KI-System verdoppelt Genauigkeit von Wettervorhersagen bis zu sechs Wochen im Voraus, zeigt Nature-Studie

Forscher des MIT, der Harvard University, der University of Toronto, von Microsoft, des brasilianischen Nationalen Instituts für reine und angewandte Mathematik (IMPA) und des Europäischen Zentrums für mittelfristige Wettervorhersage (ECMWF) veröffentlichten in der Fachzeitschrift Nature eine Studie, die zeigt, dass eine Nachbearbeitungsschicht auf Basis von maschinellem Lernen die Genauigkeit von Wettervorhersagen im 2- bis 6-Wochen-„subsaisonalen" Bereich verdoppeln kann – jenem Zeitraum, der bislang als zu weit entfernt für verlässliche tägliche Vorhersagen galt. Das System fungiert als „Wrapper", der lernt, systematische Fehler in bestehenden Modellen wie dem KI-Vorhersagesystem des ECMWF zu erkennen und zu korrigieren. Angewendet auf dieses System verbesserte es die Genauigkeit bei 91 % der Druckwerte, 92 % der Temperaturwerte und 98 % der Niederschlagswerte. Entscheidend ist, dass es in diesem Zeitfenster erstmals die klimatologischen Mittelwerte übertraf, selbst bei Extremwetterereignissen – ein Maßstab, den herkömmliche Bias-Korrekturmethoden nie erreicht hatten. Das Modell benötigt keinen Supercomputer und kann auf jedes beliebige Vorhersagesystem angewendet werden. Den Forschern zufolge hat die Verbesserung bedeutende praktische Anwendungen: Bessere Warnungen für den Zeitraum von zwei bis sechs Wochen könnten Betreibern von Energienetzen, Landwirten und Katastrophenschutzbehörden helfen, sich auf extreme Wetterlagen vorzubereiten. Als Beispiel nannte das Team, dass eine ausreichende Warnung geholfen hätte, die Folgen der Wintersturm-Katastrophe in Texas 2021 abzumildern, bei der mindestens 246 Menschen starben. Mit der Technik gewann das Team den ersten Platz beim internationalen Vorhersagewettbewerb des ECMWF.