Erstmals weltweit ist es gelungen, Wetterbeobachtungsdaten ausschließlich durch den Einsatz von KI in Vorhersagemodelle und Analyseprozesse zu integrieren.

„Der Deutsche Wetterdienst hat damit erneut bewiesen, dass er zu den wissenschaftlich und technisch führenden Wetterdiensten weltweit gehört und zurecht frühzeitig auf die umfassende Nutzung von KI gesetzt hat“, so Prof. Dr. Sarah Jones, Präsidentin des nationalen Wetterdienstes.

Neue Ära der Datenassimilation

In einer aktuellen Veröffentlichung stellen Forschende des DWD ein vollständig auf KI basierendes Datenassimilationsschema vor, das zur Initialisierung von Wettervorhersagen und für Klima-Analysen verwendet wird. Dieses Schema ersetzt traditionelle Methoden durch innovative Deep-Learning-Techniken. Die Datenassimilation, also die Integration von Beobachtungsdaten in computergestützte Wettermodelle, ist seit Jahrzehnten ein Grundpfeiler der Wettervorhersage. Traditionelle Methoden wie variationelle Techniken und Ensemble-Kalman-Filter haben durch kontinuierliche Verbesserungen zur stetigen Qualitätssteigerung in der Wettervorhersage beigetragen. Mit dem Aufkommen von KI eröffnen sich nun, laut DWD, neue Möglichkeiten zur weiteren Optimierung und Effizienzsteigerung. Davon profitieren sowohl die NutzerInnen von Wettervorhersagen als auch DWD-Kunden aus Bereichen wie Energie, Hochwasserschutz und Infrastruktur, die auf Klimaanalysen angewiesen sind.

Dr. Jan Keller, Leiter der Datenassimilation beim DWD und führender Autor der Studie: „Bei einer Vorstellung der Ergebnisse vor Experten europäischer Wetterdienste stieß der neue Ansatz auf durchweg positive Resonanz.“

KI-basierte Datenassimilation: Effizienter und leistungsfähiger mit AI-Var

Der neue Ansatz des DWD, bekannt als AI-Var, integriert den Datenassimilationsprozess direkt in ein neuronales Netzwerk. Dies führt zu erheblich reduzierten Rechenkosten und beschleunigten Analyse- sowie Vorhersageprozessen. Die jüngste Studie zeigt die Leistungsfähigkeit von AI-Var in verschiedenen idealisierten und realen Szenarien auf. Die bisherigen Ergebnisse verdeutlichen, dass KI-basierte Datenassimilation eine vielversprechende Alternative zu traditionellen Methoden darstellt.

Keller: „Diese Technologie ist ein entscheidender Baustein für die derzeitige Revolution der Wettervorhersage durch KI. Sie bereitet den Weg für künftig vollständig datengetriebene Vorhersagesysteme.“