Am 4. Mai 2026 weisen neue Erkenntnisse darauf hin, dass physikbasierte Wettermodelle bei extremen Wetterereignissen zuverlässiger sind als aktuelle künstliche Intelligenz (KI) Modelle. Dies geht aus einer umfassenden Studie hervor, die unter der Leitung des Karlsruher Instituts für Technologie (KIT) und der Universität Genf durchgeführt wurde. Die Ergebnisse stehen im Kontrast zu den Fortschritten, die KI in den letzten Jahren für die Wettervorhersage erzielt hat. Während moderne KI-Modelle schnelle und energieeffiziente Prognosen liefern, zeigen die Daten, dass sie bei extremen Wetterbedingungen häufig versagen.
Die Studie, die in der renommierten Fachzeitschrift Science Advances veröffentlicht wurde (DOI: 10.1126/sciadv.aec1433), legt nahe, dass das physikbasierte Modell HRES des Europäischen Zentrums für mittelfristige Wettervorhersage (ECMWF) bei Extremwetterereignissen überlegen ist. In den vergangenen Jahren kam es zu gravierenden Wetteranomalien, wie der Hitzewelle in Sibirien 2020, die historische Rekorde brach und schwere Waldbrände zur Folge hatte. Solche Ereignisse verdeutlichen die Notwendigkeit präziser Wettervorhersagen.
Schwächen der KI-Modelle
Ein zentrales Ergebnis der Studie ist, dass KI-Modelle oft die Intensität und Häufigkeit dieser extremen Wetterereignisse unterschätzen. Besonders dramatisch wird die Unterschätzung, je mehr ein Ereignis über vorherige Extremwerte hinausgeht. Dies liegt daran, dass KI-Systeme auf historischen Daten basieren und gut darin sind, ähnliche Wettermuster vorherzusagen, aber Schwierigkeiten haben, mit Rekordereignissen umzugehen.
Die Unzulänglichkeiten der KI betreffen insbesondere Frühwarnsysteme und das Katastrophenmanagement. Eine systematische Unterschätzung extremer Wetterereignisse kann dazu führen, dass Warnungen zu spät herausgegeben werden und somit Menschenleben gefährden. Das zeigt die Dringlichkeit der von den Forschenden empfohlenen parallel verwendeten Systeme, die sowohl KI- als auch physikbasierte Modelle nutzen sollten.
Empfehlungen für eine bessere Modellierung
Die Studie regt zudem an, dass zukünftige Forschungen sich mit hybriden Modellen beschäftigen sollten, um die Stärken beider Ansätze zu vereinen. Vorschläge zur Verbesserung beinhalten die Anreicherung von Trainingsdaten mit simulierten Extremereignissen sowie die Entwicklung neuer Trainingsmethoden, um die Vorhersagegenauigkeit von KI-Modellen in extremen Wetterlagen zu steigern.
Darüber hinaus waren an der Studie auch Wissenschaftler der ETH Zürich, des Helmholtz-Zentrums für Umweltforschung, der Technischen Universität Dresden sowie der Universität Genf beteiligt. Ihr gemeinsames Ziel ist es, ein besseres Verständnis für die Wettervorhersage in Zeiten klimatischer Veränderungen zu erlangen und verlässliche Vorhersagemodelle zu entwickeln, die der Realität extremen Wetters gerecht werden.
Die anhaltenden Herausforderungen durch den Klimawandel machen diese Erkenntnisse besonders relevant, da extreme Wetterereignisse in Zukunft erwartet werden. Die Studie bietet grundlegende Einsichten und schließt mit der Hoffnung auf weitere Fortschritte in der meteorologischen Forschung.