Wenn die KI am Grillabend scheitert

Es ist alles vorbereitet: Grillkohle, Käsekrainer, Halloumi, Folienkartoffeln. Die entscheidende Frage ist: Regen oder Sonnenschein? In Zeiten Künstlicher Intelligenz würde man glauben, dass sie leicht zu beantworten ist. Jedoch kann die KI bei scheinbar einfachen Problemstellungen wie dieser versagen. Bei der Wettervorhersage fahren wir noch immer mit physikalischen Berechnungen und menschlicher Intelligenz besser als mit KI-Algorithmen.

• Für dich interessant: Die menschlichen Roboter übernehmen langsam

Warum das so ist, erklärt der Meteorologe Thomas Krennert vom nationalen Wetterdienst GeoSphere Austria in Wien. „Alle Wettermodelle führen Messungen etwa von Wetterstationen, Wetterballonen, Flugzeugen, Schiffen, Radarmessgeräten, Satelliten oder Bojen in den Meeren ständig zusammen. Sie kalkulieren aus den Daten laufend künftige Wettermuster. Die KI hingegen lernt aus der Vergangenheit. Wenn ein Wettermuster in der Vergangenheit sehr häufig war, kommt es laut KI auch in Zukunft häufig vor“, sagt Krennert zur WZ.

Die Prognose ist wie eine Hochrechnung

Für ihre Prognosen spannen Meteorolog:innen virtuelle Linien über den Erdball, die sie an sogenannten Gitterpunkten verknüpfen. Diese Punkte sind jeweils neun Kilometer voneinander entfernt. Das heißt, dass sie Gebiete von neun mal neun Kilometern eingrenzen, und zwar in 91 Schichten vom Boden bis zur oberen Atmosphäre. Für diese Gebiete werden Millionen von Einzeldaten zu Temperatur, Feuchtigkeit, Wind oder Druck gemessen, geografisch dem Gitternetz richtig zugeordnet und in der Zeitachse in die Zukunft gerechnet. Damit erhält man die Wettervorhersagen für jeden Ort auf dem Globus.

Die Algorithmen physikalischer Wettermodelle orientieren sich exakt an den Gesetzen, nach denen die Erdatmosphäre funktioniert. Sie berechnen auf dieser Basis, was aufgrund der Physik in jedem Würfel im Gitter in 24, 48 oder 72 Stunden oder in fünf Tagen eintreten wird. Allerdings können nicht alle Moleküle in der Atmosphäre gemessen werden. „Wir können nicht die gesamte Wirklichkeit in ein Berechnungssystem einbringen“, sagt Krennert. Wettermodelle sind daher immer auch eine Frage der Abschätzung, die umso ungenauer wird, je weiter in die Zukunft die Prognose reicht – ein bisschen wie die Hochrechnungen drei, zwei oder eine Woche vor den Wahlen und direkt am Wahltag.

Gewitter-, Hitze-, Kälte- und Windrekorde

Anders als Wahl-Hochrechnungen beruhen physikalische Modelle aber nicht auf Statistik. KI-Wettermodelle tun das hingegen schon. Beide haben zwar den gleichen Ausgangspunkt der aktuellen Messungen. In weiterer Folge verwendet die KI aber die Wetterlagen der vergangenen 70 Jahre als Berechnungsbasis und ermittelt damit das statistisch wahrscheinlichste Wetter für ein bestimmtes Datum an einem Ort. Und das hat insgesamt zur Folge, dass die KI die normalen Wetterlagen zwar sehr gut vorhersagen kann, extremes Wetter aber nicht.

Gewitter-, Hitze-, Kälte- und Windrekorde sind nämlich Ausnahmezustände im Gleichgewicht der Atmosphäre. „Wenn man so will, ist die Statistik etwas Flaches, ein Unwetter aber eine Spitze. Und solche Spitzen bekommen physikalische Berechnungsmodelle besser hin als KI“, sagt Krennert.

Und was heißt das jetzt für den Grillabend? Regen oder Sonnenschein? Dafür sollte man, bevor man die Folienkartoffeln einwickelt, immer noch Prognosen mit physikalischem Wettermodell zurate ziehen, wie sie bei nationalen Wetterdiensten zu finden sind. Denn an KI-Modellen, die alle Messgrößen des Wetters ganz exakt hinbekommen, wird derzeit noch gearbeitet.