Ein neues KI-Modell von Google DeepMind erreicht bessere Vorhersagen als das weltweit führende Wettervorhersagesystem - und das in einem Bruchteil der Zeit.
Google DeepMind hat mit GenCast das erste KI-Modell vorgestellt, das die Vorhersagegenauigkeit des besten operativen Wettervorhersagesystems der Welt übertrifft. Laut einer in Nature veröffentlichten Studie erzielt GenCast in 97,2 Prozent der getesteten Fälle bessere Ergebnisse als das Ensemble-Vorhersagesystem (ENS) des Europäischen Zentrums für mittelfristige Wettervorhersage (ECMWF).
Das neue Modell kann innerhalb von nur acht Minuten eine 15-Tage-Vorhersage erstellen, auf einem einzigen Google Cloud TPU v5-Chip. Das ECMWF-System benötige dafür mehrere Stunden auf einem Supercomputer mit zehntausenden Prozessoren.
GenCast nutzt einen neuen Ansatz: Statt einer einzelnen Vorhersage generiert das System über 50 mögliche Wetterszenarien, ähnlich wie das ENS-System. Perfekte Wettervorhersagen seien nicht möglich. Daher sei es wichtig, verschiedene Wahrscheinlichkeiten abzubilden, erklären die Forschenden in ihrer Veröffentlichung.
Bessere Vorhersagen für Extremwetter
Besonders bei der Vorhersage von Extremwetter zeige GenCast seine Stärken. Das System kann die Zugbahnen tropischer Wirbelstürme präziser vorhersagen und gibt genauere Prognosen für extreme Temperaturen, Windgeschwindigkeiten und Luftdruck.
Bei der Vorhersage von Taifun Hagibis im Oktober 2019 konnte GenCast sieben Tage im Voraus die möglichen Zugbahnen des Sturms eingrenzen. Je näher der Sturm kam, desto präziser wurden die Vorhersagen für den Landfall in Japan.
Trainiert mit 40 Jahren Wetterdaten
Das KI-Modell wurde mit 40 Jahren historischer Wetterdaten bis 2018 aus dem ERA5-Archiv des ECMWF trainiert. Es nutzt die gleiche Diffusionstechnologie, die auch bei der KI-Bildgenerierung zum Einsatz kommt, wurde aber für die spezifischen Anforderungen der Wettervorhersage angepasst.
GenCast arbeitet mit einer Auflösung von 0,25 Grad und kann über 80 verschiedene Wettervariablen an der Erdoberfläche und in der Atmosphäre vorhersagen. Die Forschenden stellen den Code und die Modellgewichte der wissenschaftlichen Gemeinschaft zur Verfügung.
Die Technologie könnte auch für die Planung erneuerbarer Energien wichtig werden. Tests zeigen, dass GenCast die Windenergieerzeugung besser vorhersagen kann als bestehende Systeme - ein wichtiger Faktor für die Integration von Windkraft in Stromnetze.
Allerdings gibt es noch Verbesserungspotenzial: Die Auflösung könnte weiter erhöht werden, um sie an das kürzlich auf 0,1 Grad verbesserte ENS-System anzupassen. Auch der Rechenaufwand des Diffusionsmodells ist höher als bei vergleichbaren deterministischen KI-Modellen, räumt DeepMind ein.
Veröffentlichung als Open-Source
DeepMind hat wie auch schon bei GraphCast den Code und die Modellgewichte von GenCast als Open-Source veröffentlicht, um eine breitere Zusammenarbeit und Forschung in der Wetter- und Klimagemeinschaft zu fördern.
Das Unternehmen strebt Partnerschaften mit Forschenden, Meteorologen, Datenwissenschaftlern, Unternehmen für erneuerbare Energien und Organisationen an, die sich mit Ernährungssicherheit und Katastrophenhilfe befassen, um gemeinsam an der Verbesserung der Wettervorhersage zu arbeiten.
Das Europäische Wetterzentrum hat letztes Jahr bereits ein KI-System implementiert, allerdings von Huawei. Neben Google DeepMind, das eine lange Historie in der Forschung vom KI-Einsatz bei der Wettervorhersage vorweisen kann, hat kürzlich Nvidia Fortschritte in dieser Richtung gezeigt. Auch Google entwickelt generative KI-Systeme für die Wettervorhersage.
