Microsoft hat ein Open-Source-Tool für maschinelles Lernen vorgestellt, das systematische Fehler bestehender Wettermodelle korrigiert. Die Methode namens Probabilistic Bias Correction (PBC) ermöglicht Behörden, zuverlässigere Prognosen für einen Zeitraum von zwei bis sechs Wochen zu erstellen. Sie läuft auf gewöhnlichen CPUs – Supercomputer oder leistungsstarke GPUs sind nicht nötig.
Wie PBC Prognosen verbessert
PBC lernt die typischen Verzerrungen eines Wettermodells – etwa die Neigung, niedrigere Temperaturen vorherzusagen, weil das Modell mit älteren Klimadaten trainiert wurde – und korrigiert die Ergebnisse. In Tests steigerte die Methode die Genauigkeit des physikbasierten Modells des Europäischen Zentrums für mittelfristige Wettervorhersage (ECMWF) bei 98 % der Niederschlagsziele und 92 % der Temperaturziele. Außerdem verdoppelte sie die Genauigkeit des neueren KI-Vorhersagesystems von ECMF.
Warum das wichtig ist
Da die Software ressourcenschonend und kostenlos ist, können auch kleinere Wetterdienste – insbesondere in Entwicklungsregionen – sie ohne teure Hardware einsetzen. Bessere mittelfristige Prognosen geben Landwirten mehr Zeit, ihre Ernten zu schützen, und helfen Einsatzkräften, sich auf extreme Wetterereignisse vorzubereiten.
Warum es wichtig ist
Für den Alltag können genauere Prognosen zwei bis sechs Wochen im Voraus bedeuten, dass früher vor Stürmen oder Dürren gewarnt wird. So haben Landwirte und lokale Behörden bessere Chancen, rechtzeitig zu handeln. Dank der kostengünstigen Open-Source-Software könnten auch Regionen davon profitieren, denen bisher die Rechenleistung für moderne Wettermodelle fehlte.
