Der Deutsche Wetterdienst (DWD) hat einen Durchbruch bei der Forschung mit Künstlicher Intelligenz (KI) bei Wettervorhersagen und Klimaanalysen erzielt.
Zum ersten Mal weltweit, so die Mitteilung des DWD, sei es gelungen, Wetterbeobachtungsdaten ausschließlich mit Hilfe von KI in Vorhersagemodelle und Analyseprozesse einzuspeisen. „Der Deutsche Wetterdienst hat damit erneut bewiesen, dass er zu den wissenschaftlich und technisch führenden Wetterdiensten weltweit gehört und zurecht frühzeitig auf die umfassende Nutzung von KI gesetzt hat“, so Prof. Dr. Sarah Jones, Präsidentin des nationalen Wetterdienstes.
In einer aktuellen Veröffentlichung präsentieren Forschende des DWD dieses vollständig auf KI basierendes Datenassimilationsschema zur Initialisierung von Wettervorhersagen und für Klima-Analysen. Es ersetzt traditionelle Methoden durch innovative Deep-Learning-Techniken. Die Datenassimilation – also die Integration von Beobachtungsdaten in computergestützte Wettermodelle – ist seit Jahrzehnten ein Grundpfeiler der Wettervorhersage. Durch kontinuierliche Verbesserungen haben traditionelle Methoden wie variationelle Techniken und Ensemble-Kalman-Filter zur stetigen Steigerung der Qualität in der Wettervorhersage beigetragen. Mit dem Aufkommen von KI eröffneten sich nun, so der DWD, neue Möglichkeiten zur weiteren Optimierung und Effizienzsteigerung. Davon würden sowohl die Nutzerinnen und Nutzer von Wettervorhersagen profitieren als auch auf Klimaanalysen angewiesene DWD-Kunden aus Bereichen wie Energie, Hochwasserschutz und Infrastruktur. Dr. Jan Keller, Leiter der Datenassimilation beim DWD und führender Autor der Studie: „Bei einer Vorstellung der Ergebnisse vor Experten europäischer Wetterdienste stieß der neue Ansatz auf durchweg positive Resonanz.“
Beobachtungsdaten fließen direkt in ein neuronales Netzwerk
Der neu entwickelte Ansatz des DWD, genannt AI-Var, integriert den Datenassimilationsprozess direkt in ein neuronales Netzwerk. Dadurch werden die Rechenkosten erheblich reduziert und die Analyse- und Vorhersageprozesse beschleunigt. Die neue Studie demonstriert die Leistungsfähigkeit von AI-Var in verschiedenen idealisierten und realen Testfällen. Die bisherigen Ergebnisse zeigten, dass die KI-basierte Datenassimilation eine vielversprechende Alternative zu traditionellen Methoden darstellt. Keller: „Diese Technologie ist ein entscheidender Baustein für die derzeitige Revolution der Wettervorhersage durch KI. Sie bereitet den Weg für künftig vollständig datengetriebene Vorhersagesysteme.“
