Ein Forschungsteam des Karlsruher Instituts für Technologie und der Universität Genf hat untersucht, wie KI-Wettermodelle im Vergleich zu physikbasierten Systemen abschneiden. Während KI-Modelle wie Googles WeatherNext 2 bei Standardvorhersagen hinsichtlich Effizienz und Genauigkeit überzeugen, zeigen sie bei Extremwetterereignissen mit Rekordwerten signifikante Schwächen. Die Analyse, veröffentlicht in Science Advances, verdeutlicht, dass KI-Algorithmen die Intensität von Hitze- oder Windrekorden systematisch unterschätzen, da sie auf historischen Daten basieren und Schwierigkeiten bei der Extrapolation über bekannte Muster hinaus haben. Im Gegensatz dazu bleiben physikbasierte Modelle wie das HRES des ECMWF bei neuartigen atmosphärischen Zuständen zuverlässiger. Die Forscher betonen daher, dass KI-Modelle physikalische Vorhersagesysteme derzeit nicht ersetzen können, insbesondere bei risikoreichen Anwendungen, die präzise Frühwarnungen für extreme Wetterlagen erfordern.