Im Oktober 2025 braute sich über der Karibik ein Sturm zusammen, und die Wettermodelle waren sich uneinig. Würde er sich über Haiti auflösen oder sich zu einem Monster entwickeln und auf Jamaika zusteuern? Hier kommt WeatherNext ins Spiel, das KI-Modell von Google DeepMind, das selbstbewusst Letzteres vorhersagte – fünf Tage vor dem Landfall sagte es mit 80-prozentiger Sicherheit voraus, dass der Sturm Jamaika als Hurrikan der Kategorie 5 treffen würde.

Hurrikan Melissa tat genau das und richtete auf Jamaika verheerende Überschwemmungen und Erdrutsche an. Doch dank der Frühwarnung der KI hatten die Gemeinden mehr Zeit zur Vorbereitung. Laut einer am Donnerstag in Nature veröffentlichten Studie verschafft WeatherNext den Meteorologen durchschnittlich einen zusätzlichen Tag Vorlaufzeit – seine Drei-Tage-Vorhersagen sind so genau wie die Zwei-Tage-Vorhersagen früherer Modelle. Wie Mike Brennan, Direktor des US-amerikanischen National Hurricane Center, es ausdrückt: „Zeit ist wirklich Gold.“ In der Tat, wenn man Hilfsgüter bereitstellt und Menschen evakuiert, ist ein zusätzlicher Tag praktisch ein Luxus.

Historisch gesehen dauerte es ein Jahrzehnt, um einen Tag an Vorhersagegenauigkeit zu gewinnen. Was ist also das Geheimnis? Eine KI mit vielen Wetterdaten zu trainieren, selbst wenn Zyklondaten rar sind. Wie Ferran Alet, Forschungswissenschaftler bei DeepMind, erklärt: „Wir haben nicht so viele Zyklondaten, aber wir haben viele Wetterdaten.“ Also trainierten sie ein Modell, das in beidem gut ist.

Hurrikane sind knifflig, weil sie auf mehreren Skalen operieren – die Zugbahnvorhersage benötigt globale Daten, während die Intensität lokale Details erfordert. Frühere KI-Modelle konnten die Zugbahn treffen, aber bei der Intensität versagen. WeatherNext jedoch kann beides, und es überraschte sogar die Forscher. „Ich denke, alle waren überrascht, wie gut es funktioniert hat“, sagt Kate Musgrave, Koautorin und Leiterin für tropische Wirbelstürme. Das Modell war in retrospektiven Tests so gut, dass sie skeptisch waren, ob es in Echtzeit funktionieren würde. Es tat es.

Hier ist der Haken: Die KI verwendet Daten mit niedrigerer Auflösung als herkömmliche Modelle, und dennoch glänzt sie. Das hat Wissenschaftler verblüfft, denn es deutet darauf hin, dass die Eingaben mit niedrigerer Auflösung mehr Signal enthalten als bisher angenommen. Alet gibt zu: „Es ist am Ende des Tages eine Blackbox“, aber es könnte auf Physik hindeuten, die wir noch nicht verstehen.

Das Modell erzeugt auch eine Reihe von Szenarien – letztes Jahr 50 pro Sturm, jetzt 1.000 – um mögliche Schmetterlingseffekte zu erfassen. Das können herkömmliche Modelle mit der derzeitigen Rechenleistung nicht. Brennan warnt jedoch, dass WeatherNext nur ein Werkzeug ist und menschliche Expertise weiterhin entscheidend bleibt. Schließlich „sind es die Auswirkungen, die Menschen töten“, nicht nur die Vorhersage.

DeepMind macht die Modelle als Open Source verfügbar, in der Hoffnung, dass Forscher neue Erkenntnisse gewinnen. Alet ist begeistert: „Ich denke, KI gibt uns neue Werkzeuge, um in die Gesetze des Universums zu stochern.“ Und vielleicht, nur vielleicht, hält sie uns einen Schritt voraus vor dem nächsten Wutanfall des Wetters.