Gottessichtweise: DeepMind identifizierte Melissa bereits fünf Tage im Voraus, und die Intensitätsprognose hängt nicht mehr vom Zufall ab.
In alten Mythologien waren es die Götter, die die Stürme beherrschten.
Sie rieten die Wellen auf und brachten den Donner nieder, sodass die Menschen in Angst beteten.
Zweitausend Jahre später rechnete eine KI in einem Serverraum in London still und leise.
Ohne Emotionen und ohne Glauben war sie in der Lage, die Richtung einer Katastrophe vorherzusagen, noch ehe der Hurrikan sich gebildet hatte.
Das Modell von DeepMind sagte voraus, dass sich Hurricane Melissa rapide verstärken würde.
Diesmal stammte die Sturmwarnung nicht von Gott, sondern von einem Algorithmus.
Der Anfang des Sturms: Wenn Maschinen die Wut der Natur antizipieren
Am 21. Oktober tauchten auf den Satellitenbildern über der Karibik allmählich Schatten auf. Die Meeresoberflächentemperatur war noch warm, und der Luftdruck sank nur leicht.
Aber im Serverraum von DeepMind in London stieg plötzlich die Kurve der Hurrikanstärkenprognose an – das Modell zeigte, dass ein noch nicht benanntes Unwetter mit einer Wahrscheinlichkeit von 50 % bis 60 % zu einer Kategorie-5-Hurrikan aufsteigen würde.
Am 23. Oktober erhöhte das Modell diese Wahrscheinlichkeit auf über 80 %.
Damals waren die Menschen sich noch nicht bewusst, dass dieser Sturm, der als Hurricane Melissa benannt wurde, Jamaika überziehen und die Küste zerreißen würde.
Aus meteorologischer Sicht waren zwar Fortschritte bei der "Pfadprognose" erzielt worden, aber die "Stärkeänderung" galt seit langem als schwierig – die komplexen Wechselwirkungen zwischen Wirbeln in der Zyklone, Meeresoberflächentemperatur, Luftdruck, Feuchtigkeit und anderen Faktoren machten es traditionellen numerischen Modellen schwer, die Stärkeänderungen eines Hurrikans zu erfassen.
Das Modell von DeepMind lieferte diesmal ein hervorragendes Ergebnis bei der Stärkevorhersage: Bei der Ausbildung wurden zwei Datensätze verwendet – einerseits die globale meteorologische Beobachtungsdatenbank und andererseits die speziellen Beobachtungsdaten von etwa 5.000 Zyklonen über 45 Jahre.
Diese Zyklonen-Memorie wird als der Schlüsselpunkt für seinen Durchbruch angesehen. Dies bedeutet: Bevor der Sturm eintraf, hatte die Maschine bereits die "Ausbruch"-Moment markiert.
Das NHC setzte es in die Praxis ein. Bei 13 Stürmen in diesem Jahr "hatte das Modell sowohl bei der Pfad- als auch bei der Stärkevorhersage gute Ergebnisse".
In diesem Moment wurde die Zeitachse verlängert – von "Sturm möglich" zu "Sturm bevorsteht".
Menschen und Maschinen beobachteten gemeinsam die Kurve in der atmosphärischen Turbulenz, und die Gesetze der Natur wurden Schritt für Schritt enthüllt.
Algorithmisches Gedächtnis: Wie löst KI die "Blindflecken" von Stürmen auf?
Meteorologen können relativ genau vorhersagen, wohin ein Hurrikan geht, aber wie stark er wird, war bisher ein Blindfleck.
Traditionelle numerische Simulationsmodelle sind auf enorme Rechenleistung und komplexe Gleichungen angewiesen und können oft nicht in kurzer Zeit plötzliche Änderungen der Hurrikanstärke erfassen.
Stürme wie Melissa können sich in nur zwei Tagen von Kategorie 3 auf Kategorie 5 entwickeln.
Das ist das Problem, das DeepMind lösen wollte.
Im offiziellen Projekt Weather Lab trainierte das Team das Modell mit zwei Arten von Daten: dem globalen reanalysierten meteorologischen Datensatz und der historischen Beobachtungsdatenbank von etwa 5.000 Zyklone-Ereignissen in den letzten 45 Jahren.
Dadurch erhielt das Modell ein "Zyklonen-Gedächtnis", das es in der Lage war, die Signale zu erkennen, die oft auf eine schnelle Verstärkung hinweisen.
DeepMind sagte, dass das System in einer Vorhersage bis zu 50 mögliche zukünftige Szenarien generieren könne und die Entstehung, den Pfad und die Stärkeänderung von Zyklonen innerhalb der nächsten 15 Tage vorhersagen könne.
DeepMind zeigte in einem Experiment den Vorhersageprozess des Modells für den Zyklon Alfred.
Es generierte mehrere mögliche Pfade (blaue dünne Linien) und gab dann ein "Durchschnittspfad" (dicke blaue Linie) als das wahrscheinlichste Ergebnis an.
Das bedeutet, dass die KI nicht mehr nur ein einzelnes Ergebnis ausgibt, sondern den Meteorologen alle Möglichkeiten mitteilt.
Südlich Madagaskars und im Indischen Ozean hat das Modell ebenfalls mehrere Zyklone erfolgreich vorhergesagt.
Es verfolgte nicht nur die Zyklone Honde und Garance während ihrer aktiven Phase genau, sondern erkannte auch fast eine Woche im Voraus die Entstehung und Verstärkung von Jude und Ivone.
Diese stabile Vorhersagefähigkeit für mehrere Zyklone in verschiedenen Meeresgebieten lässt das Modell als "global einsetzbar" gelten – es basiert nicht auf regionaler Erfahrung, sondern auf dem Lernen langfristiger Muster, um das Klimasystem zu verstehen.
Die von DeepMind veröffentlichten experimentellen Daten zeigten, dass das Modell innerhalb eines 5-Tage-Vorhersagefensters sowohl bei der Pfad- als auch bei der Stärkevorhersage signifikant weniger Fehler hatte als die gängigen Systeme (ECMWF, NOAA HAFS-A).
Vergleich der Fehler von DeepMinds KI-Modell bei der Pfad- und Stärkevorhersage. Die orangene Linie ist das globale Modell des ECMWF, die graue Linie ist das regionale Modell der NOAA, und die blaue Linie ist das experimentelle Zyklonenmodell von DeepMind. Die x-Achse zeigt die Anzahl der Tage vor der Vorhersage, und die y-Achse zeigt den Fehlerwert. Man kann sehen, dass das KI-Modell in der 5-Tage-Vorhersage deutlich besser ist als die traditionellen Modelle.
Im Gegensatz zu traditionellen Modellen, die Stunden lang mit hoher Rechenleistung laufen müssen, kann das KI-Modell den gesamten Berechnungsprozess in wenigen Minuten abschließen und unterstützt Echtzeit-Updates.
Deshalb wird es als erstes spezielles KI-System für Zyklone angesehen, das sowohl die Pfadgenauigkeit als auch die Stärkevorhersage berücksichtigt.
Der ehemalige Hurrikanexperte des NHC, James Franklin, sagte:
Ich habe noch nie einen neuen Algorithmus gesehen, der so schnell ins Einsatz gebracht wurde und so gut funktionierte.
Die Forschung von DeepMind wird auch als "Wendepunkt" der KI-Meteorologie angesehen. Sie ersetzt nicht den Menschen, sondern lässt ihn erstmals den Anstiegstendenz eines Sturms erkennen, bevor er sich bildet.
Die KI geht an die Arbeit: Das Wetteramt bekommt einen "neuen Kollegen"
Für die Wissenschaftler des NHC war das Auftauchen des KI-Vorhersagemodells zunächst nur ein Experiment.
Vor Beginn der Hurrikansaison fügten sie das Modell von DeepMind stillschweigend in ihr Arbeitssystem ein und ließen es parallel zu den traditionellen numerischen Simulationsmodellen als "Kontrollgruppe" laufen.
Das Ergebnis war offensichtlich.
Bei den 13 benannten Stürmen in diesem Jahr war das DeepMind-Modell sowohl bei der Pfad- als auch bei der Stärkevorhersage unter den besten, insbesondere in den kritischen Phasen, in denen der Sturm plötzlich in eine höhere Kategorie aufstieg.
Der Meteorologieforscher der Universität von Miami, Brian McNoldy, sagte:
Ich habe noch nie ein neues Modell gesehen, das so schnell ins Einsatz gebracht wurde und so gut funktionierte.
Im Gegensatz zu traditionellen Modellen, die Stunden lang mit hoher Rechenleistung laufen müssen, kann das KI-Modell den gesamten Berechnungsprozess in wenigen Minuten abschließen und unterstützt Echtzeit-Updates.
Deshalb wird es als erstes spezielles KI-System für Zyklone angesehen, das sowohl die Pfadgenauigkeit als auch die Stärkevorhersage berücksichtigt.
Der ehemalige Hurrikanexperte des NHC, James Franklin, sagte:
Ich habe noch nie ein neues Modell gesehen, das so schnell ins Einsatz gebracht wurde und so gut funktionierte.
Die Forschung von DeepMind wird auch als "Wendepunkt" der KI-Meteorologie angesehen. Sie ersetzt nicht den Menschen, sondern lässt ihn erstmals den Anstiegstendenz eines Sturms erkennen, bevor er sich bildet.
Die Kosten der Vorhersage: KI kann Stürme vorhersagen, aber nicht verstehen
Als Hurricane Melissa wie von der KI vorhergesagt in Jamaika landete und bis zu 75 Zentimeter Regen brachte und Hunderttausende von Menschen ohne Strom waren, feierte das DeepMind-Team nicht sofort.
Sie schrieben in ihrer Studie einen sehr ruhigen Satz:
Wir freuen uns, dem NHC nützliche Informationen geben zu können, aber wir sollten nicht anhand eines einzelnen Falls die Gesamtleistung des Modells beurteilen.
Link zur Studie: https://arxiv.org/abs/2506.10772
Die Vorhersage der KI war genau, aber sie versteht nicht, was eine Katastrophe ist. Sie kann nur unerwartete Schwankungen in den Daten erkennen, aber nicht den Sturm aufhalten oder verstehen, dass ein Sturm Zerstörung und Panik bedeutet.
Das ist auch ein Punkt, den alle Wissenschaftler wissen: Vorhersage ist nicht gleich Kontrolle.
In den letzten Jahrzehnten haben Meteorologen versucht, die Atmosphäre durch intensivere Beobachtungen und stärkere Rechenleistung zu verstehen. Jetzt bietet KI einen völlig neuen Zugang.
Anstatt auf physikalische Vollständigkeit zu achten, erfasst sie die Anzeichen durch Mustererkennung.
Aber darum hat sie auch natürliche Grenzen.
Ein Algorithmus kann Muster in Tausenden von Beispielen finden, aber er kann nicht entscheiden, welcher Hafen zuerst evakuiert werden muss; er kann erkennen, dass sich ein Sturm bildet, aber er kann nicht beurteilen, wie Menschen darauf reagieren sollten.
Für die Vorhersageexperten des NHC ist die Einbeziehung von KI sowohl eine Entlastung als auch eine Verantwortung. Sie müssen beurteilen, welche Vorhersagen zuverlässig sind und welche nur Illusionen sind.
Weil jede Warnung wirtschaftlichen Stillstand, Evakuierungen und Panik nach sich zieht.
Der Forscher von DeepMind, Ferran Alet, sagte in einem Interview:
Das Ziel von KI ist es, Menschen zu helfen, früher zu reagieren, nicht zu ersetzen.
Dieser Satz klingt sanft, aber er bringt eine realistischere Voraussetzung zum Ausdruck – die Macht des Algorithmus hat erst dann wirklich Bedeutung, wenn Menschen ihn verstehen.
Der Schatten von Hurricane Melissa hat sich längst verflüchtigt. Die Karibik kehrte wieder in die Ruhe zurück, die Meeresoberflächentemperatur sank langsam auf den Satellitenbildern, und die Nachrichtenmeldungen zeigten den Namen des nächsten Sturms an.
Im Meteorologiezentrum in Miami läuft das DeepMind-Modell weiterhin im Hintergrund. Es empfängt neue Satellitendaten, aktualisiert die Wahrscheinlichkeitsverteilung und berechnet erneut die Pfade von Zyklonen in den nächsten 15 Tagen.
Ohne Emotionen, ohne Pause.
Dieser Sturm hat die Wissenschaftler erstmals darauf aufmerksam gemacht, dass Vorhersage nicht nur das Vorhersagen des Wetters ist, sondern das Management von Unsicherheit.
Und in diesem Lauf gegen die Natur ist KI bereits ein neuer Beobachter geworden – sie hat weder Angst noch Stolz.
Vielleicht wird eines Tages die erste Warnung vor allen Katastrophen von einem Algorithmus kommen. Aber die Entscheidung, wie man darauf reagiert und rettet, kann nur von Menschen getroffen werden.
Der Laut der Stürme hat sich gelegt, aber das Gespräch zwischen Menschen und Maschinen hat erst begonnen.
Quellen:
https://www.nature.com/articles/d41586-025-03539-x
https://arxiv.org/abs/2506.10772
https://deepmind.google/discover/blog/weather-lab-cyclone-predictions-with-ai/?utm_source=chatgpt.com
Dieser Artikel stammt aus dem WeChat-Account "New Intelligence Yuan". Autor: New Intelligence Yuan, Redakteur: Qing Qing. Veröffentlicht von 36Kr mit Genehmigung.