Klima

Aus

Ein von der National Oceanic and Atmospheric Administration (NOAA) bereitgestelltes Satellitenbild zeigt, wie sich Hurrikan Isaias am Freitag, dem 9. Oktober 2026, der Golfküste von Alabama und Florida nähert. NOAA/NOAA Bildunterschrift ausblenden

Hurrikan-Prognostiker nutzen zunehmend künstliche Intelligenz, um Vorhersagen zu treffen – und sie sagen, dass die Technologie das Feld rasant verändert.

Als sich in diesem Monat der erste Hurrikan der Atlantiksaison bildete, schlug ein KI-Modell traditionelle Modelle bei der Vorhersage, wohin er gehen würde.

Der Pazifik ist voller Hurrikane. Der Atlantik ist ruhig. Schuld ist El Niño

Anfang Oktober traf Hurrikan Isaias als Sturm der Kategorie 2 in der Nähe von Destin, Florida, auf Land. Herkömmliche Prognosemodelle sagten zunächst voraus, dass es weiter nach Westen, in Richtung Südosten von Louisiana, gehen würde.

Aber das künstliche Intelligenzmodell von Google DeepMind sagte es von Anfang an: Der Hurrikan würde den Panhandle im Westen Floridas treffen.

„Insbesondere Google DeepMind hat sich in den letzten Jahren wirklich als Goldstandardmodell erwiesen“, sagt Michael Lowry, ein langjähriger Meteorologe und Hurrikanexperte in Miami, der zuvor sowohl die Federal Emergency Management Agency als auch das National Hurricane Center (NHC) beraten hat.

„Dieses Modell war mit Abstand das leistungsstärkste Computermodell, das wir je gesehen haben. Punkt.“

Eine andere Art von Modell

Das National Hurricane Center begann im vergangenen Jahr damit, das Google DeepMind-Modell in seine offiziellen Vorhersagen zu integrieren.

Wetter

Da die Hurrikansaison 2025 im Atlantik zu Ende geht, liegt die Zukunft der Vorhersage in der KI

Am Ende der atlantischen Hurrikansaison 2025 war es bereits eines der besten, wenn es darum ging, die Richtung und Stärke eines Sturms vorherzusagen, sagt Brian McNoldy, Hurrikanforscher an der University of Miami.

Normalerweise dauert es Jahre, bis neue Modelle nach ihrer Einführung verfeinert werden.

„Das ist etwas, was wir nicht gewohnt sind – ein Model zu haben, den Neuling in der Nachbarschaft, der sehr schnell zum besten Model da draußen wird“, sagt McNoldy. „Das war so ziemlich der erste Platz, und das ist eine ziemlich beeindruckende Leistung.“

Herkömmliche physikbasierte Hurrikanmodelle nutzen Echtzeit-Atmosphärendaten wie Temperatur, Luftfeuchtigkeit, Druck und Windscherung, die von Satelliten und Flugzeugen gemessen werden. Dann verwenden sie komplizierte Gleichungen, um vorherzusagen, welchen Weg ein Sturm nehmen könnte und wie stark er werden könnte.

Ein KI-Modell funktioniert ganz anders: Es verlässt sich mehr auf die Geschichte. Es identifiziert Muster, indem es Tausende vergangener Stürme zusammen mit atmosphärischen Daten analysiert.

„Die KI-Modelle wissen außer dem aktuellen Bild eigentlich nichts über die Atmosphäre“, sagt Lowry. „Darüber hinaus stützt man sich nicht auf die maßgeblichen Gleichungen der Atmosphäre und der Physik, um Vorhersagen zu treffen.“

Bericht der Vereinten Nationen hebt deutlichen Anstieg der Klimaverschmutzung in den USA hervor

Die meisten Leute, die diese Modelle entwerfen und entwickeln, sind nicht einmal Meteorologen, bemerkt Lowry: „Sie sind Software-Ingenieure und entwickeln neuronale Netze.“

Ein „neuronales Netzwerk“ ist eine Reihe von Computeralgorithmen, die dem menschlichen Gehirn nachempfunden und darauf trainiert sind, Muster in riesigen Datenmengen zu finden.

Dadurch können die Modelle wie eine „Black Box“ wirken, sagt Lowry: „Wir wissen nicht, warum sie eine Prognose richtig machen könnten. Wir wissen auch nicht, warum sie eine Prognose falsch machen könnten.“

Für Meteorologen kann es beunruhigend sein, auf ein System angewiesen zu sein, das sie nicht vollständig verstehen – insbesondere bei Stürmen, wenn sich möglicherweise Millionen von Menschen auf ihre Vorhersagen verlassen.

„Es bereitet uns ein wenig Unbehagen, weil wir gerne wissen möchten, warum Sie die richtige Antwort bekommen“, sagt McNoldy. „Und ich habe das Gefühl, dass wir das nicht tun – oder zumindest weiß ich nicht, warum.“

Allerdings haben nicht alle KI-Modelle eine gute Leistung erbracht. Es gibt viele unbewiesene KI-Modelle für die Wettervorhersage, sagt Lowry.

Die beiden, die sich trotz einiger Fallstricke bisher als die genauesten erwiesen haben, sind die von Google DeepMind und dem in Großbritannien ansässigen European Centre for Medium-Range Weather Forecasts (ECMWF) entwickelten Modelle.

Nach dem Hurrikan Isaias in Destin, Florida, Samstag, 10. Oktober 2026, holen Menschen Habseligkeiten aus einem eingestürzten Bootshaus. Ein KI-Modell von Google Deepmind war bei der Vorhersage des Verlaufs des Sturms den traditionellen physikbasierten Modellen überlegen, schnitt jedoch bei der Vorhersage der Stärke des Sturms nicht so gut ab. Gerald Herbert/AP Bildunterschrift ausblenden

Verlassen Sie sich auf eine „Mischung“ von Modellen

Die Prognostiker des National Hurricane Center verwenden bei der Zusammenstellung ihrer offiziellen Vorhersagen mehrere bewährte Modelle – sowohl KI- als auch traditionelle.

„Jeder Sturm bringt unterschiedliche Prognoseherausforderungen mit sich“, sagt NHC-Direktor Michael Brennan. „Deshalb verfolgen wir diesen Konsensansatz und nutzen die Mischung der besten Modelle.“

Und es sind immer noch Menschen, die die Ergebnisse dieser Modelle interpretieren müssen, bevor sie entscheiden, was sie der Öffentlichkeit erzählen.

Während aktiver Hurrikane stellt das NHC alle sechs Stunden Aktualisierungen bereit. Die Modelle selbst können manchmal drastische Änderungen von einem Update zum nächsten aufweisen. Prognostiker müssen diese sich verändernden Vorhersagen in klare Leitlinien umsetzen, auf die die Menschen reagieren können.

„Das ist etwas, wofür der menschliche Prognostiker viel bietet, nämlich Kontinuität“, sagt Brennan. „Wir nutzen unser Fachwissen und unser Verständnis, um die Hurrikanvorhersage auf den Gefahrenbereich zu übertragen, und darauf müssen die Menschen wirklich achten.“

Wissenschaftler erwarten rasante Fortschritte

Das Google DeepMind-Modell bedarf noch einiger Arbeit, sagt Brennan. Während es andere Modelle bei der Verfolgung des Verlaufs von Isaias übertraf, schnitt es bei der Bestimmung der Intensität oder Stärke des Sturms nicht so gut ab wie die gemischte Vorhersage des NHC.

Jahre nach Stürmen trennen Aufräumtrupps akribisch das Sentimentale vom Wrack

Brennans Team gibt regelmäßig Feedback an Google DeepMind, um zur Verbesserung des Modells beizutragen. Google hat zu dieser Geschichte nicht auf Fragen von NPR geantwortet.

„Die Zukunft der Prognosen hat sich schon immer verändert“, sagt Brennan. „Es ist nie nur eine Sache, die diese Verbesserungen vorantreibt.“

Es sei noch gar nicht so lange her, da hätten Meteorologen nicht einmal vorhersagen können, wie stark ein Sturm innerhalb weniger Tage sein würde, bemerkt er. Das änderte sich aufgrund von Fortschritten bei Vorhersagemodellen und besseren Daten, die von Satelliten und Flugzeugen gesammelt wurden.

„In Bezug auf die Intensitätsvorhersage sind die Fehler etwa halb so groß wie beispielsweise zur Zeit von [Hurrikan] Katrina“, sagt Brennan.

Das Spannende an der KI ist, sagt der Meteorologe Michael Lowry, wie schnell sie sich verbessert. KI-Updates dauern nur Monate oder sogar Wochen, im Gegensatz zu herkömmlichen Modellen, die bestenfalls jährlich aktualisiert werden.

„Sie machen im Laufe eines Jahres Fortschritte bei den Fähigkeiten und Hurrikanvorhersagen, für deren Erstellung wir zehn Jahre, ein Jahrzehnt oder länger gebraucht hätten“, sagt Lowry.

Aber auch wenn die KI schnell und stark auf dem Vormarsch ist, sagt Lowry, dass er sich keine Sorgen darüber macht, dass künstliche Intelligenz den Menschen ersetzen könnte.

„Ich spüre bei der KI keine existenzielle Krise“, sagt Lowry. „Wenn überhaupt, denke ich, dass es ein Segen für unser Geschäft ist.“

Herausgegeben von Rachel Waldholz

NPR bietet oder akzeptiert kein Geld für Berichterstattung oder Interviews. Jeder, der ein solches Angebot oder eine solche Anfrage macht, ist kein NPR-Mitarbeiter und vertritt nicht NPR.