Macht KI künftig Wetter- und Klimaprognosen?

Die kurze Antwort: Wir wissen es nicht. KI entwickelt sich rasend schnell ¨C doch selbst Fachleute k?nnen kaum sagen, wohin. Die differenziertere Antwort lautet: wahrscheinlich nicht. Es gibt zwar gute Gr¨¹nde anzunehmen, dass KI-Modelle eine rasch wachsende Rolle spielen werden. Wir argumentieren hier aber, dass einige Aspekte der Klima- und Wettermodellierung wohl niemals vollst?ndig von KI ¨¹bernommen werden.

Wettervorhersage ¨C eine KI-Erfolgsgeschichte

KI-Modelle ¨¹bertreffen herk?mmliche Wettervorhersagen mit Vorlaufzeiten von Stunden bis Saisons. Warum? Weil wir beim Wetter genau das bieten, wovon die KI lebt: Daten. Und zwar jede Menge davon.

Dank mehr als 80 Jahren globaler Wetterbeobachtungen, die in erster Linie von der ?ffentlichkeit beschafft, bezahlt und verf¨¹gbar gemacht werden, k?nnen Wissenschaftler:innen KI-Systeme mit Millionen von Beispielen f¨¹r das Verhalten der Atmosph?re f¨¹ttern. Die Modelle lernen aus dieser riesigen Datenmenge Muster und Zusammenh?nge, die f¨¹r den Menschen unvorstellbar sind.

In nur wenigen Jahren hat sich die KI von einer experimentellen Kuriosit?t zu einer echten Konkurrenz f¨¹r herk?mmliche Wettermodelle entwickelt. KI-Vorhersagemodelle bieten genauere, schnellere und kosteng¨¹nstigere Prognosen, was insbesondere f¨¹r Regionen mit begrenztem Zugang zu Rechenleistung von Supercomputern vorteilhaft ist und die Demokratisierung der Wettervorhersage f?rdern kann.

Wir gehen daher davon aus, dass der Einsatz von KI-basierten Methoden bei der Wettervorhersage weiter zunehmen wird.

Aber nicht so beim Klima. Hier stellt sich eine v?llig andere Herausforderung: Im Gegensatz zum Wetter gibt es beim Klima nur einen einzigen beobachteten Klimadatensatz. Das macht es sehr schwierig, KI auf m?glichst verschiedenen Datens?tzen zu trainieren, damit sie optimal lernt. Weiter entmutigend ist der Umstand, dass zuk¨¹nftige Klimabedingungen oft ausserhalb der bisherigen Beobachtungen liegen werden und somit nicht in den Trainingsdaten enthalten sind.

Klimamodellierung: die h?rtere Nuss

Systeme, die sich nur langsam ver?ndern, wie Tiefseestr?mungen, ?kosystemverschiebungen und schmelzende Eisschilde, sind bekanntermassen schwer zu modellieren ¨C selbst mit ausgefeilten physikalischen Werkzeugen. Auch R¨¹ckkopplungen wie das Abschmelzen von Schelfeis oder Verschiebungen in der Ozeanzirkulation sind f¨¹r KI extrem schwer zu antizipieren. Solche Kippelemente k?nnen nach Jahrzehnten scheinbarer Stabilit?t massive, schnelle Ver?nderungen ausl?sen.

KI-Modelle, die h?ufig darauf trainiert sind, unter ?normalen? Bedingungen Fehler zu minimieren, haben nachweislich Probleme, wenn seltene, extreme oder nicht vorhersehbare Situationen auftreten ¨C also genau dann, wenn zuverl?ssige Informationen am dringendsten ben?tigt werden.

Kooperation statt Konkurrenz

Ein realistisches Szenario, das wir sehen, ist keines, in dem KI die traditionellen numerischen Modelle ersetzt, sondern vielmehr eines, in dem sie diese erg?nzt und verbessert. KI hat viel mehr Anwendungsm?glichkeiten als nur die Emulation eines numerischen Modells: Sie kann helfen, numerische Simulationen zu beschleunigen, riesige Datens?tze zu analysieren und Informationen zu extrahieren, und sie kann dazu beitragen, spezifische Modellkomponenten wie beispielsweise die Wolkenbildung oder turbulente Systeme wie Gewittert¨¹rme gezielt zu verbessern.

Spannend ist die Entwicklung digitaler Zwillinge der Erde ¨C hochaufl?sende virtuelle Nachbildungen, die physikalische Modelle mit KI kombinieren, um das Erdsystem zu simulieren und vorherzusagen, wie es sich verh?lt. Initiativen wie NVIDIAs Earth-2 und Destination Earth der EU sollen Echtzeit-Einblicke in Extremwetter, Klimarisiken und Anpassungsoptionen liefern. Sie stehen exemplarisch daf¨¹r, wie KI und traditionelle Modellierung zusammen gesellschaftlichen Mehrwert schaffen k?nnen.

Bei der erkl?rbaren KI (XAI) gibt es zwar Fortschritte ¨C doch der Goldstandard f¨¹r wissenschaftliches Verst?ndnis liegt in der Physik, der Theorie und der Beobachtung begr¨¹ndet. Im Gegensatz zu KI-Modellen sind physikbasierte Ans?tze interpretierbar, nachvollziehbar und ihr Verhalten kausal erkl?rbar. Wenn KI-Technologien dem Gemeinwohl dienen sollen, braucht es eine solide Ausbildung, ?ffentliches Engagement und einen starken ethischen Rahmen.

Wird k¨¹nstliche Intelligenz also die Zukunft der Klima- und Wettermodellierung bestimmen? KI ist ein aussergew?hnliches Werkzeug, aber keine Wunderwaffe. Wir denken daher, dass KI die Zukunft mitgestalten, aber nicht allein bestimmen wird. Um derart komplexe Systeme wie Wetter und Klima zu verstehen und vorherzusagen, braucht es weiterhin sowohl die physikalischen Grundlagen als auch die Kreativit?t und Zusammenarbeit von uns Menschen.