Forscher haben im Rahmen einer Studie das Wettermodell GraphCast von Google untersucht. Das Ergebnis: Es erzielte eine genauere Wettervorhersage als je zuvor.
Mit der Einführung immer leistungsfähigerer KI-Modelle können Algorithmen inzwischen Aufgaben aus vielen Bereichen unseres Alltags übernehmen. Neben dem Einsatz als Chatbot liegt der Fokus der Industrie zunehmend auf der Einsparung von Kosten bei mindestens gleichbleibender Qualität. Eine neue Studie demonstrierte kürzlich, dass Künstliche Intelligenz in manchen Bereichen sogar besser ist als der Mensch.
Denn die Studie untersuchte, inwieweit sich meteorologische Modelle durch Algorithmen modellieren lassen. Heutzutage stammen die besten Vorhersagen aus einem System des europäischen Zentrums für Wettervorhersagen mittlerer Reichweite (ECMWF). Die Forscher wollten herausfinden, inwieweit ein Algorithmus von Google-Tochter DeepMind mithalten kann.
Wettervorhersage: Künstliche Intelligenz von Google genauer als je zuvor
Das Ergebnis: In der zehn-Tages-Prognose übertraf die Künstliche Intelligenz die Daten des ECMWF und erzielte eine höhere Zuverlässigkeit. In 90 Prozent der 1.380 Metriken prognostizierte das KI-System deutlich genauere Werte, die später auch eintrafen. Darunter fallen etwa Temperaturen, der Luftdruck, Windgeschwindigkeit, Windrichtung und Feuchtigkeit.
Der Vorteil liegt neben der Genauigkeit auch in der Geschwindigkeit. Denn für Hunderte Wetter-Variablen benötigt das System weniger als eine Minute. Matthew Chantry, Koordinator für maschinelles Lernen, war selbst überrascht von der unglaublichen Weiterentwicklung des KI-Systems. Die Zuverlässigkeit sei deutlich höher, als das ECMWF es noch vor zwei Jahren vorausgesagt hatte.
Optimale Ergänzung für heute eingesetzte Systeme
Das von DeepMind entwickelte Modell GraphCast nutzt für die Prognosen historische Wetterdaten der vergangenen vier Jahrzehnte. Neben diesen Informationen füttern weitere Systeme das Modell mit Daten der Atmosphäre aus den letzten sechs Stunden. Ein weiterer Vorteil ist, dass das neue KI-Modell deutlich weniger Energie bei der Prognose von Wetterdaten benötigen würde, als das bei gängigen Methoden der Fall ist.
Denn derzeit eingesetzte Supercomputer benötigen riesige Energiemengen. Der neue Ansatz könnte zu Einsparungen von Energiekosten um den Faktor 1.000 beitragen. Doch GraphCast kann noch lange nicht alles. Die Daten sind nicht so detailliert wie bei klassischen Wetterberichten. Gleichzeitig benötigt die KI länger, um auf dynamische Veränderungen zu reagieren. Trotzdem könnte das System gängige Methoden vereinfachen und eine Ergänzung darstellen.
Auch interessant:
