Im Sommer 2026 kam Europa ordentlich ins Schwitzen. Österreich, Belgien, Dänemark, Frankreich, Deutschland, Ungarn, die Schweiz und das Vereinigte Königreich verzeichneten allesamt Rekordtemperaturen. Doch Hitze ist nicht das Einzige, was Europa trifft. Die globale Erwärmung der Erde sorgt auch für andere Extremwetterereignisse – von Gewittern mit golfballgroßen Hagelkörnern bis hin zu drastischen Überschwemmungen, die im Sommer 2026 unter anderem Frankreich, Deutschland und Polen heimgesucht haben.
Extreme Hitze ist erschreckend tödlich. Die Hitzewelle in Frankreich hat bislang 2.700 Menschenleben gefordert. Deutschland verzeichnete laut einer Analyse von Carbon Brief in nur einer Juniwoche eine Übersterblichkeit von 5.753 Menschen. Der Guardian berichtete bereits im Jahr 2025, dass Hitzewellen weltweit jede Minute ein Menschenleben kosten. Vor diesem Hintergrund wird die Fähigkeit, Extremwetterereignisse vorherzusagen, immer wichtiger.
RESET hat mit einigen Mitgliedern des Teams gesprochen, die am Earth System Foundational Model (ESFM) arbeiten: Dr. Fanny Lehmann und Professor Torsten Hoefler von der ETH Zürich. Professor Sebastian Schemm von der University of Cambridge sowie Dr. Firat Ozdemir vom Swiss Data Science Center.
Training mit mehreren Datensätzen bringt mehr Kontext für die Wettervorhersage
Bisherige Methoden zur Vorhersage von Extremwetter – einschließlich KI-gestützer Modelle – konzentrieren sich auf die Erdatmosphäre und trennen atmosphärische Daten von hydrologischen Daten. Das ESFM-System hingegen nutzt Künstliche Intelligenz, um Muster zwischen atmosphärischen, hydrologischen und landbasierten Daten der Erde zu finden. Selbst in Fällen, in denen Daten fehlen, ist ESFM darauf optimiert, dass es intra- und intervariablen Statistiken aus allen Datensätzen erkennt und dadurch trotzdem Vorhersagen trifft. Dazu gehören Punktmessungen von Wetterstationen, Satellitenbildern und numerischen Simulationen. „Solche Daten bringen komplementäre Perspektiven ein“, erklärt Dr. Lehmann. „Indem das Modell mit mehreren Datensätzen trainiert wird, lernt ESFM verschiedene Repräsentationen des Wetterzustands. Es ist darüber hinaus vielseitiger, wenn Nutzer:innen das Modell an ihre Bedürfnisse anpassen möchten. Das ist ein Prozess, der als Finetuning bezeichnet wird.“
Aber worin unterscheidet sich ESFM noch von anderen Wettervorhersagemodellen? „ESFM gibt es in zwei Versionen“, so Professor Schemm. „[Die erste ist] ein deterministisches Modell, das für den nächsten Zeitschritt eine globale Karte vorhersagt. [Die zweite ist] ein probabilistisches Modell, das mehrere Karten, sogenannte Ensembles, erzeugt, die jeweils eine mögliche Realisierung des Wetters zum nächsten Zeitschritt darstellen.“ Ein Zeitschritt in der Wettermodellierung bezeichnet den Zeitraum in der Zukunft, den die Vorhersage abbildet. „Ensembles bieten eine bessere Abdeckung extremer Ereignisse, da wir das KI-Modell während des Trainings dazu anregen, Varianten des Wetterzustands zu erzeugen“, fügt Dr. Ozdemir hinzu. Im Vergleich zu traditionellen und anderen KI-gestützten Modellen ist ESFM kosteneffizienter, da er ein komplettes Ensemble in einer einzigen Vorhersage liefert.
Auch andere Wettervorhersagemodelle machen von sich reden
Nvidias „digitale Zwillinge“ der Erde – Earth-1 und Earth-2 – können den Wasserkreislauf der gesamten Welt simulieren. Sie bilden zudem die Veränderungen ab, die zu Stürmen und Dürren führen. Das KI-Modell Aardvark wiederum kann das Wetter präzise auf einem Desktop-Computer vorhersagen und dabei tausendfach weniger Energie verbrauchen als ein Supercomputer.
Ein offenes System für Wissenschaft und Wirtschaft
Die Forscher:innen haben ESFM zwischen 2023 und 2024 auf die Probe gestellt. Sie gaben ihm die Aufgabe, aktuelle Extremwetterereignisse vorherzusagen, statt solcher, die das Modell beim Training beobachtet hatte. Der Supertaifun Doksuri etwa, der im Juli 2023 die Philippinen traf, hatte verheerende Folgen für das Land und veränderte das Leben von 2,9 Millionen Menschen. Laut Dr. Lehmann war die Fähigkeit des ESFM, die Windgeschwindigkeit und die atmosphärische Entwicklung des Taifuns vorherzusagen, „vergleichbar mit und teils besser als Microsofts Aurora-Modell, das als Referenz dient.“
Die Forscher:innen haben ESFM dadurch getestet, dass sie Vorhersagen zum Super-Taifun „Doksuri“ berechnet haben. Seit 2026 ist der ESFM als offener Rahmen mit einer Codebasis für Training, Finetuning und Inferenz verfügbar. Sowohl Wissenschaftler:innen als auch Unternehmen können das neue System nutzen.
ESFM ist dabei nicht nur für die Katastrophenvorhersage und -minderung hilfreich, es hilft auch Branchen wie dem Energiesektor, wo Vorhersagen an spezifischen Koordinaten entscheidend sind, um die Stromversorgung abzuschätzen.
KI-Modelle berechnen schon jetzt das Wetter in Nepal
Ein weiterer Anwendungsfall für präzisere Wettervorhersagen ist die Agrarindustrie. In Nepal versorgt ein KI-gestütztes Modell, das mit Wetterdaten der letzten 30 Jahre trainiert wurde, Bäuer:innen mit Updates. Und warnt sie vor bevorstehendem Extremwetter, indem es Ratschläge gibt.
Mit zunehmendem Extremwetter wird die Skalierung des ESFM wichtiger
Die Skalierung von ESFM umfasst „die Integration neuer Datensätze und die Erhöhung der Modellparameter“, erklärt Professor Schemm. „Ersteres betrifft regionale und hochaufgelöste assimilierte Vergangenheitsdaten, letzteres untersuchen wir mit verschiedenen Techniken, die eine Modellskalierung ohne so große Rechenlast ermöglichen.“
Extremwetterereignisse werden auf einem zunehmend heißeren Planeten alltäglich sein. Wenn wir das 2-Grad-Ziel überschreiten, wird bis 2050 mindestens die Hälfte der Weltbevölkerung unter extremer Hitze leben. Sie mit Systemen wie ESFM vorherzusagen, kann daher Leben retten. „Die Zukunft der Klimawissenschaft und Wettervorhersage wird von Foundation Models geprägt sein, die die weltweiten Umweltdaten in einem einzigen lernenden System zusammenführen“, sagt Professor Hoefler. „KI kann Berechnungen, die mit Supercomputern Jahre dauern, auf wenige Minuten komprimieren und ermöglicht Klimavorhersagen, die 1.000-mal effizienter sind und 1.000-mal weniger CO2 verursachen. Gleichzeitig verbessern sie unsere Fähigkeit, Extremwetter frühzeitig zu erkennen.“
Aber: Nur zu wissen, dass Extremwetter kommt, reicht nicht aus, um uns zu schützen. Es ist auch Aufgabe von Politiker:innen und Regierungen, die Gesellschaft auf die Folgen von Hitzewellen, Dürren oder Überschwemmungen vorzubereiten. Von der Einrichtung von Kühlanlagen über neue Gesetze für die Klimatisierung von Gebäuden bis hin zur nachhaltigen, resilienten Gestaltung von Wohn- und öffentlichen Gebäuden gibt es viele Maßnahmen, die Regierungen umsetzen müssen. Sonst verpuffen die neuen Möglichkeiten schlichtweg, die wir mit Systemen wie ESFM bekommen. Solange das nicht geschieht, kann selbst die präziseste Vorhersage kaum einen Schutz bieten.
