Wie moderne Wettervorhersage funktioniert: Von Satelliten bis zu Supercomputern

Jede Wettervorhersage, sei es eine siebentägige Prognose in einer Telefon-App oder eine Hurrikan-Spur von einer nationalen Behörde, beginnt auf die gleiche Weise: mit Beobachtungen der Atmosphäre, wie sie gerade jetzt ist. Das Europäische Zentrum für Mittelfristvorhersagen (ECMWF) sagt, dass es täglich etwa 800 Millionen Beobachtungen erhält, hauptsächlich von etwa 90 Satelliteninstrumenten, die die Atmosphäre, den Ozean, das Land, Schnee und Meereis überwachen; nach Qualitätskontrolle werden etwa 60 Millionen dieser Beobachtungen tatsächlich in seinem Prognosesystem verwendet.

Beobachtungen in eine Vorhersage umwandeln: Datenenassimilation

Rohe Beobachtungen decken nicht jeden Punkt auf der Erde ab, daher können Vorhersager nicht einfach das aktuelle Wetter davon ablesen. Stattdessen verwenden Behörden eine Technik namens Datenenassimilation, um unvollständige Beobachtungen mit einer kurzfristigen Vorhersage aus dem vorherigen Lauf zu kombinieren und so ein vollständiges, physikalisch konsistentes Bild der Atmosphäre zu erzeugen, das als Analyse bezeichnet wird. Das ECMWF nutzt eine Methode namens vierdimensionale Variationsassimilation (4D-Var), die es als Kombination von 'einer ersten Schätzung des aktuellen Wetters mit neuen Erkenntnissen aus Beobachtungen' über Raum und Zeit beschreibt. Das britische Met Office beschreibt denselben Schritt einfacher: Datenenassimilation 'füllt Lücken, wo direkte Beobachtungen fehlen... durch das Mischen verfügbarer Daten mit Modellvorhersagen.'

Zu den Beobachtungstypen, die vom ECMWF priorisiert werden, gehören Temperatur- und Feuchtigkeitsmessungen von Mikrowellen- und Infrarot-Satelliteninstrumenten, Windschätzungen aus der Verfolgung von Wolken und von Radar-, Lidar- und Scatterometer-Instrumenten sowie eine Technik namens 'All-Sky'-Assimilation, die Satellitendaten aus bewölkten und regnerischen Gebieten nutzt, anstatt sie zu verwerfen.

Modelle ausführen: Physikalische Gleichungen auf Supercomputern

Sobald die Analyse erstellt ist, übernimmt ein numerisches Wettervorhersagemodell die Kontrolle. Diese Modelle teilen die Atmosphäre in ein dreidimensionales Gitter auf und lösen Gleichungen, die Bewegung, Energie, Masse und Feuchte an jedem Gitterpunkt regeln, und bewegen dann das gesamte System zeitlich vorwärts. Das US Global Forecast System (GFS), betrieben von NOAAs National Centers for Environmental Prediction, nutzt eine Basis-Horizontalauflösung von etwa 28 Kilometern (18 Meilen) zwischen Gitterpunkten für seine erste Woche der Ausgabe, wird grob auf etwa 70 Kilometer (44 Meilen) für Vorhersagen über sieben Tage hinaus und koppelt separate Modelle der Atmosphäre, des Ozeans, des Landes/Bodens und des Meereises. Es erstellt vier Mal täglich eine vollständige Vorhersage bis zu 16 Tagen im Voraus.

Das äquivalente System des ECMWF, das Integrated Forecasting System (IFS), wurde im November 2024 unter einer Veröffentlichung namens Cycle 49r1 aktualisiert. Nach Angaben des ECMWF assimilierte diese Aktualisierung zum ersten Mal Zwei-Meter-Temperaturbeobachtungen, überarbeitete, wie das Modell die Unsicherheit in seiner Physik darstellt, und stimmte das Gitter des Ozeanwellen-Modells mit der Auflösung des Atmosphärenmodells von etwa 9 Kilometern für Mittelfristvorhersagen ab. Das ECMWF berichtete über messbare Gewinne aus der Aktualisierung, einschließlich einer Verbesserung der Vorhersageergebnisse um etwa 0,5% in der Nähe der Antarktis bis zum vierten Tag, teilweise angetrieben durch neue Mikrowellendaten über Meereis.

Ensemble-Vorhersage: Vorhersage der Unsicherheit selbst

Ein einzelner Modelllauf aus einer einzigen Analyse gibt eine Version der Zukunft, aber die Atmosphäre ist das, was Wissenschaftler ein chaotisches System nennen: Nach dem Met Office können 'sehr kleine Fehler in ihrem Initialzustand zu großen Fehlern in der Vorhersage führen.' Da Beobachtungen den wahren Zustand der Atmosphäre niemals perfekt erfassen können, führen Behörden das gleiche Modell dutzende Male von leicht unterschiedlichen, gleichermaßen plausiblen Startbedingungen aus. Diese Sammlung paralleler Vorhersagen wird Ensemble genannt, und jeder einzelne Lauf ist ein 'Ensemble-Mitglied.'

Warum Vorhersagen weiter vorne an Sicherheit verlieren

Das ECMWF hat berichtet, dass seine November-2024-Aktualisierung Cycle 49r1 messbare Verbesserungen in der Vorhersagegenauigkeit erzielt hat, einschließlich einer Verbesserung der Vorhersageergebnisse um etwa 0,5% in der Nähe der Antarktis bis zum vierten Tag, die es teilweise neuen Mikrowellen-Satellitendaten über Meereis zuschreibt. Allgemeiner gesagt, da kleine Fehler in den Anfangsbedingungen eines chaotischen Systems im Laufe der Zeit wachsen, geben Behörden auch separate monatliche und saisonale Ausblicke ab, die auf verschiedenen statistischen Methoden basieren, sobald tägliche Vorhersagen ihre Nützlichkeit verlieren.

Der Aufstieg der KI-basierten Vorhersage

Neben diesen physikalisch basierten Modellen haben nationale Behörden damit begonnen, Maschinenlern-Systeme einzusetzen, die mit Jahrzehnten von Vergangenheitswetterdaten trainiert wurden. Die NOAA kündigte im Dezember 2025 an, dass sie drei solche Systeme operativ gemacht hat: AIGFS (eine KI-Version des Global Forecast System), AIGEFS (ein KI-Ensemble-System) und HGEFS, ein 62-Mitglieder-Ensemble, das KI- und physikalisch basierte Vorhersagen kombiniert. Nach Angaben der NOAA kann AIGFS eine 16-tägige globale Vorhersage in etwa 40 Minuten erzeugen und nutzt etwa 0,3% der Rechenressourcen, die das traditionelle GFS benötigt, und AIGEFS benötigt etwa 9% der Ressourcen des Standard-Ensembles. NOAA-Administrator Neil Jacobs beschrieb die Systeme als 'einen großen Sprung vorwärts bei amerikanischen Wetter-Modell-Innovationen' und zitierte verbesserte Genauigkeit für großräumige Muster und Hurrikan-Bahnvorhersagen, obwohl die NOAA auch einräumte, dass AIGFS derzeit eine schlechtere Leistung bei der Vorhersage der Hurrikan-Intensität zeigt, ein Bereich, bei dem Beamte sagten, dass weitere Entwicklung noch erforderlich ist.

Von Modellausgabe zur Vorhersage, die Sie sehen

Modelldaten sind normalerweise nicht das Endprodukt. Das Met Office sagt, dass nach Abschluss der Supercomputer-Läufe menschliche Vorhersager die Modellausgabe interpretieren, lokales Gelände und Bedingungen berücksichtigen, die die Auflösung des Modells nicht vollständig erfassen kann, und die Vorhersage vor Veröffentlichung anpassen, indem sie menschliches Urteilsvermögen mit der rechnerischen Leistung kombinieren, um eine brauchbare Vorhersage zu erzeugen.