In der Welt der Meteorologie zeichnet sich eine bahnbrechende Veränderung ab. Google hat mit „Graphcast“ ein KI-System entwickelt, das die Genauigkeit der Wettervorhersagen auf ein neues Niveau hebt. Mit der Fähigkeit, das Wetter bis zu zehn Tage im Voraus mit bemerkenswerter Präzision vorherzusagen, übertrifft Graphcast traditionelle meteorologische Methoden.
Dieses innovative System basiert auf rund 40 Jahren historischer Wetterdaten des Europäischen Zentrums für mittelfristige Wettervorhersage (ECMWF). Durch die Analyse dieser umfangreichen Daten konnte Graphcast lernen, wie sich Wettersysteme über die Jahre hinweg entwickelt und bewegt haben. Ein Bericht der Financial Times hebt hervor, dass diese KI durch die Analyse vergangener Wetterereignisse und -muster in der Lage ist, genaue Prognosen bis zu zehn Tage im Voraus zu liefern.
Matthew Chantry, ein ECMWF-Meteorologe, äußerte sich beeindruckt über die raschen und eindrucksvollen Fortschritte der KI in der Wettervorhersage. Im Gegensatz zu den herkömmlichen, physikalischen Modellen, die auf Supercomputern Stunden zur Berechnung benötigen, kann Graphcast eine Zehntagesvorhersage in nur wenigen Minuten erstellen.
In ausgiebigen Tests hat Graphcast das Vorhersagesystem des ECMWF in 90 Prozent der Fälle übertroffen, einschließlich Messungen von Temperatur, Windgeschwindigkeit und Luftdruck. Es hat sich sogar gegen KI-Wettermodelle von Huawei und Nvidia durchgesetzt. Ein bemerkenswertes Beispiel für die Leistungsfähigkeit von Graphcast war die Vorhersage des Landfalls des Hurrikans Lee in Nova Scotia neun Tage im Voraus – drei Tage früher als mit herkömmlichen Methoden möglich.
Trotz kleinerer Schwierigkeiten bei der Vorhersage extrem schneller Intensivierungen von Stürmen, wie im Falle des Hurrikans Otis, sind Experten optimistisch. Sie sehen großes Potenzial in der Kombination des datengesteuerten Ansatzes von Graphcast mit traditionellen Wettervorhersagemodellen. Das britische Met Office plant bereits, ein ähnliches KI-System zu entwickeln und es mit seinen physikalisch basierten Supercomputermodellen zu kombinieren, was die Zukunft der Wettervorhersage noch vielversprechender gestaltet.