Die bessere Wettervorhersage: Die KI Wetter App

Das Setup: Warum KI für Wetter?

Ein Wetterfrosch im Glas war wohl die erste Form der Wettervorhersage. Heute dominieren riesige Wettermodelle, die hunderte Parameter global überwachen und präzise Voraussagen berechnen. Doch was kann man daran noch verbessern?

Die Antwort liegt in der Nutzung lokaler Live-Daten und der Fähigkeit Künstlicher Intelligenz, komplexe, bisher unbekannte Muster in diesen Daten zu erkennen. Meine Idee war es, ein neuronales Netz mit allen möglichen Wetterdaten zu trainieren. So lernt die KI, welche Parameter entscheidend sind, um beispielsweise die Temperatur präzise vorherzusagen.

Dieses Konzept, kombiniert mit aktuellen Live-Daten und einer übersichtlichen, ansprechenden Web-App, manifestiert sich in ki-wetter.de.

Wie eine Wetter KI funktioniert

Während KI oft mit Bild- und Textdaten assoziiert wird (man denke an ChatGPT oder Dall-E), erfordern Wetterdaten einen anderen Ansatz. Temperatur, Luftdruck, Niederschlag – all dies sind numerische Werte, die ideal für die Verarbeitung durch neuronale Netze sind.

Die größte Herausforderung bei Wetterdaten sind ihre Zeitreihen-Natur. Ein Temperaturverlauf über 24 Stunden erfordert eine KI mit "Gedächtnis". Hier kommen Recurrent Neural Networks (RNNs) ins Spiel. Sie verarbeiten Zeitreihen Schritt für Schritt, wobei der Output eines Zeitpunkts als Input für den nächsten dient.

Um das Problem des "kurzen Gedächtnisses" klassischer RNNs zu lösen, kommen spezialisierte Architekturen wieLSTMs (Long Short-Term Memory) und GRUs (Gated Recurrent Units) zum Einsatz. Diese verfügen über interne "Gates", die es ihnen ermöglichen, relevante Informationen über längere Zeiträume hinweg zu speichern und unwichtige zu verwerfen. So bauen sie ein effektives Gedächtnis für zeitliche Abhängigkeiten auf.

Die Trainingsdaten stammen vom Deutschen Wetterdienst (DWD), einer riesigen Datenbank mit Wetteraufzeichnungen der letzten Jahrzehnte. Für dieses Projekt wurden stündliche und tägliche Daten von 15 verschiedenen Stationen quer durch Deutschland genutzt, darunter Werte wie:

• Temperatur
• Luftdruck
• Luftfeuchte
• Sonnenscheindauer
• Windgeschwindigkeit & -richtung
• Windböen Geschwindigkeit
• Niederschlag

Ein spezielles Windowing wurde auf diese Zeitreihen angewendet, um vergangene Schritte als Input und zukünftige als Target-Output zu definieren.

Die Komplexität des neuronalen Netzes wurde so gewählt, dass ein effizientes Training über 1000 Epochen möglich war. Das Ergebnis ist sehr gut: Die durchschnittliche Abweichung in der Temperaturvorhersage liegt bei lediglich 0,5°C, und Niederschläge konnten mit fast 97% Genauigkeit vorhergesagt werden.

Für die 5-Tages-Vorhersage ergab sich ein ähnliches Bild, mit einer mittleren Abweichung von 1,1°C und einer Genauigkeit von 95%. Wie zu erwarten, ist die Langzeitvorhersage leicht weniger präzise als die 24h-Vorhersage, bleibt aber auf hohem Niveau.

Die App mit Front- und Backend

Die beste KI ist nutzlos, wenn sie nicht zugänglich gemacht wird. Meine Vision war es, alle Wettervorhersagen einfach und übersichtlich auf einer Seite darzustellen. Der Nutzer gibt lediglich einen Ort ein, und im Hintergrund berechnet die KI die entsprechenden Wetterdaten.

Das gesamte Backend wurde mit Django implementiert. Eine schlanke API verarbeitet Anfragen zu bestimmten Orten, ruft Wetterdaten ab, schickt diese durch das neuronale Netz und liefert das Ergebnis zurück.

Nachdem KI und Backend eingerichtet waren, folgte der dritte Teil: Das Frontend. Dieses wurde mit Next.js realisiert. Die Web-App zeigt initial leere Diagramme an. Nach Eingabe und Absenden des Ortes werden die Daten vom Backend geliefert und die Diagramme dynamisch generiert.

Für die ansprechenden, animierten Diagramme kam Chart.js zum Einsatz, ergänzt durch spezifische Anpassungen für wetterbezogene Visualisierungen. In Kombination mit Tailwind CSS für das Styling und Anime.js für flüssige Animationen lassen sich sämtliche visuellen Effekte einfach und schnell erzeugen.

Das fertige Ergebnis dieses Projekts können Sie hier live erleben.