Künstliche Intelligenz verändert inzwischen, wie Wetter- und Klimarisiken vorhergesagt werden. In Indien erhielten in diesem Sommer 38 Millionen Landwirte Vorhersagen, die auf einem neuronalen allgemeinen Zirkulationsmodell namens NeuralGCM beruhten. Die Prognosen lagen vier Wochen vor dem üblichen Monsunbeginn und signalisierten korrekt eine dreiwöchige Pause, nachdem der Monsun Anfang Juni über Land gegangen war und nach Norden zog.
NeuralGCM ist ein Hybridmodell, das herkömmliche physikbasierte Wettervorhersage mit maschinellem Lernen verbindet, um die Atmosphäre zu simulieren. Das Modell wurde von Google entwickelt und zeigte laut Forschenden der University of Chicago starke Leistungen bei mehreren Wetter- und Klimamessgrößen; es war zudem rechnerisch effizienter als manche Alternativen. Pedram Hassanzadeh betonte die Bedeutung von Modellvergleichen, und die University of Chicago erhielt Unterstützung der Gates Foundation, um Modelle für Ost- und Westafrika zu bewerten. Dort liegt der Schwerpunkt auf Regenzeiten und Hitzewellen.
Die KI-Vorhersagen dienen Landwirten als Entscheidungsgrundlage, etwa für den richtigen Aussaatzeitpunkt, und die Software kann auf einem Laptop laufen, was hochwertige Vorhersagen zugänglicher macht. Vertreter und Forschende hoben mögliche wirtschaftliche Vorteile hervor: Michael Kremer schätzte, dass die Verbreitung von KI-Wettervorhersagen Landwirten mehr als US$100 für jeden Dollar bringen könnte, den die Regierung investiert. Agrarwissenschaftler wie Arun Shanker forderten zugleich, Niederschlagssignale mit Daten zu Bodenfeuchte, Dampfdruckdefizit, Hitzestressprognosen und empfindlichen Wachstumsstadien zu verknüpfen, und warnten vor Schäden durch falsche Frühbeginn-Prognosen.
Die Initiative Human-Centred Weather Forecasts wurde in diesem Jahr gestartet und arbeitet derzeit mit fünf Ländern zusammen:
- Bangladesch
- Chile
- Äthiopien
- Kenia
- Nigeria
Das Team plant, 2026 zehn weitere Länder und 2027 weitere 15 Länder hinzuzufügen, um Millionen von Landwirten zu erreichen. Forschende bilden zudem Meteorologinnen und Meteorologen in Ländern mit niedrigem und mittlerem Einkommen aus. Hassanzadeh nannte die aktuellen KI-Wettermodelle bedeutende wissenschaftliche Errungenschaften, es bleibe aber unklar, wie schnell alle technischen und praktischen Herausforderungen beim Skalieren gelöst werden.
Schwierige Wörter
- hybridmodell — Modell, das zwei verschiedene Methoden kombiniert
- maschinelles lernen — Computeralgorithmen, die aus Daten Muster lernenmaschinellem Lernen
- dampfdruckdefizit — Maß für trockene Luft, wichtig für Pflanzen
- bodenfeuchte — Wassermenge im Boden, wichtig für Pflanzen
- entscheidungsgrundlage — Information, die hilft, eine Wahl zu treffen
- zugänglich — leicht erreichbar oder nutzbar für Menschenzugänglicher
Tipp: Fahre über markierte Wörter oder tippe darauf, um kurze Definitionen zu sehen – während du liest oder zuhörst.
Diskussionsfragen
- Welche Vorteile und Risiken sehen Sie, wenn Landwirte KI-basierte Wettervorhersagen als Entscheidungsgrundlage nutzen?
- Wie könnte das Verknüpfen von Niederschlagssignalen mit Bodenfeuchte und Hitzestressprognosen die Arbeit von Landwirten verändern?
- Welche technischen oder praktischen Herausforderungen könnten das schnelle Skalieren von KI-Wettermodellen behindern?
Verwandte Artikel
Ankunftszeit von Fahrzeugen bei Sehverlust
Eine Studie verglich Menschen mit altersbedingter Makuladegeneration (AMD) mit Menschen mit normalem Sehvermögen. In einem Virtual‑Reality‑Versuch mit realistischen Autogeräuschen waren die Ergebnisse ähnlich; Sehen und Hören zusammen verbesserten die Genauigkeit nicht.
VillainNet: Sicherheitslücke bei selbstfahrenden Autos
Forscher entdeckten die Hintertür VillainNet, die Supernetzwerke in autonomen Fahrsystemen ausnutzen kann. Aktiviert könnte sie Angreifern erlauben, Fahrzeuge zu übernehmen; die Studie stammt von Georgia Tech und wurde im Oktober 2025 vorgestellt.