Ein neues KI-Wettervorhersagesystem namens Aardvark Weather kann laut einer in Nature veröffentlichten Studie zehnmal schnellere und tausendmal weniger rechenintensive genaue Vorhersagen liefern als aktuelle KI- und physikbasierte Vorhersagesysteme.
Aardvark wurde von Forschern der Universität Cambridge mit Unterstützung des Alan Turing Institute, Microsoft Research und des Europäischen Zentrums für mittelfristige Wettervorhersagen entwickelt und liefert einen Entwurf für einen völlig neuen Ansatz zur Wettervorhersage, der das Potenzial hat, die derzeitigen Verfahren zu revolutionieren.
Die Wettervorhersagen, auf die sich die Menschen verlassen, werden derzeit in einem komplexen mehrstufigen Verfahren erstellt, das jeweils mehrere Stunden auf speziell dafür entwickelten Supercomputern dauert. Abgesehen vom täglichen Gebrauch erfordert die Entwicklung, Wartung und Bereitstellung dieser komplexen Systeme viel Zeit und große Expertenteams.
Jüngste Forschungen von Huawei, Google und Microsoft haben gezeigt, dass eine Komponente dieser Pipeline, der numerische Solver (der berechnet, wie sich das Wetter im Laufe der Zeit entwickelt), durch KI ersetzt werden kann, was zu schnelleren und genaueren Vorhersagen führt. Diese Kombination aus KI und traditionellen Ansätzen wird derzeit vom Europäischen Zentrum für mittelfristige Wettervorhersagen (ECMWF) eingesetzt.
Mit Aardvark haben Forscher jedoch die gesamte Wettervorhersage-Pipeline durch ein einziges, einfaches maschinelles Lernmodell ersetzt. Das neue Modell nimmt Beobachtungen von Satelliten, Wetterstationen und anderen Sensoren auf und gibt sowohl globale als auch lokale Vorhersagen aus. Dieser vollständig KI-gesteuerte Ansatz bedeutet, dass Vorhersagen nun innerhalb von Minuten auf einem Desktop-Computer erstellt werden können.
Obwohl Aardvark nur 10 % der Eingabedaten bestehender Systeme verwendet, übertrifft es bereits das nationale GFS-Vorhersagesystem der Vereinigten Staaten in vielen Variablen und ist auch mit den Vorhersagen des United States Weather Service konkurrenzfähig, die Eingaben aus Dutzenden von Wettermodellen und Analysen von erfahrenen Meteorologen verwenden.
Einer der spannendsten Aspekte von Aardvark ist seine Flexibilität und sein einfaches Design. Da es direkt aus Daten lernt, kann es schnell angepasst werden, um maßgeschneiderte Vorhersagen für bestimmte Branchen oder Standorte zu erstellen, sei es die Vorhersage von Temperaturen für die afrikanische Landwirtschaft oder von Windgeschwindigkeiten für ein Unternehmen für erneuerbare Energien in Europa.
Dies steht im Gegensatz zu herkömmlichen Wettervorhersagesystemen, bei denen die Erstellung eines maßgeschneiderten Systems jahrelange Arbeit großer Forscherteams erfordert.
Diese Fähigkeit hat das Potenzial, die Wettervorhersage in Entwicklungsländern zu revolutionieren, in denen der Zugang zu dem für die Entwicklung herkömmlicher Systeme erforderlichen Fachwissen und den erforderlichen Rechenressourcen in der Regel nicht gegeben ist.
Professor Richard Turner, leitender Forscher für Wettervorhersagen am Alan Turing Institute und Professor für maschinelles Lernen am Fachbereich Ingenieurwesen der Universität Cambridge, sagte: „Aardvark revolutioniert die derzeitigen Wettervorhersagemethoden und bietet das Potenzial, Wettervorhersagen schneller, kostengünstiger, flexibler und genauer als je zuvor zu machen, was dazu beiträgt, die Wettervorhersage sowohl in Industrie- als auch in Entwicklungsländern zu verändern.“
„Wichtig ist, dass Aardvark ohne die jahrzehntelange Entwicklung physikalischer Modelle durch die Community nicht möglich gewesen wäre, und wir sind insbesondere dem ECMWF für seinen ERA5-Datensatz zu Dank verpflichtet, der für das Training von Aardvark unerlässlich ist.“
Anna Allen, Hauptautorin von der Universität Cambridge, sagte: „Diese Ergebnisse sind nur der Anfang dessen, was Aardvark leisten kann. Dieser End-to-End-Lernansatz lässt sich leicht auf andere Probleme der Wettervorhersage anwenden, beispielsweise Hurrikane, Waldbrände und Tornados. Über das Wetter hinaus erstrecken sich seine Anwendungen auf umfassendere Vorhersagen zum Erdsystem, einschließlich Luftqualität, Ozeandynamik und Meereisvorhersagen.“
Matthew Chantry, strategischer Leiter für maschinelles Lernen bei ECMWF, sagte: „ Wir haben uns sehr über die Zusammenarbeit an diesem Projekt gefreut, das sich mit der nächsten Generation von Wettervorhersagesystemen befasst – Teil unserer Mission, operative KI-Wettervorhersagen zu entwickeln und bereitzustellen und gleichzeitig Daten offen zu teilen, um der Wissenschaft und der breiteren Gemeinschaft zu nutzen. Es ist unerlässlich, dass Wissenschaft und Industrie zusammenarbeiten, um technologische Herausforderungen anzugehen und neue Möglichkeiten zu nutzen, die KI bietet. Der Ansatz von Aardvark kombiniert Modularität mit einer durchgängigen Optimierung der Vorhersagen und gewährleistet so eine effektive Nutzung der verfügbaren Datensätze.“
Dr. Chris Bishop, Technical Fellow und Director bei Microsoft Research AI for Science, sagte: „Aardvark ist nicht nur eine wichtige Errungenschaft im Bereich der KI-Wettervorhersage, sondern reflektiert auch die Kraft der Zusammenarbeit und der Zusammenführung der Forschungsgemeinschaft, um KI-Technologie auf sinnvolle Weise zu verbessern und anzuwenden.“
Dr. Scott Hosking, Direktor für Wissenschaft und Innovation für Umwelt und Nachhaltigkeit am Alan Turing Institute, sagte: „Die Freisetzung des Potenzials der KI wird die Entscheidungsfindung für alle verändern, von politischen Entscheidungsträgern und Notfallplanern bis hin zu Branchen, die auf genaue Wettervorhersagen angewiesen sind. Der Durchbruch von Aardvark betrifft nicht nur die Geschwindigkeit, sondern auch den Zugang. Indem wir die Wettervorhersage von Supercomputern auf Desktop-Computer verlagern, können wir die Vorhersagen demokratisieren und diese leistungsstarken Technologien Entwicklungsländern und Regionen mit geringer Datenverfügbarkeit auf der ganzen Welt zugänglich machen.“
Die nächsten Schritte für Aardvark umfassen die Bildung eines neuen Teams innerhalb des Alan Turing Institute unter der Leitung von Professor Richard Turner, die Erforschung des Potenzials für den Einsatz von Aardvark im globalen Süden und die Integration der Technologie in die umfassendere Arbeit des Instituts zur Entwicklung hochpräziser Umweltvorhersagen für Wetter, Ozeane und Meereis.
Journal Nature Reference: Allen, A., et al. 2025. ‘End-to-end data-driven weather prediction’, Nature, DOI: 10.1038/s41586-025-08897-0 DOI 10.1038/s41586-025-08897-0
Übersetzt von Christian Freuer für das EIKE
Anmerkung des Übersetzers hierzu: Als Meteorologe mit über 40 Jahren Erfahrung im Bereich Wettervorhersage möchte ich dazu Folgendes betonen: Jede Vorhersage, egal ob beim Wetter oder anderswo, beruht auf einer genauen Analyse des Ausgangszustandes. Das globale Wettermeldenetz hat nun aber bekannte große Lücken. Diese lassen sich zwar mit technischen Mitteln (Radar, Satellit etc.) bearbeiten, aber es sind eben keine Messungen. Keine noch so gute KI kommt über dieses Problem hinweg.
Außerdem: Man muss bei der numerischen Simulation unterscheiden zwischen Basisfeldern (500-hPa-Niveau, Bodendruck usw.) und der modelleigenen Interpretation (Niederschlagsmenge, Windstärke usw.). Die Numerik kann diese Basisfelder inzwischen sehr gut simulieren, die modelleigene Interpretation hat aber ihre Schwächen. Hierbei kann eine KI vielleicht bessere Ergebnisse liefern, aber auch hier würde es mich wundern, wenn eine KI in verschiedenen Läufen trotz gleicher Basisfelder NICHT verschiedene Ergebnisse zeigen würde. Das gilt z. B. vor allem für die Vorhersage von Gewittern bevor sie sich bilden.
Dennoch, man soll ja offen für alles sein. Ich hoffe, dass sich irgendwann ein Beitrag zu Auswertungen dieser KI-Methode findet.
Dipl.-Met. Christian Freuer
Wir freuen uns über Ihren Kommentar, bitten aber folgende Regeln zu beachten:
- Bitte geben Sie Ihren Namen an (Benutzerprofil) - Kommentare "von anonym" werden gelöscht.
- Vermeiden Sie Allgemeinplätze, Beleidigungen oder Fäkal- Sprache, es sei denn, dass sie in einem notwendigen Zitat enthalten oder für die Anmerkung wichtig sind. Vermeiden Sie Schmähreden, andauernde Wiederholungen und jede Form von Mißachtung von Gegnern. Auch lange Präsentationen von Amateur-Theorien bitten wir zu vermeiden.
- Bleiben Sie beim Thema des zu kommentierenden Beitrags. Gehen Sie in Diskussionen mit Bloggern anderer Meinung auf deren Argumente ein und weichen Sie nicht durch Eröffnen laufend neuer Themen aus. Beschränken Sie sich auf eine zumutbare Anzahl von Kommentaren pro Zeit. Versuchte Majorisierung unseres Kommentarblogs, wie z.B. durch extrem häufiges Posten, permanente Wiederholungen etc. (Forentrolle) wird von uns mit Sperren beantwortet.
- Sie können anderer Meinung sein, aber vermeiden Sie persönliche Angriffe.
- Drohungen werden ernst genommen und ggf. an die Strafverfolgungsbehörden weitergegeben.
- Spam und Werbung sind im Kommentarbereich nicht erlaubt.
Diese Richtlinien sind sehr allgemein und können nicht jede mögliche Situation abdecken. Nehmen Sie deshalb bitte nicht an, dass das EIKE Management mit Ihnen übereinstimmt oder sonst Ihre Anmerkungen gutheißt. Wir behalten uns jederzeit das Recht vor, Anmerkungen zu filtern oder zu löschen oder zu bestreiten und dies ganz allein nach unserem Gutdünken. Wenn Sie finden, dass Ihre Anmerkung unpassend gefiltert wurde, schicken Sie uns bitte eine Mail über "Über Uns->Kontakt"Nein, eine „KI“ wird es nicht besser hinbekommen, weil auch hier „shit in = shit out“ gilt. Wenn Wetterstationen erfundene Daten senden oder erfundene Wetterstationen die erfundenen Daten senden, andere Stationen den Abgasstrahl startender Eurofighter messen oder die Abluft von Klimaanlagen, dann sind die Meßdaten unbrauchbar und daher auch das Ergebnis, welches aus diesen dann erwürfelt oder „errechnet“ wird.
Wenn es stimmt, dass mit diesem Ansatz gute Wettervorhersage per PC und nicht nur per Supercomputer möglich wird, wäre es ein Gewinn, oder?
Bisher sagen solche Leute bis zu 15°C Klimaerwärmung voraus!
Die mit KI verbundenen Hoffnungen und Erwartungen sind riesengroß. Ich erinnere mich wie Klaus Schwab auf einer übertragenen Podiumsdiskussion beim World Economic Forum (WEF) feststellte: Wenn die KI weiß was die Leute wollen, könnte man ja zukünftig ganz auf Wahlen verzichten. Ob da Augenzwinkern dabei war? Ich hab’s übersehen! In Albanien soll jetzt die KI ein erstes Ministeramt übernehmen (lt. tkp.at), ausgerechnet das Amt gegen Korruption. Es gäbe niemanden der geeigneter wäre. KI ist mehr als eine qualifizierte Horoskoperstellung, zweifelsfrei. Ob im Chaos des Wetters längere Zeitintervalle als die „normale“ 10Tagesprognose für KI leichter und verlässlich sein wird, ich werde entspannt zuschauen. Wetterprognosen über 30 Jahre, die mich dann zur Zukunft des Klimas bringen, werden mir auch alle KIs dieser Erde nicht machen und wenn doch, dürfen sie sich gerne ihr Klima an den Hut stecken, wobei ich allerdings keine KI mit Hut kenne. Ich werde jetzt in Anbetracht der aktuellen Tagung der Extremwetterforscher in Hamburg die KI befragen, welche Extremwetterereignisse in Deutschland signifikant gegenüber dem Referenzzeitraum 1961-1990 zugelegt haben und warum wir in dieser kritischen Situation lt. dpa die größte Kartoffelernte seit 25 Jahren einfahren konnten. Ich will ja mit Wissen durch die Zeit gehen, aber ohne Latif, Plöger, Terli und Konsorten aus der Glaskugelfraktion befragen zu müssen. Aber vielleicht gibt es bald sowieso – gut korreliert – eine neue Volksweisheit: „Die dümmsten Apokalyptiker haben die meisten Kartoffeln“.
Wieso sollte eine KI das Wetter besser voraussagen können? Eine KI benötigt Daten, die bereitgestellt werden müssen. Wenn die KI z.B. Daten erhält von Temperaturen, die mitten in einer Stadt abgelesen werden mit vielen Häusern ringsherum, dann käme die KI genau auf die Aussage, dass es der wärmste Tag seit Millionen von Jahren gewesen wäre (mal sarkastisch gesagt). Die KI kann alles schneller verarbeiten. Das ist das einzige. Sie kann nur im Rahmen von Algorithmen etwas beurteilen. Die KI hat keine Erfahrungen, die außerhalb von Algorithmen sind. Wer füttert dann die KI??? Der Mensch, bzw. diejenigen die schon lange Wetter beobachten und Erfahren jenseits von Algorithmen haben, sind vielleicht nicht schneller, aber i.d.R. exakter soweit man beim Wetter/Klima exakt sein kann. Bisher kennt die Menschheit nur Bruchstücke, was das Wetter/Klima ausmacht.
Auffällig viel Wortgeklingel bei den wissenschaftlichen Beteiligten.
„Direktor für Wissenschaft und Innovation für Umwelt und Nachhaltigkeit“ …das klingt übel. Die Sorge um den „globalen Süden“… das klingt zunächst mal nach Woken, die nach einem Hebel suchen, ein aktuelles Thema zu besetzen: whatever it takes!
Ich denke kurzfristige Vorhersagen (bis 6h oder so) aufgrund von Beobachtungen und Daten (Gewitter, Starkregen oder Sturmböen) wird eine KI verbessern, aber die langfristige Vorhersage durch die chaotische Natur der Atmosphäre ist fundamental begrenzt, auch KI wird das nicht „lösen“.
Der Glaube, dass Maschinen verstehen, denken und beurteilen können, bzw. können werden, ist einfach nur albern.