Unser Splitblog Thema für diesen Monat stammt von unserem Teamlead Entwicklung: Bartosz. Wer ihn kennt, weiß, dass er ein menschliches Schweizer Taschenmesser ist und als solches nicht nur bestens bewandert in Meteorologie, sondern auch ein begabter Schreiber. Deshalb hat er es sich natürlich nicht nehmen lassen, den Text zu seinem Wunschthema direkt selbst zu verfassen. Aber lest selbst!

Hey Siri, wie wird das Wetter?

Eigentlich eine einfache Frage. Aber auch eine, die wohl gar nicht so einfach zu beantworten zu sein scheint. Und sieht man genauer hin fällt eigentlich erst auf was alles benötigt wird um zu beantworten, ob es sich denn nun lohne einen Regenschirm einzustecken, oder nicht.

Zuallererst müssen wir nämlich Daten sammeln. Und zwar eine ganze Menge davon. Über den ganzen Planeten verteilt gibt es unzählige Messstationen, die Temperatur, Luftdruck & -feuchte und die Richtung und Geschwindigkeit des Windes messen. Zusätzlich nutzen wir noch Daten aus Wetterballons, Flugzeugen, Schiffen und Satelliten.

Um daraus jetzt das Wetter zu bestimmen benötigen wir noch ein Wettermodell. Das ist kein physisches Modell, sondern vielmehr eine mathematische Beschreibung unseres Wetters durch eine Vielzahl von Gleichungen und Parametern in die wir unserer Messdaten einpflegen um zu sehen wie sich das Wetter entwickeln wird.
Parameter? Was für Parameter schon wieder? Nun… das ist ja eine ganze Menge an Daten und eine ganze Menge an Gleichungen und um das zu berechnen benötigten wir bisher extrem leistungsfähige Supercomputer und selbst die konnten diese Aufgabe nicht schnell genug bewältigen, denn: was nützt uns die beste Vorhersage, wenn sie erst fertig ist wenn es schon geschehen ist.
Also setzen wir an und vereinfachen Dinge, zum Beispiel: was passiert in Bodennähe? Oder am Übergang von Wasser zu Land? Die komplizierten Vorgänge werden deutlich vereinfacht und dadurch zwar ein wenig ungenauer, aber auch in absehbarer Zeit berechenbar.

Genug vom Wetterdienst! Hier soll es schließlich um KI gehen. Oder gibt es es da eine Verbindung?

Ja, die gibt es. Seit einiger Zeit gibt es nämlich sehr spannende KI Ansätze, die Wettervorhersagen versprechen ohne ganz so rechen- und zeitintensiv zu sein. Letztes Jahr veröffentlichte Googles KI-Forschungsabteilung DeepMind das Modell GraphCast, das, auf historischen Daten trainiert, nur einen Bruchteil der Rechenleistung numerischer (sprich: der vorher beschriebenen) Wettermodelle benötigt und so zum Beispiel eine 10 Tages Vorhersage in unter einer Minute liefern kann. Und GraphCast scheint nicht nur schneller, sondern – zumindest teilweise – auch präziser zu sein als numerische Wettermodelle und hat so zum Beispiel schon früher als numerische Modelle vorhergesagt an welcher Stelle der Hurrikan Lee wohl auf Land treffen würde.

Und so ist es kaum verwunderlich, dass alle großen Wetterdienste mittlerweile mit KI-Ansätzen experimentieren, wie auch der Deutsche Wetterdienst (DWD), der sogar vor wenigen Tagen in einer Pressemitteilung einen Durchbruch in der KI gestützten Wettervorhersage verlautbaren ließ mit ihrem neu entwickelten Modell AI-Var.

Bei dem Tempo, mit dem sich der ganze Bereich der künstlichen Intelligenz gerade entwickelt, bleibt es sehr spannend was die Zukunft – auch in meteorologischer Hinsicht – für uns bietet. Und bis dahin lassen wir vielleicht ein wenig Milde walten was unsere Meteorologen und ihre Vorhersagen angeht, wie wir gesehen haben ist das nämlich gar nicht so unkompliziert.

Quellen:https://www.dwd.de/DE/presse/pressemitteilungen/DE/2024/20240617_pm_ki_news.html
https://www.spektrum.de/news/graphcast-neues-ki-modell-soll-genauere-wettervorhersage-liefern/2198859