Muster im Wetterablauf
Künstliche Intelligenz wandelt die Klimaforschung
Für Klimaprognosen und Wettervorhersagen laufen bislang Rechenzentren und Superrechner heiß. Sparsamere KI-Verfahren können mit Big Data und historischen Wetterdaten eleganter umgehen als die klassischen rechenaufwendigen Simulationen. Sie beginnen, die Klimaforschung zu verändern.
Nicht zuletzt aufgrund des Klimawandels wächst auch die Unsicherheit bezüglich der Wettervorhersage. Es gilt, selbst in regional ungewöhnlichen Lagen möglichst genauer als bisher zu prognostizieren, ob zum Beispiel in den nächsten Tagen bloß mit starkem Wind oder mit einem verheerenden Orkan zu rechnen ist. Aktuelle KI-Verfahren haben die Wetterprognose verbessert. Googles KI-Unternehmen DeepMind stellte Ende 2023 sein System GraphCast vor. Das haben die Google-Entwickler mithilfe maschineller Lernverfahren auf historische Wetterdaten von vier Dekaden trainiert. Mit der Rechenpower von nur einem KI-Prozessor Google TPU v4 sagt GraphCast die Wetterbedingungen bis zu zehn Tage im Voraus schneller und in der großen Mehrzahl auch präziser voraus als der bis dahin maßgebliche Ansatz, der Wettervorhersagen aufwendig numerisch auf einem Supercomputer simuliert.
Derzeit untersucht eine internationale Forschungsgruppe, wie Verfahren der künstlichen Intelligenz, insbesondere auf Grundlage künstlicher neuronaler Netzwerke (KNN) sowie allgemeiner maschineller Lernverfahren (ML), in Praxis und Methoden der wissenschaftlichen Forschung eingreifen. Ein zentraler Fokus des Projekts ist die Klimaforschung.
