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.
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)
Künstliche Intelligenz
Visuelle PKM-Tools: Heptabase, Obsidian Canvas und Xmind im Vergleich
Am Anfang ist Chaos: Ideen erscheinen plötzlich und sind rasch wieder verflogen; jede Recherche kann zu einer Odyssee werden. Ordnung und Struktur kommen erst später – da kann die Arbeit mit Notizen-Apps zu sperrig erscheinen. Sie geben zumeist eine starre Struktur vor, was beim Sammeln und Nachdenken jedoch hinderlich sein kann.
- Es gibt viele Tools, um persönliches Wissen zu sammeln und räumlich zu ordnen.
- Für visuelle Denker eignen sich besonders gut die Apps Heptabase, Obsidian Canvas und Xmind.
- Die Tools bieten eine endlose Arbeitsfläche für Ideen, Notizen und Recherchematerial.
- Xmind hilft vor allem beim Brainstorming und beim Entwickeln klarer Gliederungen.
- Entscheidend ist dabei nicht die schönste Darstellung, sondern der passende Workflow und die persönliche Denkweise.
Visuelle Wissens-Tools setzen deshalb auf Karten, Flächen, Verbindungen und räumliche Anordnungen. Gedanken lassen sich verschieben, gruppieren und miteinander verknüpfen. Dadurch wird nicht nur sichtbar, welche Informationen vorhanden sind, sondern auch, wie sie zusammenhängen.
Die passenden Apps verfolgen dabei sehr unterschiedliche Ansätze: Manche bieten ein frei gestaltbares Whiteboard, andere erzeugen automatisch einen „Wissensgraphen“. Wieder andere behandeln Notizen, Zitate, Personen, Projekte und Gedanken als einzelne Objekte mit Eigenschaften. Dieser Ratgeber zeigt, welcher Ansatz zu welcher Arbeitsweise passt. Außerdem stellt er drei bekannte Vertreter vor: Heptabase, Obsidian Canvas und Xmind.
Das war die Leseprobe unseres heise-Plus-Artikels „Visuelle PKM-Tools: Heptabase, Obsidian Canvas und Xmind im Vergleich“.
Mit einem heise-Plus-Abo können Sie den ganzen Artikel lesen.
Künstliche Intelligenz
iX-Workshop: Passwortlose Authentifizierung mit Passkeys, FIDO, SSO und mehr
Täglich werden Millionen Accounts durch unsichere, veraltete Passwörter kompromittiert. Sicherheitsexperten setzen daher auf sichere Alternativen wie Passkeys.
Weiterlesen nach der Anzeige
In unserem praxisorientierten iX-Workshop Sichere Authentifizierung für Web-Apps: 2FA und passwortlosen Login implementieren und einsetzen lernen Administratoren, Entwickler und DevOps-Engineers aktuelle Verfahren zur sicheren Authentifizierung kennen. Sie erfahren, wie Public Key Infrastructures (PKI), Zwei-Faktor-Authentifizierung und passwortlose Anmeldeverfahren funktionieren und wie sie diese sicher einsetzen können. Der Fokus liegt auf der sicheren und praxisnahen Anwendung dieser Technologien.
Der Online-Workshop vermittelt Ihnen moderne Alternativen zur klassischen Authentifizierung und zeigt, welche Bedeutung PKI-Zertifikate, FIDO und Passkeys dabei haben. Sie lernen, Zertifikate zu verwalten, zertifikatsbasierte Authentifizierung einzusetzen und Sicherheitskonzepte praxisnah umzusetzen. Dazu zählen unter anderem die Einrichtung von SSH- und Smartcard-Authentifizierung sowie die Absicherung von Webanwendungen und VPNs. Zudem beleuchtet der Workshop Stärken und Schwächen aktueller Verfahren wie OTP und Post-Quantum-Kryptografie.
Lernen in einer Übungsumgebung
Ihr neu erworbenes Wissen wenden Sie bei Übungen in einer sicheren virtuellen Umgebung an, die mit OpenSSL und Active Directory Certificate Services ausgestattet ist. Durch den Workshop führt der Sicherheitsexperte Tim Schmidt. Als Security Researcher bei der Neodyme AG ist er Experte für Code-Audits, Penetrationstests und Reverse Engineering von IoT-Geräten.
Erfahrungen aus dem Berufsalltag
Sie profitieren von der Erfahrung Ihres Trainers Tim Schmidt, der als Security Researcher bei der Neodyme AG täglich Authentifizierungsverfahren, Kryptografie und Login-Systeme in realen Sicherheitsanalysen bewertet. Dadurch erhalten Sie nicht nur ein Verständnis für Passkeys, FIDO und PKI, sondern vor allem Einblicke in typische Implementierungsfehler und reale Angriffsszenarien.
Weiterlesen nach der Anzeige
Im Workshop geht es über reine Theorie hinaus: Sie diskutieren konkrete Praxisfälle, klären Umsetzungsfragen und erhalten Einordnung zu Architektur- und Sicherheitsentscheidungen, die in Dokumentationen oder KI-Antworten oft zu kurz kommen. So gewinnen Sie Sicherheit in der praktischen Umsetzung moderner Authentifizierungsverfahren – von der Auswahl bis zur sicheren Integration in eigene Systeme.
Für wen lohnt sich die Teilnahme?
Der Workshop richtet sich an Administratoren, DevOps-Engineers und Entwickler, die moderne Authentifizierung wie Passkeys, FIDO und PKI sicher in der Praxis einsetzen und korrekt in bestehende Systeme integrieren möchten.

(ilk)
-
Künstliche Intelligenzvor 3 MonateniX-Workshop Angriffsziel lokales AD − Schwachstellen finden und beheben
-
Künstliche Intelligenzvor 3 Monaten„Don’t Starve Elsewhere“: Survival‑Hit kehrt nach zehn Jahren zurück
-
Künstliche Intelligenzvor 3 MonatenKine‑Exakta: Die erste Spiegelreflexkamera fürs Kleinbild
-
Künstliche Intelligenzvor 2 MonatenWeitere Entlassungswelle bei Disney: Bis zu 1000 Mitarbeiter betroffen
-
Künstliche Intelligenzvor 2 Monaten
xTool P3 im Test: CO₂-Laser mit 80 Watt schneidet und graviert auch Acryl
-
Social Mediavor 2 MonatenMetas neuer Creative Setup Workflow: Was sich wirklich ändert – und warum das nicht nur eine UI-Frage ist!
-
Apps & Mobile Entwicklungvor 2 MonatenMega-GPUs für Nvidia, AMD & Co: TSMC zeigt CoWoS-Package mit >11.600 mm² & 24 × HBM5E
-
Entwicklung & Codevor 1 MonatKommentar: Das Ende der SaaS-Gelddruckmaschine
