Eine KI für die ganze Erde – ETH zeigt, wie Extremwetter entsteht

Forschende der ETH Zürich und EPFL haben ein neues KI-Modell vorgestellt, das Wetter, Wasser und Boden als ein einziges System versteht – und dabei selbst dann zuverlässig Prognosen liefert, wenn nur drei Prozent der Satellitendaten ankommen. Das «Earth System Foundation Model» (ESFM) ist auf Hugging Face frei verfügbar.

Drei Prozent reichen, der Rest wird rekonstruiert

Klassische Wettermodelle behandeln Atmosphäre, Hydrologie und Landoberfläche meist getrennt. Das ESFM verknüpft sie miteinander: Es lernt, wie sich Luft, Wasser und Land gegenseitig beeinflussen, und erkennt Muster über die Disziplingrenzen hinweg.

Der spannendste Teil: Das Modell ist so gebaut, dass es fehlende Daten innerlich rekonstruiert. Satellitenbilder, bei denen Wolken oder Sensorausfälle 97 Prozent der Pixel verschlucken, reichen ihm immer noch, um plausible Vorhersagen zu liefern. Das ist für Wetterdienste in datenarmen Regionen ein Gamechanger – und für die Forschung zu Extremereignissen ein neues Werkzeug.

Vom Wetter-Modell zum Foundation Model

Der Begriff Foundation Model ist hier wörtlich zu nehmen: ESFM ist nicht für eine einzige Aufgabe trainiert, sondern als Basis, die sich für viele Anwendungen feintunen lässt. Genannt werden unter anderem:

• Regionale Wettervorhersagen
• Dürre- und Hochwasser-Indikatoren
• Landwirtschaftliche Planung
• Biodiversitäts-Monitoring
• Szenarien-Analyse bei mehreren Klimatreibern gleichzeitig

Damit folgt die Schweizer Forschung dem Muster, das ChatGPT, Claude und Gemini im Sprachbereich gezeigt haben: Ein generalistisches Basismodell, viele spezialisierte Ableger.

Die Schweizer Spuren im Modell

Verantwortlich ist unter anderem Benedikt Soja, Professor für Weltraumgeodäsie an der ETH Zürich. Unterstützt wird das Projekt durch das International Computation and AI Network (ICAIN) der ETH und in enger Zusammenarbeit mit der EPFL. Damit reiht sich ESFM in eine wachsende Liste hochkarätiger Schweizer KI-Initiativen ein – nach Meditron vom CHUV in Lausanne, dem Swiss AI Sprachmodell und der gemeinsamen ETH-EPFL-KI-Initiative, die alle in den letzten Monaten Aufmerksamkeit erhalten haben.

Wenn Foundation Models bisher vor allem Texte oder Bilder verstanden haben, dann zeigt ESFM, dass dieselbe Methode auch unsere planetare Datenflut bändigen kann.

Klima trifft Open Source

Die Wahl der Plattform ist kein Zufall: ESFM liegt auf Hugging Face und im Git-Repository – also offen für Forschende, Behörden und Unternehmen weltweit. Damit lässt sich das Modell in regionale Wetterdienste, NGO-Frühwarnsysteme oder kommerzielle Klima-Analysen einbauen, ohne dass jemand bei Null anfangen müsste.

Einordnung: Schweiz mischt bei Klima-KI mit

Internationale Modelle wie Google's GraphCast oder NVIDIA's FourCastNet konzentrieren sich vor allem auf reine Wettervorhersage. ESFM denkt breiter – Erdsystem statt Atmosphäre. Vorgestellt wurde es Anfang Mai an der EGU General Assembly in Wien, der wichtigsten Geowissenschafts-Konferenz Europas.

Für die Schweiz ist das auch politisch relevant. Während die EU mit dem AI Act regelt und die USA mit Bundes-Tests reagieren, positioniert sich die ETH mit anwendungsoffener Forschung – nicht in Konkurrenz zu den Big Labs, sondern dort, wo akademische Tiefe und gesellschaftliche Wirkung zusammenfallen.

Wer in der Schweiz mit Klima-Daten arbeitet – sei es im Versicherungswesen, in der Landwirtschaft oder bei der Stadtplanung – sollte ESFM auf dem Radar haben.