KI SpotlightNewsKI-Hurrikanvorhersage: Datenlücken und Chaos begrenzen Modelle
Hybride neuronale Netze übertreffen operationelle Vorhersagen teils deutlich, doch fehlende 3D-Profile über dem Ozean bleiben ein Hindernis.
Mit KI erstellt◆ Fakten auf einen Blick
- KI hat die globale Wettervorhersage grundlegend verändert, aber die Vorhersage der Hurrikan-Intensität bleibt eine hartnäckige Herausforderung.
- Das Haupthindernis liegt in Datenverfügbarkeit und -auflösung: Direkte Beobachtungen von Bojen, Radar und Satelliten konzentrieren sich stark auf Küstennähe und liefern über dem offenen Ozean nur fragmentarische Sicht.
- Hochauflösende Modellsimulationen enthalten Näherungen und können feinskalige atmosphärische Prozesse nicht abbilden; KI-Modelle trainieren daher auf unvollständigen Datensätzen.
- Die Hurrikan-Intensität operiert innerhalb eines chaotischen Attraktors; kleine Störungen in den Anfangsbedingungen verstärken sich unabhängig von der Datenqualität rasch.
- Wärmere Meeresoberflächen verstärken Intensitätsschwankungen und schaffen ein Umfeld, in dem sich kleine Störungen unvorhersehbar entwickeln.
- Das National Hurricane Center (NHC) hat 2025 erstmals KI-Wettervorhersagesysteme experimentell genutzt und mit Google DeepMind ein neues KI-Hurrikanmodell entwickelt; auch NOAA EMC und ECMWF stellten KI-basierte globale Vorhersagesysteme zur Evaluierung bereit.
KI-Modelle zur Hurrikan-Intensitätsvorhersage sind durch fehlende dreidimensionale Atmosphärenprofile über dem offenen Ozean und die chaotische Dynamik tropischer Wirbelstürme limitiert. Direkte Beobachtungen konzentrieren sich auf Küstennähe, hochauflösende Simulationen enthalten Näherungen. Zugleich zeigen Hybrid-CNN-Studien, die Satellitenmerkmale mit Modellausgaben kombinieren, deutliche Verbesserungen: Sie übertrafen operationelle Vorhersagen der Korea Meteorological Administration um bis zu 110 Prozent bei 48 Stunden Vorlauf, bei schneller Intensivierung um bis zu 87 Prozent. Das National Hurricane Center nutzt KI seit 2025 experimentell, unter anderem ein mit Google DeepMind entwickeltes Modell. Die widersprüchlichen Ergebnisse erklären sich durch unterschiedliche Modelltypen und Datenquellen.
