Der Himmel verdunkelt sich innerhalb von Minuten, der Wind dreht und dann trifft das Gewitter das Dorf mit voller Wucht. Für die Betroffenen kommt die Warnung vor starkem Gewitter oft zu spät oder gar nicht. Genau hier setzt eine neue Generation von KI-Modellen an, welche die Wettervorhersage grundlegend verändern könnte.
Infos auf einen Blick
- Neue KI-Modelle: Google DeepMind’s GenCast erstellt eine 15-Tage-Vorhersage in nur 8 Minuten auf einem einzigen Prozessor, während klassische Supercomputer dafür Stunden benötigen.
- DWD nutzt bereits KI: Der Deutsche Wetterdienst hat bereits 2024 als weltweit erste Behörde Wetterdaten vollständig per KI in Vorhersagemodelle eingespeist und entwickelt mit dem AICON-Modell einen eigenen KI-Ansatz.
- Es gibt noch Probleme: Aktuelle KI-Wettermodelle arbeiten mit einem Gitter von rund 28 Kilometern, wodurch du kleinräumige Ereignisse wie Gewitter oder lokale Starkregenfelder noch nicht zuverlässig erkennst.
Gewitter sind das härteste Problem der Meteorologie
Wenn du eine Warnung vor starkem Gewitter auf deinem Handy bekommst, steckt dahinter ein komplexes Zusammenspiel aus Radardaten, Satellitenmessungen und Modellergebnissen. Das Problem: Gewitter entstehen kleinräumig, entwickeln sich rasend schnell und folgen keinem sauberen Muster. Sie sind, meteorologisch gesprochen, das Paradebeispiel chaotischer Atmosphärenprozesse.
Genau das macht eine präzise Warnung vor starkem Gewitter so schwierig. Klassische numerische Wettermodelle rechnen auf Gittern mit 8 bis 28 Kilometern Abstand. Damit lassen sich Großwetterlagen, Tiefdruckgebiete und Fronten gut abbilden, aber ein Superzellengewitter über deinem Landkreis nicht.
KI schlägt klassische Modelle, aber nicht bei Gewittern
Google DeepMinds GraphCast lieferte in Tests in 90 Prozent der Fälle genauere Ergebnisse für Wind, Temperatur und Luftdruck als das beste bisher verfügbare Modell des Europäischen Zentrums für mittelfristige Wettervorhersage. Der Nachfolger GenCast übertraf dieses sogar in 97,2 Prozent aller getesteten Fälle.
Das klingt beeindruckend. Aber beide Modelle wurden auf einem groben Gitter von 28 mal 28 Kilometern verglichen. Auf dieser Skala verschwimmt ein Gewittercluster zu einem undeutlichen Schauer. Eine präzise Warnung vor starkem Gewitter, die dir sagt, ob das Unwetter dein Haus trifft oder drei Kilometer weiter, lässt sich damit nicht ausgeben.
Der DWD betreibt mit seinem ICON-D2-Modell bereits ein System mit 2,1 Kilometern Auflösung. Dort liegt die KI noch deutlich zurück.
Die KI lernt aus der Vergangenheit, aber Gewitter sind Ausreißer
KI-Wettermodelle wie GraphCast wurden mit Wetterdaten aus vier Jahrzehnten trainiert, konkret mit den Jahren 1979 bis 2017 aus dem ECMWF-Archiv. Das Modell lernt, welche Muster zu welchem Folgewetter führen. Das funktioniert gut für Standardsituationen.
Gewitter sind jedoch keine Standardsituationen. Heftige Konvektionsereignisse, die eine Warnung vor starkem Gewitter nötig machen, zählen zu den seltensten und variabelsten Wetterereignissen überhaupt. Ihre physikalischen Ursachen, etwa Scherungswinde in verschiedenen Höhenschichten, Feuchtegradienten oder lokale Wärmeinseln, tauchen in den Trainingsdaten zu selten auf, um zuverlässig reproduziert zu werden.
Hinzu kommt ein grundsätzliches Problem: KI-Modelle können den sogenannten Schmetterlingseffekt nicht abbilden. Dieser besagt, dass kleinste Abweichungen in den Ausgangsbedingungen mit der Zeit zu völlig anderen Wetterverläufen führen. Klassische Ensemblemodelle, die viele leicht veränderte Szenarien gleichzeitig durchrechnen, bilden diese Unsicherheit explizit ab. KI-Ensembles tun das bisher zu langsam.
Energie und Geschwindigkeit als echter Vorteil
Wo KI-Modelle heute schon echten Mehrwert liefern, ist die Effizienz. Das AIFS-Modell des ECMWF, das erste einsatzfähige KI-Vorhersagesystem für ein breites Parameterfeld, verbraucht nur ein Tausendstel der Energie klassischer Modelle. GenCast erstellt eine vollständige 15-Tage-Vorhersage in 8 Minuten auf einem einzigen Prozessor, während herkömmliche Systeme Stunden auf Supercomputern benötigen.
Das bedeutet nicht, dass damit bessere Warnungen vor starkem Gewitter entstehen. Aber es bedeutet, dass Wetterdienste mit der frei werdenden Rechenkapazität häufiger und mehr Szenarien durchspielen können. Mehr Szenarien bedeuten bessere Einschätzungen für unsichere Wetterlagen, also genau jene Situationen, in denen die Entscheidung zwischen Entwarnung und Warnung vor starkem Gewitter besonders schwer fällt.
Stärken und Grenzen aktueller KI-Modelle:
- Zugbahnen von Tiefdruckgebieten sagt KI oft genauer voraus als klassische Modelle.
- GenCast und GraphCast liefern auf globaler Ebene bessere Mittelfristprognosen für 10 bis 15 Tage.
- Kleinräumige Gewitter bleiben eine Schwachstelle, weil die räumliche Auflösung zu grob ist.
- Extremereignisse wie Hurrikans und Superzellen werden in ihrer Intensität häufig unterschätzt.
- Der Energieverbrauch liegt um den Faktor 1.000 unter dem klassischer Modelle.
Hybridmodelle sind die Zukunft der Gewitterwarnung
Kein seriöser Wetterdienst plant, klassische physikbasierte Modelle durch reine KI zu ersetzen. Die Richtung, in die DWD, ECMWF und andere arbeiten, sind hybride Ansätze, also Kombinationen aus physikalischen Gleichungen und KI-Verfahren. Der DWD entwickelt mit AICON einen solchen Ansatz, der auf dem bewährten ICON-Modell aufbaut und KI-Methoden integriert.
Der Vorteil hybrider Systeme: Die physikalischen Regeln der Atmosphäre bleiben erhalten, während KI die Datenassimilation beschleunigt und die Mustererkennung verbessert. Für die Warnung vor starkem Gewitter heißt das konkret, dass künftige Systeme nicht nur schneller, sondern auch kleinräumiger und unsicherheitsbewusster warnen könnten.
Bis das in der Praxis ankommt, vergehen aber noch Jahre. Der DWD hat 2024 den weltweit ersten vollständig KI-gestützten Datenassimilationsschritt veröffentlicht. Das ist ein Grundlagenerfolg, aber kein fertiges Warnprodukt.
Was heute schon hinter deiner Gewitterwarnung steckt
Wenn du heute eine Warnung vor starkem Gewitter auf der DWD-App oder bei einem Wetterdienst siehst, basiert diese nicht auf reiner KI, sondern auf einem ausgefeilten Zusammenspiel verschiedener Systeme.
So entsteht eine Warnung vor starkem Gewitter heute:
- Alle deutschen Wetterradare liefern alle fünf Minuten Daten, aus denen Niederschlagsintensität und Bewegungsrichtung von Gewitterzellen abgeleitet werden.
- ICON-D2 mit 2,1 Kilometern Auflösung berechnet stündlich die Konvektionswahrscheinlichkeit für die nächsten 48 Stunden.
- Erfahrene Meteorologen interpretieren die Modellergebnisse und entscheiden, ob eine Warnung ausgegeben wird, denn Automatik und KI ersetzen diesen Schritt bislang nicht.
Fazit: Die Warnung vor starkem Gewitter bleibt noch Menschenarbeit
KI verändert die Wettervorhersage schneller, als die meisten Meteorologen erwartet haben. Bei Großwetterlagen, mittelfristigen Trends und der Effizienz von Rechenzentren ist der Fortschritt real und messbar. Aber die präzise, zeitgenaue Warnung vor starkem Gewitter, die dir sagt, wann genau der Hagel auf deinem Garten einschlägt, ist noch nicht das Produkt künstlicher Intelligenz.
Das chaotische Wesen konvektiver Ereignisse, kombiniert mit der noch groben räumlichen Auflösung heutiger KI-Modelle, setzt der Technik klare Grenzen. Die eigentliche Frage ist deshalb nicht, ob KI bei der Gewitterwarnung irgendwann besser wird, sondern ob das System schnell genug lernt, bevor die Unwetter durch den Klimawandel noch extremer werden.