Seit etwa vier Monaten ist das KI-Modell des Europäischen Zentrums für mittelfristige Wettervorhersage (EZMW), das sogenannte AIFS-ENS, operationell verfügbar. In diesem Blog vergleichen wir die aktuellen Berechnungen des KI-basierten Modells mit dem «klassischen» physikalischen Modell IFS-ENS.
Von der Einzel zur Ensemble KI Vorhersage
Am 1. Juli 2025 startete das EZMW den ensemblebasierten Betrieb des „Artificial Intelligence Forecasting System (AIFS)“. Die neue Version - AIFS-ENS - besteht aus 51 leicht unterschiedlichen Vorhersagen (ein Ensemble) und läuft parallel zum klassischen physikbasierten IFS-Modell.
Die Einzelversion (AIFS-Single) war bereits seit Ende Februar 2025 im Einsatz. Diese ersten Prognosen wirkten jedoch zu geglättet: Räumliche und zeitliche Schwankungen wurden abgeschwächt. Niederschläge oder Temperaturänderungen unterschätzt, und die Felder waren teilweise physikalisch inkonsistent. Ursache war das Training des neuronalen Netzes: Bei Unsicherheiten in den Daten tendierte es zu einer Mittelwertlösung – anders als klassische numerische Modelle, die durch physikalische Gesetze dynamischere Entwicklungen erzwingen.
Mit dem neuen AIFS-ENS wurde dieses Problem gelöst. Statt einer einzigen Berechnung entsteht nun eine ganze Familie von Prognosen. Dadurch steigt die Variabilität. Zudem lassen Wahrscheinlichkeiten sich quantifizieren - etwa ob ein Niederschlagsereignis eintritt oder eine bestimmte Temperatur überschritten wird.
Die neue Ensemble-KI übertrifft in vielen Grössenordnungen die besten physikbasierten Modelle - zum Beispiel bei der 2m Temperatur mit Verbesserungen von bis zu 20 %.
Derzeit läuft sie noch mit geringerer räumlicher Auflösung (ca. 31 km) im Vergleich zum physikbasierten Ensemble (ca. 9 km), das daher weiterhin unverzichtbar bleibt – insbesondere für hochaufgelöste Felder und gekoppelte Erdsystemprozesse wie Ozeanströmungen.
Das AIFS-ENS nutzt physikbasierte Datenassimilation als Anfangsbedingungen, die identisch zu denen des IFS-ENS sind. Es erstellt Vorhersagen über zehn Mal schneller und verbraucht dabei rund tausend Mal weniger Energie.
In der aktuellen Vorhersage stimmen KI- und Physikmodell weitgehend überein. Untenstehend eine Punktvorhersage für Zürich.
Auch bei der flächenweiten Verteilung der erwarteten Niederschläge am Sonntag zeigen beide Modelle ein sehr ähnliches Bild. Untenstehend die Wahrscheinlichkeit, dass am Sonntag mehr als 20 mm Niederschlag fällt.
Da beide Modelle grob aufgelöst sind, bilden sie lokale topographische Effekte nicht ausreichend ab. Unsere eigenen ICON-CH1-EPS- und ICON-CH2-EPS-Modelle behalten deshalb einen hohen Wert.
