DEEPMIND-KI SAGT HURRIKANE EINEN TAG FRÜHER VORAUS ALS BISHERIGE MODELLE

Das Wichtigste

DeepMinds WeatherNext-Modell hat Hurrikan Melissa fünf Tage vor Landfall mit 80 Prozent Konfidenz als Kategorie-5-Sturm auf Jamaika vorhergesagt. Laut einer in Nature veröffentlichten Studie liefert die KI im Schnitt einen ganzen Tag mehr Vorwarnzeit als bisherige Modelle.

Was ist passiert?

Im Oktober 2025 waren sich klassische Wettermodelle uneins über den Kurs eines Sturmsystems in der Karibik. Google DeepMind und Google Research sagten mit ihrem KI-Modell WeatherNext frühzeitig voraus, dass es sich zu einem Kategorie-5-Hurrikan verstärken und Jamaika treffen würde. Die Vorhersage traf ein, Melissa richtete schwere Verwüstungen an, aber Einsatzkräfte konnten dank der frühen Warnung besser vorbereiten.

Die jetzt in Nature publizierte Studie zeigt: Vorhersagen von WeatherNext drei Tage im Voraus sind so genau wie die bisheriger Modelle zwei Tage im Voraus. Laut den Forschern hätte eine solche Verbesserung historisch ein Jahrzehnt Entwicklungsarbeit gekostet.

Technische Details

Hurrikane sind für maschinelles Lernen besonders schwer zu greifen, weil Extremereignisse selten sind und wenig Trainingsdaten liefern. DeepMind trainierte das Modell deshalb auf allgemeinen Wetterdaten und kombinierte dies mit den begrenzt verfügbaren Zyklon-Daten.

Besonders überraschend: WeatherNext nutzt deutlich gröber aufgelöste Atmosphärendaten als klassische Modelle, die für Intensitätsvorhersagen eigentlich hochauflösende lokale Daten brauchen. Trotzdem liefert es bessere Ergebnisse. Ferran Alet, einer der Studienautoren, räumt ein, dass die Forscher selbst nicht genau verstehen, welches Signal das Modell in den Daten erkennt. "Es ist am Ende eine Black Box", sagt er.

Statt einer einzelnen Prognose erzeugt das Modell inzwischen 1.000 mögliche Sturmszenarien, im Vorjahr waren es noch 50. Das hilft, den "Butterfly Effect" abzubilden, kleine Abweichungen, die sich zu großen Unterschieden im Sturmverlauf entwickeln können. Laut Kate Musgrave vom Cooperative Institute for Research in the Atmosphere ist diese Rechenleistung mit klassischen numerischen Modellen schlicht nicht machbar.

Warum ist das relevant?

Für Katastrophenschutz und Behörden zählt jede Stunde. Mike Brennan, Direktor des US National Hurricane Center, betont, dass mehr Vorwarnzeit direkten Einfluss auf Evakuierungsentscheidungen und Ressourcenplanung hat. Melissa war der erste Fall, in dem das Hurricane Center eine Kategorie-5-Entwicklung bereits vorhersagte, als der Sturm noch Kategorie 1 war.

Gleichzeitig macht der Fall deutlich, wie KI-Systeme zunehmend in sicherheitskritische Infrastruktur einziehen, ohne dass ihre internen Mechanismen vollständig verstanden werden. Das ist ein Muster, das auch in anderen Hochrisikobereichen zu beobachten ist. Brennan mahnt zudem zur Vorsicht: Ein Modell, das bei einem Sturm gut abschneidet, ist keine Garantie für die nächste Saison. Menschliche Expertise bleibt notwendig, um aus Track- und Intensitätsdaten konkrete Handlungsempfehlungen abzuleiten.

Take-Away

DeepMind macht die während der Hurrikansaison genutzten WeatherNext-Modelle Open Source, Forscher können sie nutzen und weiterentwickeln. Für Entwickler und Klimaforscher im DACH-Raum lohnt sich ein Blick auf die veröffentlichten Modelle, gerade weil die Ursachen der Genauigkeit noch unklar sind und hier Potenzial für eigene Forschung liegt.