Präzise Vorhersage der Luftverschmutzung dank Microsofts KI Aurora

Klimavorhersagen sind eine große Herausforderung. Microsofts Aurora sagt neben dem Wetter auch die Luftverschmutzung voraus – in weniger als einer Minute.

In Pocket speichern vorlesen Druckansicht 3 Kommentare lesen
Blitz und Unwetter.

Blitz und Unwetter.

(Bild: eskystudio / Shutterstock.com)

Lesezeit: 3 Min.

Ein Forschungsteam der Gruppe "Microsoft Research AI for Science" hat gemeinsam mit internationalen Forschungspartnern kürzlich die künstliche Intelligenz Aurora vorgestellt. Es handelt sich dabei um das erste Foundation Model für die Erdatmosphäre, also eine universell einsetzbare KI, die für diverse Aufgaben angepasst werden kann. Das Modell soll globale Vorhersagen für das Wetter und die Luftverschmutzung schneller berechnen können als herkömmliche Systeme. Ihre Ergebnisse veröffentlichten die Forschenden auf dem Preprint-Server arXiv.

Traditionell werden Wettervorhersagen mithilfe numerischer Methoden durchgeführt, die aber leistungsfähige Supercomputer benötigen. Einige Forschungsgruppen, wie etwa von Huawei, Nvidia und Google DeepMind, nutzen einen anderen Ansatz: Sie verwenden KI-basierte Modelle, um Vorhersagen schneller und mit höherer Genauigkeit zu berechnen.

Das neueste Modell Aurora von Microsoft verwendet 1,3 Milliarden Parameter und wurde über eine Million Stunden mit Daten aus sechs Wetter- und Klimadatensätzen vortrainiert. Anschließend trainierten die Forschenden das Modell auf spezifische Aufgaben nach. Diesem Vorgehen schreibt das Team die hohe Leistungsfähigkeit von Aurora zu.

So sei es möglich, ein tiefes Verständnis für die Vorgänge in der Atmosphäre zu gewinnen. Außerdem soll das Modell, selbst bei begrenzten Trainingsdaten während der Feinabstimmung, präzise Vorhersagen berechnen können, etwa für die Temperatur, Windgeschwindigkeit, Luftverschmutzung und die Konzentration von Treibhausgasen.

Aurora ist das erste KI-basierte Modell, dass die globale Luftverschmutzung vorhersagen könne – für fünf Tage in weniger als einer Minute. Dabei sei es um Größenordnungen schneller als das konventionelle Modell "Copernicus Atmosphere Monitoring Service" vom European Centre for Medium-Range Weather Forecasts (ECMWF) im englischen Reading.

Globale Wettervorhersagen seien gar für zehn Tage möglich. Dafür benötige das System weniger Ressourcen als traditionelle Wettervorhersagen. Das Forscherteam schätzt, dass die Rechengeschwindigkeit von Aurora im Vergleich zu einem konventionellen Modell 5000-fach höher sei. Im direkten Vergleich zu Googles GraphCast lieferte Aurora meist zuverlässigere Ergebnisse. Für einen allgemeinen Vergleich lägen jedoch noch zu wenig Daten vor. Forscher Matthew Chantry vom ECMWF, der nicht an der Studie beteiligt war, sagt gegenüber dem Fachmagazin Nature: "Man müsste viel Zeit investieren und wahrscheinlich Zugang zu den Modellen selbst haben, um wirklich ins Detail zu gehen und mit Sicherheit sagen zu können, dass Modell A besser ist als Modell B".

KI-Update abonnieren

Werktägliches Update zu den wichtigsten KI-Entwicklungen, freitags immer mit Deep Dive.​

E-Mail-Adresse

Ausführliche Informationen zum Versandverfahren und zu Ihren Widerrufsmöglichkeiten erhalten Sie in unserer Datenschutzerklärung.

Präzise Wettervorhersagen gewinnen mit den immer häufiger auftretenden Extremwetterereignissen eine zunehmende Bedeutung. Die Vorhersage von Ereignissen wie Wirbelstürmen ist aufgrund der schnellen Zunahme ihrer Intensität und den hohen Windgeschwindigkeiten aber selbst für fortschrittliche KI-Vorhersagemodelle eine Herausforderung. Aurora hingegen soll in der Lage sein, das Ausmaß und die Schwere einzelner Wettereignisse vorhersagen können und könnte so als Frühwarnsystem dienen, mutmaßen die Forscher in der Studie.

(spa)