Künstliche Intelligenz sagt Hurrikanpfad genauer voraus als klassische Modelle
27. Oktober 2026 · 2 Min. Lesezeit
Künstliche Intelligenz hat während des Hurrikans Isaías die Zugbahn präziser vorhergesagt als traditionelle Wettermodelle, die in diesem Fall ungenaue Ergebnisse lieferten. Dieser Erfolg markiert einen Wendepunkt, bei dem maschinelle Lernverfahren von experimentellen Laborprojekten zu operativen Werkzeugen in der Echtzeit-Wettervorhersage aufgestiegen sind.
Im spezifischen Fall des Hurrikans Isaías nutzte ein Modell von DeepMind, identifiziert als FNV3 von Weather Labs, fortschrittliche Algorithmen, um den Landfall mit nur wenigen Stunden Abweichung mehr als drei Tage im Voraus zu bestimmen. Das System lokalisierte den tatsächlichen Aufprallpunkt in Florida korrekt. Im Gegensatz dazu wichen die etablierten Vorhersagesysteme aus Europa und den Vereinigten Staaten deutlich zu weit nach Westen ab. Diese Diskrepanz führte dazu, dass Meteorologen ihre offiziellen Prognosen an die Ergebnisse des KI-Modells anpassten und historische Modelle wie das europäische System oder das amerikanische GFS vorübergehend in den Hintergrund stellten.
Trotz der Überlegenheit bei der Pfadvorhersage bestehen weiterhin Unterschiede bei der Intensitätsprognose. Der Direktor des National Hurricane Center stellte fest, dass die offiziellen Vorhersagen dieser Behörde eine zwanzig bis vierzig Prozent höhere Treffsicherheit bei der Vorhersage der Hurrikanstärke aufwiesen als die künstliche Intelligenz. Klassische physikalische Modelle wie HWRF und HMON bleiben daher für langfristige Intensitätsprognosen führend. Diese Nuance zeigt, dass KI-Systeme derzeit eher als unterstützende Werkzeuge dienen und Meteorologen nicht ersetzen, da sie oft noch traditionelle Daten für den Start ihrer Berechnungen benötigen.
Die Integration dieser Technologien schreitet institutionell schnell voran. Im Jahr 2025 berichtete das National Hurricane Center, dass KI-Modelle die Vorhersagen für Zeiträume zwischen zwölf und zweiundsiebzig Stunden übertreffen konnten, während sie bei der Intensität vergleichbare Werte erreichten. Auch das Europäische Zentrum für mittelfristige Wettervorhersage betreibt sein KI-Modell AIFS seit Februar des Vorjahres parallel zum physikalischen IFS-Modell. Ein wesentlicher Vorteil liegt in der Effizienz, da die KI-basierte Vorhersage etwa eintausend Mal weniger Energie pro Prognose verbraucht als herkömmliche Supercomputer-Simulationen.
Nicht alle nationalen Wetterdienste sehen die Technologie jedoch bereits als überlegen an. Die spanische Agentur AEMET verfolgt einen pragmatischeren Ansatz und nutzt das Modell ANEMOI-ML innerhalb des europäischen Rahmens. Die Behörde weist darauf hin, dass die aktuellen KI-Ergebnisse in bestimmten Bereichen noch hinter den traditionellen Modellen zurückbleiben. Das Hauptproblem besteht in einer übermäßigen Glättung von Wetterextremen, was ein erhebliches Risiko darstellt, wenn Warnungen vor Starkregen ausgegeben werden müssen. Wissenschaftliche Veröffentlichungen, darunter Studien in der Fachzeitschrift Nature, belegen jedoch allgemein eine Vorwarnzeit von durchschnittlich einem Tag oder mehr gegenüber den derzeit operativen Hauptmodellen.