Angesichts der explosionsartigen Zunahme an Wetter- und Klimadaten, die mit der letzten Generation von Tools nicht mehr zu bewältigen sind, stellt sich die Frage: Ist KI die Zukunft der Wettervorhersage?
Die Forschung legt dies jedenfalls nahe, und ein neu finanziertes Startup namens Hellband versucht, Prognosemodelle für maschinelles Lernen sowohl zu einem Geschäfts- als auch zu einem Open-Source-Standard zu machen.
Die heutigen Wettervorhersage- und Klimaüberwachungstechniken basieren auf statistischen und numerischen Modellen, die Jahrzehnte alt sind. Das heißt nicht, dass sie schlecht oder falsch sind – nur nicht besonders effizient. Für diese physikbasierten Modelle nimmt man sich ein paar Wochen Zeit an einem Supercomputer.
Doch künstliche Intelligenz besitzt die Gabe, aus großen Datenmengen Muster herauszufiltern. Untersuchungen haben gezeigt, dass künstliche Intelligenz, wenn sie anhand von Wettermustern und Beobachtungen aus aller Welt über Jahre hinweg trainiert wird, kommende Ereignisse mit überraschender Genauigkeit vorhersagen kann.
Warum wird es also nicht überall verwendet?
„Der Grund für diese Lücke ist, dass es der Regierung schwerfällt, Spitzenkräfte anzuwerben, ebenso wie Wetterunternehmen, während das Wetter für diese Technologieunternehmen nicht ihre Kernbranche ist. Sie dringen nicht tief in die Materie ein und arbeiten nicht mit den Akteuren zusammen, um ihnen die Werkzeuge zu geben, die sie brauchen“, erklärte Julian Green, CEO und Mitbegründer von Brightband (früher bekannt als OpenEarthAI). „Wir glauben, dass ein Startup großartige KI-Leute, großartige Datenleute und großartige Wetterleute zusammenbringt. Es gibt eine echte Chance, KI zu operationalisieren und sie allen zugänglich zu machen.“
Das Startup ist dabei, ein eigenes Modell zu entwerfen, das auf Daten aus jahrelanger Wetterbeobachtung trainiert wurde. Daniel Rothenberg, Mitbegründer und Leiter für Daten und Wetter, stellte jedoch schnell fest, dass sie „auf den Schultern von Giganten stehen“.
„Die großen physikbasierten Modelle sind Monster“, sagte er. „Aber die KI profitiert von diesen Modellen – der erste Schritt bestand darin, sie zu ihrem Vorteil zu nutzen und herauszufinden, dass die Modelle diese Muster wirklich lernen können. Darauf bauen wir auf und erweitern es. Wir streben nach dem neuesten Stand der Technik: so gut oder besser als die verfügbaren globalen Wettervorhersagen.“
Außerdem wäre es um Größenordnungen schneller, bemerkte Green. „Das ist sozusagen der Kern der Disruption: Es ist schneller und billiger“, wodurch es sich besser für individuelle und schnelllebige Anwendungsfälle eignet.
„Die Menschen haben in den verschiedenen Branchen sehr spezifische Bedürfnisse“, fuhr Green fort. „Energieunternehmen müssen in der Lage sein, das Angebot an erneuerbaren Energien aus Wind und Sonne sowie den Bedarf an Wärme und Kühlung vorherzusagen; Transportunternehmen müssen extreme Wetterbedingungen vermeiden; die Landwirtschaft muss wochenlang im Voraus planen, um Leute für die Aussaat, Bewässerung, Düngung oder Ernte einzustellen.“
Interessanterweise verpflichtet sich das Unternehmen dazu, Bereitstellung der Modelle für jedermann.
„Unser Ziel ist es, die grundlegenden Prognosefunktionen als Open Source bereitzustellen. Dabei geht es nicht nur um das Modell, sondern auch um die Daten, mit denen Sie es trainieren, und die Kennzahlen, mit denen Sie es auswerten. Darüber hinaus sollen kostenpflichtige Dienste für spezifischere Funktionen angeboten werden“, so Green.
Dazu gehört auch die Einbeziehung (und Verarbeitung und Freigabe) zahlreicher Daten, die zugunsten vorverarbeiteter Datenbanken übersprungen wurden.
„Es gibt Petabytes über Petabytes an historischen Daten von Wetterballons und Satelliten, die ignoriert werden, weil sie schwer zu verarbeiten sind“, sagte Rothenberg; aber wie bei den meisten KI-Modellen gilt: Je mehr Daten, desto besser, und eine sorgfältig kuratierte Vielfalt kann die Qualität ihrer Ergebnisse deutlich verbessern. „Wir sind überzeugt, dass der Aufbau einer Community dazu unsere Möglichkeiten, die Atmosphäre zu verstehen und in großem Maßstab zu arbeiten, beschleunigen wird.“
Ich meinte, das scheine fast so, als würden sie das tun, was der Nationale Wetterdienst (der als öffentlicher Dienst tonnenweise Beobachtungsdaten und Wettervorhersagen kostenlos zur Verfügung stellt) und andere Behörden tun würden, wenn sie könnten.
Green widersprach und sagte, dass sie eng mit diesen Agenturen zusammenarbeiten und dass diese tatsächlich eine Fülle wichtiger Daten besitzen – es handele sich nur nicht unbedingt um die Art von schnellen, portablen Daten, die ein kundenorientiertes Unternehmen mit hoher Reaktionsschnelligkeit benötige. Er sagte, sie sähen dies als eine Fortsetzung der internationalen Zusammenarbeit bei Wetterdaten.
Was den aktuellen Stand der Produktentwicklung angeht: „Es ist noch relativ früh“, gab Green zu. „Wir arbeiten seit einigen Monaten daran, heute ist noch nichts live, aber wir hoffen, bis Ende 2025 ein Modell zu haben, das Beobachtungen (also Satelliten- oder lokale Radarbilder) aufnimmt und eine Prognose dafür erstellt.“
Brightband ist als gemeinnütziges Unternehmen strukturiert, aber das sei „vor allem ein Signal“, so Green. „Wir versuchen, unsere Mission transparent darzulegen, unsere Sache klar zu machen und zu sagen: ‚Das ist es, was uns interessiert.‘ Ich denke, die 10 Millionen, die wir gesammelt haben, sind ein Beweis dafür, dass wir in der Lage sind, Kapital anzuziehen.“
Eine PBC bedeutet in diesem Fall im Wesentlichen, dass der Vorstand unter bestimmten Umständen die Interessen der Aktionäre mit denen der erklärten Mission in Einklang bringen muss, aber keine Gewinnbeschränkungen oder ähnliches vorsieht.
Erwarten Sie ein wetterbezogenes Produkt vor einem klimabezogenen – aber für beide gibt es außer der Präsentation am Jahresende keinen festen Zeitplan.
Brightbands 10-Millionen-Dollar-Finanzierungsrunde der Serie A wurde von Prelude Venture geleitet, mit Beteiligung von Starshot Capital, Garage Capital, Future Back Ventures, Preston-Werner Ventures, CLAI Ventures, Adrien Treuille und Cal Henderson.
