Tropische Zyklone gehören zu den verheerendsten Naturkatastrophen auf unserem Planeten. In den vergangenen 50 Jahren verursachten sie wirtschaftliche Schäden in Höhe von 1,4 Billionen US-Dollar und verwüsteten ganze Gemeinschaften weltweit. Diese gewaltigen rotierenden Stürme, auch als Hurrikane oder Taifune bekannt, entstehen über warmen Meeresgewässern und werden durch Wärme, Feuchtigkeit und Luftströmungen angetrieben. Ihre extreme Empfindlichkeit selbst gegenüber kleinen Unterschieden in den atmosphärischen Bedingungen macht ihre präzise Vorhersage zu einer notorisch schwierigen Aufgabe. Dabei kann eine höhere Genauigkeit bei der Vorhersage von Zyklonen durch eine effektivere Katastrophenvorsorge und frühzeitigere Evakuierungen Leben retten.

Einführung von Weather Lab und eines fortschrittlichen KI-Modells

Google DeepMind und Google Research starten Weather Lab, eine interaktive Website zum Austausch ihrer auf künstlicher Intelligenz basierenden Wettermodelle. Weather Lab präsentiert ihr neuestes experimentelles KI-Modell für tropische Zyklone, das auf stochastischen neuronalen Netzen basiert. Dieses Modell kann die Entstehung eines Zyklons sowie seine Zugbahn, Intensität, Größe und Form vorhersagen und dabei 50 mögliche Szenarien für bis zu 15 Tage im Voraus erstellen. Interne Tests zeigen, dass die Vorhersagen des Modells zur Zugbahn und Intensität von Zyklonen ebenso genau und häufig sogar genauer sind als aktuelle physikbasierte Methoden.

Google ist eine Partnerschaft mit dem US-amerikanischen National Hurricane Center (NHC) eingegangen, das die Zyklonrisiken im Atlantik und im östlichen Pazifik bewertet, um seinen Ansatz und seine Ergebnisse wissenschaftlich zu validieren. Die Prognoseexperten des NHC sehen nun Live-Vorhersagen aus den experimentellen KI-Modellen von Google neben weiteren physikalischen Modellen und Beobachtungen. Ziel ist es, mithilfe dieser Daten die Prognosen des NHC zu verbessern und frühere sowie präzisere Warnungen vor den mit tropischen Zyklonen verbundenen Gefahren bereitzustellen.

Live- und historische Vorhersagen auf der Weather-Lab-Plattform

Weather Lab zeigt Live- und historische Zyklonvorhersagen verschiedener KI-Wettermodelle neben physikalischen Modellen des Europäischen Zentrums für mittelfristige Wettervorhersage (ECMWF) an. Mehrere KI-Wettermodelle von Google laufen in Echtzeit: WeatherNext Graph, WeatherNext Gen und das neueste experimentelle Zyklonmodell. Weather Lab wurde außerdem mit historischen Vorhersagen aus mehr als zwei Jahren gestartet, die Fachleute und Forschende herunterladen und analysieren können. Dies ermöglicht eine externe Bewertung der Modelle über alle Ozeanbecken hinweg.

Nutzer von Weather Lab können Vorhersagen verschiedener KI- und physikalischer Modelle untersuchen und vergleichen. Gemeinsam betrachtet können diese Vorhersagen Wetterbehörden und Fachleuten für Notfalldienste dabei helfen, die Zugbahn und Intensität eines Zyklons besser vorherzusagen. Dies könnte Fachleuten und Entscheidungsträgern helfen, sich besser auf verschiedene Szenarien vorzubereiten, Informationen über die damit verbundenen Risiken auszutauschen und Entscheidungen zur Bewältigung der Auswirkungen eines Zyklons zu unterstützen. Es ist wichtig zu betonen, dass Weather Lab ein Forschungsinstrument ist und die Live-Vorhersagen von Modellen erzeugt werden, die sich noch in der Entwicklung befinden und keine offiziellen Warnungen darstellen.

Vorhersage der Intensität und Zugbahn von Zyklonen mithilfe von KI

Bei der physikalischen Vorhersage von Zyklonen sind Näherungen erforderlich, um die betrieblichen Anforderungen zu erfüllen. Daher ist es für ein einzelnes Modell schwierig, sowohl bei der Vorhersage der Zugbahn als auch der Intensität eines Zyklons herausragende Ergebnisse zu erzielen. Der Grund dafür ist, dass die Zugbahn eines Zyklons von großräumigen atmosphärischen Steuerungsströmungen bestimmt wird, während seine Intensität von komplexen turbulenten Prozessen innerhalb und im Umfeld seines kompakten Kerns abhängt. Globale Modelle mit niedriger Auflösung eignen sich am besten zur Vorhersage von Zyklonzugbahnen, erfassen jedoch nicht die feinen Prozesse, welche die Intensität von Zyklonen bestimmen. Deshalb sind regionale Modelle mit hoher Auflösung erforderlich.

Das experimentelle Zyklonmodell von Google ist das einzige System, das diesen Zielkonflikt überwindet. Interne Bewertungen zeigen eine hochmoderne Genauigkeit sowohl bei der Zugbahn als auch bei der Intensität von Zyklonen. Es wird darauf trainiert, zwei unterschiedliche Datentypen zu modellieren: einen umfangreichen Reanalyse-Datensatz, der das vergangene Wetter auf der gesamten Erde anhand von Millionen Beobachtungen rekonstruiert, und eine spezialisierte Datenbank mit wichtigen Informationen über Zugbahn, Intensität, Größe und Windradien von fast 5 000 in den vergangenen 45 Jahren beobachteten Zyklonen.

Bahnbrechende Ergebnisse bei der Vorhersagegenauigkeit

Die gemeinsame Modellierung von Analyse- und Zyklondaten verbessert die Fähigkeiten zur Zyklonvorhersage erheblich. Eine erste Auswertung der vom NHC beobachteten Hurrikandaten für die Testjahre 2023 und 2024 im Nordatlantik und im östlichen Pazifik zeigte beispielsweise, dass die 5-Tage-Vorhersage der Zyklonzugbahn durch das Modell im Durchschnitt 140 km näher an der tatsächlichen Position des Zyklons lag als ENS – das führende globale physikalische Ensemble-Modell des ECMWF. Dies entspricht der Genauigkeit der 3,5-Tage-Vorhersagen von ENS – eine Verbesserung um 1,5 Tage, deren Erreichen üblicherweise mehr als ein Jahrzehnt dauerte.

Während frühere KI-Wettermodelle Schwierigkeiten bei der Berechnung der Intensität von Zyklonen hatten, erzielte das experimentelle Zyklonmodell von Google einen geringeren durchschnittlichen Intensitätsfehler als das Hurricane Analysis and Forecast System (HAFS) der National Oceanic and Atmospheric Administration (NOAA), das führende regionale physikalische Modell mit hoher Auflösung. Vorläufige Tests zeigen außerdem, dass die Vorhersagen des Modells zur Größe und zu den Windradien mit physikalischen Referenzwerten vergleichbar sind.

Zusammenarbeit mit wissenschaftlichen Institutionen

Neben dem NHC arbeitet Google eng mit dem Cooperative Institute for Research in the Atmosphere (CIRA) an der Colorado State University zusammen. Dr. Kate Musgrave, Forschungswissenschaftlerin am CIRA, und ihr Team bewerteten das Modell und stellten fest, dass es „eine vergleichbare oder höhere Leistungsfähigkeit als die besten operationellen Modelle für Zugbahn und Intensität“ aufweist. Musgrave erklärte: „Wir freuen uns darauf, diese Ergebnisse anhand von Echtzeitvorhersagen während der Hurrikansaison 2025 zu bestätigen.“ Google arbeitet außerdem mit dem britischen Wetterdienst Met Office, der Universität Tokio, dem japanischen Unternehmen Weathernews Inc. und weiteren Fachleuten zusammen, um seine Modelle zu verbessern.

Das neue experimentelle Modell für tropische Zyklone ist der jüngste Meilenstein in einer Reihe wegweisender Forschungsarbeiten von WeatherNext. Durch die verantwortungsvolle Bereitstellung von KI-Wettermodellen über Weather Lab wird Google weiterhin wichtiges Feedback von Fachleuten aus Wetterbehörden und Notfalldiensten dazu sammeln, wie seine Technologie offizielle Vorhersagen verbessern und als Grundlage für lebensrettende Entscheidungen dienen kann.