Mobile-Menu

Alle Wetter! Mit Künstlicher Intelligenz zur präziseren Starkregenprognose

Quelle: KIT 1 min Lesedauer

Anbieter zum Thema

Fsas Technologies GmbH
Board Deutschland GmbH
QUNIS GmbH

Die verlässlichere Einschätzung gefährlicher Wetterereignisse kann Leben retten und Eigentum schützen. Forscher am Karlsruher Institut für Technologie (KIT) haben dafür was.

Nie mehr unvorbereitet im (Stark)regen stehen! Denn am KIT in Karlsruhe hat man es geschafft, aus groben Wetterdaten (links) mithilfe einer generativen künstlichen Intelligenz detailliertere Prognosen abgeben zu können (rechts).(Bild: KIT / Ch. Chwala)
Nie mehr unvorbereitet im (Stark)regen stehen! Denn am KIT in Karlsruhe hat man es geschafft, aus groben Wetterdaten (links) mithilfe einer generativen künstlichen Intelligenz detailliertere Prognosen abgeben zu können (rechts).
(Bild: KIT / Ch. Chwala)

Extreme Wetterereignisse wie Starkregen nehmen weltweit zu, heißt es aus Karlsruhe. Bisherige Vorhersagen hatten jedoch ihre Mängel. Doch die grob aufgelöste globale Wetterdaten können nun mithilfe von Künstlicher Intelligenz (KI) in hochpräzise Niederschlagskarten umwandelt werden – und zwar ortsunabhängig, schnell und ressourcenschonend, wie man vom KIT hört. So entstehe ein bisher einzigartiges Werkzeug zur Analyse und Abschätzung von Extremwetter, das auch für Regionen mit einem Mangel an Wetterdaten, wie dem globalen Süden, funktioniert. Dafür nutzen die KIT-Forscher, wie es weiter heißt, historische Daten von Wettermodellen, die den globalen Niederschlag in einer räumlichen Auflösung von rund 24 Kilometern und stündlicher Taktung beschreiben.

KI-Extremwettervorhersage löst bis auf zwei Kilometer auf

Ihr generatives KI-Modell („SpateGAN-ERA5“) trainiere aber nicht nur mit diesen Daten, sondern lerne zusätzlich aus hoch aufgelösten Wetterradarmessungen in Deutschland, wie sich Niederschlagsmuster und Extremereignisse auf unterschiedlichen Skalen – von grob bis fein – zueinander verhalten. Das neue KI-Modell erstellt demnach nicht einfach eine nachgeschärfte Version der Eingangsdaten, sondern erzeuge mehrere Realisationen physikalisch plausibler, fein aufgelöster Niederschlagskarten. So werden jetzt sogar Details bis zwei Kilometer Größe im 10-Minuten-Takt sichtbar. Gleichzeitig liefert das Modell Informationen über die statistische Unsicherheit der Ergebnisse, die insbesondere bei der Abbildung von regionalisierten Starkregenereignissen relevant sind, wie die Forscher anmerken. Eine Validierung mit Wetterradardaten in den USA und in Australien zeige außerdem, dass die Methode sich auf völlig unterschiedliche klimatische Bedingungen anwenden ließe.

Dieser Artikel stammt von unserem Partnerportal Industry of Things.

(ID:50480162)

Jetzt Newsletter abonnieren

Täglich die wichtigsten Infos zu Big Data, Analytics & AI

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung. Die Einwilligungserklärung bezieht sich u. a. auf die Zusendung von redaktionellen Newslettern per E-Mail und auf den Datenabgleich zu Marketingzwecken mit ausgewählten Werbepartnern (z. B. LinkedIn, Google, Meta).

Aufklappen für Details zu Ihrer Einwilligung

Weiterführende Inhalte