Connect with us

Künstliche Intelligenz

KI-Modelle gegen klassische Wettervorhersage: Wer liefert die bessere Prognose?


Regnet es am Wochenende oder scheint die Sonne? Instabile Wetterlagen wie jetzt gerade machen die Wettervorhersage besonders unzuverlässig. Wie KI-Modelle hier Abhilfe schaffen – und wo ihre Grenzen liegen.

Weiterlesen nach der Anzeige

Ein langes Mai-Wochenende steht an – eigentlich ideal für Freiluftaktivitäten. Aber wird tatsächlich die Sonne scheinen? Wer diese Frage derzeit mit Wetter-Apps auf dem Smartphone beantwortet, wird oft enttäuscht. KI-Modelle wie Graphcast von Google, Aurora von Microsoft oder Pangu Weather von Huawei versprechen ähnlich gute oder sogar bessere Ergebnisse, die wesentlich schneller berechnet werden.

Was ist der Unterschied zwischen konventionellen Modellen und KI-Modellen? Was taugen die neuen Modelle und wo werden sie eingesetzt? Und können Sie KI-Modelle nutzen, um das lange Wochenende vielleicht doch mit ein wenig mehr Sicherheit zu planen? Wir beantworten die wichtigsten Fragen.

Wie funktionieren Wettervorhersagen?

Konventionelle Wettermodelle beschreiben die zeitliche – also zukünftige – Entwicklung von Druck, Temperatur und Luftfeuchtigkeit ausgehend von aktuell gemessenen Werten mithilfe von physikalischen Gleichungen.

Der britische Mathematiker Lewis Fry Richardson kam bereits Anfang des zwanzigsten Jahrhunderts auf die Idee, dass es möglich sein müsste, mithilfe von physikalischen Gesetzmäßigkeiten das Wetter vorherzusagen. Bis dahin verließen sich die Meteorologen weitgehend auf Erfahrung und Beobachtung und entwickelten empirische Modelle auf der Basis der Entwicklung ähnlicher, bekannter Wetterlagen. Weil es damals aber noch keine Computer gab, musste Richardson seine Berechnungen von Hand durchführen – was länger dauerte als die Reichweite seiner Vorhersage. Außerdem waren die Messdaten, die er in seine Berechnungen steckte, äußerst lückenhaft. Seine Vorhersagen für Luftdruckänderungen lagen also weit neben den tatsächlichen Messungen. Die Arbeiten gelten dennoch als bahnbrechend für die moderne Meteorologie.

Die physikalischen Gleichungen geben an, wie stark sich Größen wie Luftdruck, Temperatur und Luftfeuchtigkeit in Abhängigkeit voneinander ändern – das ergibt miteinander gekoppelte Differenzialgleichungen. Um zu berechnen, wie das Wetter wird, müssen diese Gleichungen numerisch integriert werden. Das passiert an den Knotenpunkten eines räumlichen Gitters in festen Zeitschritten. Wie präzise ein Wettermodell ist, hängt also davon ab, wie klein das Raster ist. Allerdings steigt auch der Rechenaufwand, je engmaschiger das Gitter ist.

Regionale Wettermodelle mit kleinen Gitter-Abständen berechnen daher in der Regel nur kurzfristige Vorhersagen. Das Wettermodell COSMO-DE des Deutschen Wetterdienstes etwa verwendet ein Raster von 2,8 × 2,8 Kilometer mit 50 Höhenschichten. Wolken, die jedoch meist kleiner als solche Zellen sind, müssen daher „parametrisiert“ werden – sie tauchen nur in der Anpassung einzelner Modellparameter auf. Deshalb sind Vorhersagen auch immer dann besonders ungenau, wenn sich in einer größeren Luftströmung kleinräumige Störungen befinden.

Weiterlesen nach der Anzeige

Vorhersagehorizont 14 Tage

Je weiter eine Wettervorhersage in die Zukunft rechnet, desto mehr addieren sich zudem Fehler und Ungenauigkeiten. Ein Vorhersagehorizont von 14 Tagen gilt noch immer als eine Art Schallmauer.

Die Regel, dass Wettervorhersagen nur etwa bis 14 Tage brauchbar sind, geht auf den amerikanischen Mathematiker und Meteorologen Edward Lorenz zurück. Lorenz untersuchte Anfang der 1960er Jahre die Möglichkeiten der numerischen Wettervorhersage in einem stark vereinfachten System – einer sogenannten Konvektionszelle. Das ist ein Luftvolumen, das von unten gleichmäßig erwärmt wird. Die warme Luft steigt auf, kühlt ab und strömt dann wieder nach unten. Dabei entdeckte er, dass schon kleine Ungenauigkeiten in den Anfangswerten nach einiger Zeit große Ungenauigkeiten in der Vorhersage bewirkten. Lorenz vermutete daher, dass auch bei beliebig genau gemessenen Anfangswerten der Zeithorizont der Vorhersage begrenzt sein würde. Die Chaostheorie lieferte später die theoretische Unterfütterung für diesen sogenannten „Schmetterlingseffekt“. Kurz: Wettermodelle sind chaotische Systeme.



Source link

Verwandte Themen:
Weiterlesen

Künstliche Intelligenz

Display-Ratgeber: Die besten Bildschirme für den Mac


Wer als Mac‑Nutzer einen passenden Monitor sucht, verliert schnell den Überblick. Das Angebot ist riesig, viele Displays ähneln sich auf den ersten Blick. Doch macOS reagiert manchmal empfindlich auf Pixeldichte und Skalierung, und Apples Anschlussphilosophie schränkt die Auswahl zusätzlich ein. Welcher Monitor harmoniert wirklich gut mit dem Mac, wie viel sollte man investieren – und auf welche Eigenschaften kommt es besonders an? Wir ordnen das Marktangebot nach Bildschirmgrößen, Auflösungen und Preisklassen ein, erklären die Mac-spezifischen Stolperfallen und sagen, wo sich Aufpreise lohnen – und wo nicht.

  • Der Mac stellt andere Anforderungen an Monitore als ein Windows-PC.
  • Relevante Unterschiede betreffen Pixeldichte, Skalierung und Anschlüsse.
  • Der Artikel zeigt, wo das Geld gut angelegt ist – vom günstigen Zweitschirm bis zum farbtreuen Monitor für Medienarbeit.

Im Folgenden gehen wir die entscheidenden Kaufkriterien durch. Unsere Empfehlungen gelten für Macs mit Apple-Silicon-Chip; Intel-Macs berücksichtigen wir in diesem Ratgeber nicht. Am Ende des Artikels empfehlen wir einige Monitore, die sich in Tests von Mac & i und c’t bewährt haben.

Größe und Seitenverhältnisse

Prüfen Sie zunächst, wie viel Platz in der Höhe und der Breite auf Ihrem Schreibtisch zur Verfügung steht. Außerdem sollten Sie einen gewissen Sitzabstand einhalten. Bei Monitoren bis 27 Zoll sollte der Abstand zum Auge zwischen 50 und 90 Zentimetern liegen. Bei größeren Displays gilt ein Abstand von wenigstens einem Meter als angebracht.


Das war die Leseprobe unseres heise-Plus-Artikels „Display-Ratgeber: Die besten Bildschirme für den Mac“.
Mit einem heise-Plus-Abo können Sie den ganzen Artikel lesen.



Source link

Weiterlesen

Künstliche Intelligenz

Agentic AI: Konferenz zu Legacy-Migration und den Herausforderungen fürs Team


Der Einsatz von KI in der Softwareentwicklung hat sich in den letzten Jahren von der Generierung einfacher Funktionen mit Copilot und Co. zu agentischen Systemen entwickelt.

Weiterlesen nach der Anzeige

Die Online-Konferenz betterCode() Agentic AI widmet sich am 6. Oktober 2026 zwei zentralen Themen im Zusammenhang mit KI-gestützter Softwareentwicklung: der Analyse und Modernisierung von Legacy-Code sowie den Herausforderungen für die Zusammenarbeit im Team durch die neuen Ansätze.

Legacy-Code und Teamarbeit

Bei der Migration von Legacy-Code zeigt Agentic AI seine Stärke, erfordert aber eine sorgfältige Planung und eine gute Aufteilung der zu migrierenden Codebasis.

Agentic AI ist nur effizient, wenn das gesamte Team mitspielt. Die betterCode() Agentic AI zeigt, wie Developer zu KI-Orchestratoren werden und welche Methoden und Tools bei der Umstellung helfen.

Sechs Vorträge zu zwei Schwerpunkten

Das Programm der Konferenz widmet sich vormittags dem Thema Legacy-Modernisierung:

  • Knowledge-Graphen und agentische KI für die Legacy-Modernisierung
  • Von Systemverständnis zu kontrollierter Veränderung
  • Vom Code-Friedhof zur Domäne – KI-gestützte Legacy-Discovery

Weiterlesen nach der Anzeige

Nachmittags stehen die Veränderungen und Herausforderungen für Entwicklungsteams im Fokus:

  • Vom Coder zum AI-Orchestrator
  • Von der Idee zum Code: Spec-Driven Development mit BMAD
  • Erfahrungsbericht: KI-PS im gesamten Team auf die Straße gebracht

Bis zum 14. September sind die Tickets für die Online-Konferenz zum Frühbucherpreis von 279 Euro (zzgl. 19 % MwSt.) erhältlich. Teams ab drei Personen erhalten im Ticketshop automatisch einen Gruppenrabatt.

Nach der Konferenz ist zusätzlich ein Workshop zur Legacy-Modernisierung geplant.

Wer über die betterCode()-Konferenzen auf dem Laufenden bleiben möchte, kann sich für den Newsletter eintragen.


(rme)



Source link

Weiterlesen

Künstliche Intelligenz

Arbeitsagentur: Jobs in der IT-Branche haben Zukunft


Die Auswirkungen Künstlicher Intelligenz (KI) auf den Arbeitsmarkt sind nach Auffassung der Regionaldirektion der Bundesagentur noch nicht im Detail abschätzbar. Gleichzeitig rät der Vorsitzende der Geschäftsführung der Regionaldirektion Sachsen-Anhalt-Thüringen, Markus Behrens, von allzu düsteren Prognosen ab.

Weiterlesen nach der Anzeige

Zwar könne es durchaus sein, dass zum Beispiel in der IT-Branche demnächst bislang typische Einsteigeraufgaben von der KI erledigt würden, sagte Behrens der Deutschen Presse-Agentur. Dabei könnten auch Arbeitsplätze wegfallen. „Aber es werden auch andere Jobs entstehen, die vielleicht KI nicht in dem Maße nutzen werden“, sagte er.

Grundsätzlich glaubt Behrens, dass Menschen in der IT-Branche auch in den nächsten Jahren einen sicheren Job haben werden. Immerhin sei die Digitalisierung ein Trend, der sich über alle Wirtschaftsbranchen und damit über den gesamten Arbeitsmarkt ziehe. „Die Potenziale und die tatsächlichen Auswirkungen der KI können wir noch gar nicht abschließend beschreiben“, sagte er.

Mehrere KI-Tools bei der Arbeitsagentur

Nach einer vor wenigen Wochen vorgestellten Studie des in München ansässigen Ifo-Instituts glaubt etwa jedes fünfte deutsche Unternehmen (19,2 Prozent), dass es leicht oder sehr leicht sein dürfte, Arbeitskräfte mit Fach- oder Hochschulabschluss mithilfe von KI zu ersetzen.

Nach diesen Vorstellungen sollen diese Fachkräfte durch eine Arbeitskraft ohne entsprechenden Abschluss ersetzt werden, die dann von KI unterstützt wird. „KI verändert die Arbeitswelt und kann in manchen Bereichen auch formale Qualifikationen und Erfahrungen teilweise ersetzen“, sagte die an der Studie beteiligte Ifo-Forscherin Anna Ruffert.

KI auch bei der Arbeitsagentur selbst im Einsatz

Weiterlesen nach der Anzeige

Behrens sagte, auch bei der Bundesagentur für Arbeit würden inzwischen KI-Anwendungen genutzt. Insgesamt 23 KI-Tools seien bei der Agentur im Einsatz. Dabei gehe es nicht darum, Jobs zu streichen, sondern den Mitarbeitern ihre Arbeit zu erleichtern. Diese KI-Anwendungen würden zum Beispiel dabei helfen, zu prüfen, ob Arbeitssuchende zu offenen Stellenangeboten passen. Auch bei der Organisation von Veranstaltungen werde KI bei der Arbeitsagentur genutzt.


(nen)



Source link

Weiterlesen

Beliebt