Exakte Wetter-Prognosen: Durchbruch bei Künstlicher Intelligenz
Mithilfe von Künstlicher Intelligenz (KI) sollen bald sehr genaue Wetterprognosen möglich sein. KI-Forschern ist ein Durchbruch gelungen.
Hamm – Der Chatbot „ChatGPT“, mit dem man sich sogar über Borussia Dortmund sich unterhalten kann, hat einen echten Hype rund um Künstliche Intelligenz (KI) ausgelöst. Nahezu jeder möchte plötzlich mit mithilfe von KI Texte schreiben, Bilder malen, den Weltfrieden herbeizaubern – oder einfach nur das Wetter für die nächsten Tage vorhersagen. Dort, wo aktuell menschliche Experten vor Schnee und Glätte warnen, sollen künftige Künstliche Intelligenzen die Wettermänner und -frauen ersetzen. Das Hasso-Plattner-Institut (HPI) hat jetzt offenbar einen großen Schritt in diese Richtung gemacht.
„Deep Learning“ ermöglicht, dass eine Künstliche Intelligenz (KI) das Wetter besser vorhersagen kann
Wie das Fachmagazin Silicon berichtet, stellte das HPI energieeffiziente und leistungsfähige Methoden für die bessere Vorhersage von Extremwetter-Ereignissen wie Starkregen und Wirbelstürmen in NRW und ganz Deutschland mithilfe von KI vor. Zusammen mit Forschenden der Technischen Universität München (TUM) und des Deutschen GeoForschungsZentrums (GFZ) in Potsdam hätten die Wissenschaftler unter anderem Bilddaten von rund 900 Messstellen in Europa ausgewertet, die Satelliten in den vergangenen 22 Jahren geliefert haben. Zum Einsatz käme dabei sogenanntes „Deep Learning“.
Branchenführer Microsoft definiert dieses „Deep Learning“ wie folgt: „Deep Learning (DL) ist eine spezielle Methode der Informationsverarbeitung und ein Teilbereich des Machine Learnings. Deep Learning nutzt neuronale Netze, um große Datensätze zu analysieren.“
Vereinfacht: Es werden künstliche Verknüpfungen erstellt, die ähnlich wie unser menschliches Gehirn funktionieren – nur eben wesentlich effizienter sind. Die Künstliche Intelligenz ist dadurch in der Lage, die großen Datenmengen rund ums Wetter schneller und besser zu verarbeiten.
Künstliche Intelligenz kann große Datenmengen verarbeiten und genaue Wetter-Prognosen abgeben
„Die analysierten Bilddaten stammen aus der Troposphäre, also der untersten Schicht der Erdatmosphäre, in der sich der Großteil des Wetters abspielt“, erklärte demnach der HPI-Wissenschaftler Haojin Yang, der die Forschungsgruppe Multimedia and Machine Learning (MML) im HPI-Fachgebiet „Internet-Technologien und -Systeme“ leitet. Ihm und seinen Wissenschaftlern sei gelungen, einen Deep Learning-Algorithmus für schnellere Wettermodellierung bei geringerem Stromverbrauch zu erschaffen.
Vor allem bei extrem starkem Wind oder Regen könne die Bevölkerung in betroffenen Gebieten dadurch früher und gezielter gewarnt werden, um sich zu schützen. Künstliche Intelligenz könnte trotz ihrer noch zahlreich vorhandenen Schwächen also bald echtes Menschenleben retten – und wird dabei immer genauer. Yang räumte ein, dass die Verwendung energieeffizienter Algorithmen noch zu einem Verlust an Genauigkeit bei den Ergebnissen führt. „Unsere Technologie BNext mit ihrem binären neuronalen Netz hat jedoch bei ersten Einsätzen bewiesen, dass sie eine Genauigkeit von mehr als 80 Prozent erreicht. Sie ist damit allen konkurrierenden Ansätzen, einschließlich Googles PokeBNN, überlegen“, sagte er.