Zurück zu Bigger Picture

BIGGER PICTURE Katastrophenvorsorge

Eine Wetterprognose, die aus Jahrzehnten Wetter lernte

Europas Wetterzentrum ergänzte den täglichen Betrieb um eine andere Art Prognose: trainiert auf historischen Atmosphärenzuständen und parallel zum bewährten physikalischen System.

ECMWF-Grafik zum Start des operationellen KI-Wettervorhersagesystems im Februar 2025; eine Originalgrafik der Quelle.Abbildung aus der Quelle
ECMWF-Grafik zum Start des operationellen KI-Wettervorhersagesystems im Februar 2025; eine Originalgrafik der Quelle.ECMWFCC BY 4.0
Operativer Start
25. Februar 2025
Ausgewählter Startvergleich
Bis zu 20 % bessere Zyklonbahnen
Offenes operatives Produkt
Prognosedaten verfügbar

So funktioniert die Idee

  1. Atmosphärische Felder einlesen

    Analysierte Wetterdaten liefern den Ausgangszustand.

  2. Eine gelernte Darstellung fortschreiben

    Das Modell schätzt die Zustandsentwicklung.

  3. Prognosegitter bereitstellen

    Wetterdienste erhalten Zahlenfelder zur Weiterverwendung.

Vergangene Atmosphären werden zu Lernbeispielen

AIFS lernt statistische Darstellungen atmosphärischer Veränderungen. ECMWF beschreibt einen Encoder zur Verdichtung von Wetterfeldern, einen Prozessor für deren zeitliche Entwicklung und einen Decoder zurück zum Prognosegitter. Die Trainingsdaten bestehen nicht aus alten Wetterberichten der Zeitung, sondern unter anderem aus sorgfältig erstellten atmosphärischen Reanalysen und operativen Analysen des Zentrums.

Belege: [2]

Der wichtige Schritt war der tägliche Betrieb

Am 25. Februar 2025 nahm ECMWF AIFS parallel zum physikalischen Integrated Forecasting System in Betrieb. Zum Start meldete das Zentrum Verbesserungen mehrerer Messgrößen, darunter bis zu 20 % bei tropischen Zyklonbahnen. Das ist ein bestimmter Prognosevergleich, kein Versprechen derselben Verbesserung für jede Wettergröße oder jeden Sturm.

Belege: [1]

Vom Modelllauf zu praktischen Entscheidungen

Wetterdienste können diese zusätzliche Prognose bei ihrer Beratung mit anderen Informationen verbinden. Wind, Regen und Temperatur beeinflussen Verkehr, Infrastruktur und Energieversorgung. Der Wert liegt nicht in einer flüssigen Beschreibung des Morgens, sondern in prüfbaren Zahlen für Menschen und Betriebssysteme. Das parallele physikalische Modell erhält zudem eine hilfreiche Vergleichsmöglichkeit.

Belege: [1][3]

Ein offenes Produkt mit wichtigen Versionsständen

Die aktuelle Datenseite dokumentiert deterministische und Ensemble-Produkte sowie deren Umstellung auf Version 2 im Mai 2026. Prognosedaten sind unter Namensnennungslizenz verfügbar. Spätere Versionen dürfen nicht automatisch jede Kennzahl des Starts von 2025 übernehmen. Bei einem Betriebswerkzeug erleichtern nachvollziehbare Versionen und zugängliche Daten die Prüfung durch andere Fachleute.

Belege: [3]

Die Originalquellen

  1. ECMWFECMWF’s AI forecasts become operational
  2. ECMWFAIFS FAQ: How does the AIFS work?
  3. ECMWFAIFS Machine Learning data

Was Sie als Nächstes entdecken können

Kameras auf der Suche nach dem ersten Rauch eines WaldbrandsSechs Wochen angeleitete Übung veränderten, was Jugendliche konnten
Alle 99 Anwendungen entdecken