Wettervorhersage: Google entwickelt bislang genauestes 10-Tage-Modell

Google-Forscher*innen haben mithilfe von Künstlicher Intelligenz ein Wettermodell geschaffen, das alle bisher dagewesenen in den Schatten stellen soll. In einem Paper, das im Fachmagazin Science erschienen ist, beschreiben sie mit GraphCast ein neuartiges Modell für mittelfristige Wettervorhersagen mit “beispielloser Genauigkeit”.

Der derzeitige Goldstandard bei Wettersimulationen ist das Modell High Resolution Forecast (HRES), erstellt vom Europäischen Zentrum für mittelfristige Wettervorhersagen (ECMWF). GraphCast soll nicht nur genauer, sondern auch schneller sein, wie Google schreibt. 

➤ Mehr lesen: Die besten Wetter-Apps und wie man sie richtig liest

Googles Modell soll so auch Frühwarnungen vor extremen Wetterereignissen bieten, wie etwa Wirbelstürme und Starkregen. So können etwa Überschwemmungen prognostiziert werden. Durch die gesteigerte Vorlaufzeit könnten so schneller Maßnahmen getroffen werden, um Menschen in dem Gebiet zu schützen. 

Funktionsweise

Üblicherweise werden Wettervorhersagen mithilfe der Numerical Weather Prediction (NWP) erstellt. Diese Modelle nutzen Gleichungen, die physikalische Prozesse in der Atmosphäre beschreiben, um das Wetter zu simulieren und vorherzusagen. Diese Gleichungen werden dazu in Algorithmen übersetzt, die dann auf Supercomputern ausgeführt werden. 

Googles Modell hingegen setzt auf Deep Learning. GraphCast wird anhand jahrzehntelanger historischer Wetterdaten trainiert. So lernt das System umfangreiche Ursache-Wirkungs-Beziehungen und kann sie anhand aktueller Werte auf die Zukunft umlegen. Dieses Modell geht mit dem traditionellen Ansatz Hand in Hand, wie Google beschreibt. Traditionelle NWP wird dort verwendet, wo es Lücken in den Aufzeichnungen zu füllen gilt. 

➤ Mehr lesen: "Jeder glaubt, wir verhauen ständig die Wettervorhersage"

Die Genauigkeit von Wettermodellen wird in der Regel mit der räumlichen Auflösung angegeben. Diese Werte Beschreiben, wie detailliert die Vorhersagen sind bzw. für welchen Bereich sie erstellt werden. Im Falle von Google sind das 28km x 28km am Äquator, wie es heißt. 

Aufwändiges Training, effizientes Betreiben

Während das Training des Modells laut Google sehr rechenintensiv war, ist der Betrieb äußerst effizient. Die Erstellung von 10-Tage-Prognosen mit GraphCast dauert auf einem einzigen Computer mit Googles hauseigenem Machine-Learning-Chip TPU v4 (Tensor Processing Units) unter eine Minute. Eine vergleichbare Prognose mit dem traditionellen Ansatz erfordere stundenlange Berechnung mit hunderten vergleichbaren Prozessoren. 

Open Source

GraphCast wurde von Google unter einer Open-Source-Lizenz veröffentlicht und ist auch auf Github verfügbar. Auch das ECMWF experimentiert bereits mit dem neuen Modell.