vorstellung von GenCast, einem KI-basierten Wettervorhersagemodell, setzt Google DeepMind neue Maßstäbe in der Wetterprognose. GenCast übertrifft traditionelle Methoden deutlich, indem es Vorhersagen für bis zu 15 Tage liefert und extreme Wetterereignisse präziser antizipiert.
Das Tool geht hierbei einen innovativen Weg, indem es verschiedene Szenarien bewertet, um Trends von der Windenergieerzeugung bis zu tropischen Zyklonenbewegungen genau abzuschätzen. Diese probabilistische Technik markiert einen Wendepunkt im Bereich der Wettervorhersage mit modernen Machine-Learning-Modellen.
Laut Ilan Price, Forschungsspezialist bei Google DeepMind, könnte GenCast praktische Wettervorhersagesysteme bereichern und Entscheidungsträgern helfen, sich besser auf kommende Wetterereignisse vorzubereiten. Besonders bemerkenswert ist GenCasts Einsatz von 'Ensemble'-Vorhersagen, die verschiedene mögliche Ausgänge repräsentieren – eine Technik, die bisher vor allem in herkömmlichen Vorhersagesystemen genutzt wurde.
Das Modell ist mit vier Jahrzehnten an Daten des Europäischen Zentrums für Mittelfristige Wettervorhersage (ECMWF) trainiert. Beeindruckend ist, dass GenCast in 97,2 Prozent der Fälle mit seinen 15-Tage-Prognosen besser abschnitt als das ECMWF.
Diese Leistung baut auf den vergangenen Erfolgen von DeepMind, insbesondere dem GraphCast-Modell, das bereits letztes Jahr veröffentlichte Erfolge verbucht hatte. Dabei hob sich GraphCast mit besseren Vorhersagen auf 90 Prozent der Metriken für drei bis zehn Tage hervor.
Die mit KI arbeitenden Vorhersagemodelle, die typischerweise schneller und effizienter als traditionelle Methoden arbeiten, zeigen hier ihr Potenzial: GenCast erstellt Prognosen in nur acht Minuten – gegenüber mehreren Stunden bei klassischen Methoden. Dennoch sehen die Forscher weitere Optimierungsmöglichkeiten, insbesondere bei der Vorhersage starker Stürme und der Erhöhung der Datenauflösung entsprechend der neuesten ECMWF-Upgrades.
Die Bedeutung von GenCast wird auch durch die Worte des ECMWF unterstrichen, welches die Entwicklung als bedeutenden Meilenstein bezeichnet. Das ECMWF hat bereits Elemente von GenCast in sein eigenes KI-System integriert.
Auch wenn GenCast bahnbrechende Ergebnisse liefert, bleibt die Diskussion über die optimale Mischung aus KI und traditioneller Physik spannend. Google setzt auf eine hybride Technik, wie im Juli mit der Vorstellung des NeuralGCM-Modells, das sowohl maschinelles Lernen als auch physikalische Modellierung kombiniert.
Abschließend betont Steven Ramsdale vom britischen Met Office die Potenziale dieser aufregenden Entwicklungen. Dennoch sieht er in einem hybriden Ansatz, der Mensch, Physik und KI vereint, den größten Wert.
