KI sagt das Wetter voraus – Überraschend unzuverlässig wie ein Murmeltier?

Am 2. Februar, dem traditionellen „Groundhog Day“, richten viele Menschen erneut ihre Aufmerksamkeit auf die Wettervorhersagen von Murmeltieren und anderen Tieren, die an diesem Tag aus ihren Bauten geholt werden. Diese Tiere prognostizieren den weiteren Verlauf des Winters auf der Grundlage dessen, ob sie ihren Schatten sehen oder nicht, sind jedoch für ihre unzuverlässigen Vorhersagen bekannt. Ein bekanntes Beispiel ist Punxsatawney Phil, der in diesem Jahr sechs weitere Wochen Winter angekündigt hat. Studien und Beobachtungen zeigen, dass solche Tiere häufiger falsch liegen als richtig, und es gibt keine Möglichkeit, ihre Prognosen systematisch zu überprüfen oder sie dafür verantwortlich zu machen. Dieses Phänomen ähnelt in gewisser Weise der Arbeit von Künstlicher Intelligenz (KI).

Dabei wird nicht vorgeschlagen, Murmeltiere durch Chatbots oder Hologramme zu ersetzen. Vielmehr verdeutlicht der Vergleich, dass auch KI-Wetterprognosen nicht immer verlässlich sind, ähnlich wie die Aussagen eines Murmeltiers an einem Ort wie Gobbler's Knob. Um dies zu untersuchen, wurden mehrere KI-Modelle gebeten, Wettervorhersagen aus der Perspektive eines Murmeltiers zu erstellen. Alle erhielten denselben Auftrag: „Stell dir vor, du bist ein Murmeltier, das die langfristige Wettervorhersage trifft.“ Die Resultate waren unterschiedliche, teils skurrile Antworten, die die Unzuverlässigkeit der Vorhersagen illustrierten.

Das OpenAI-Modell ChatGPT-5.2 prognostizierte sechs weitere Wochen Winter, jedoch mit einer ungewöhnlichen Nuance: „Der Winter wird heimlich bleiben“, hieß es, begleitet von der Bemerkung, dass kurze warme Phasen oder sonnige Tage nur dazu dienen, die Menschen hoffen zu lassen, bevor der Winter überraschend zurückkehrt. Diese Art von Prognose spiegelt den unvorhersehbaren Charakter sowohl der Murmeltiere als auch der KI wider.

Das KI-System Claude von Anthropic (Sonnet 4.5) sagte hingegen einen frühen Frühling voraus. Das Modell äußerte gleichzeitig Zweifel an der Zuverlässigkeit solcher Vorhersagen: „Als Murmeltier habe ich immer ein wenig an dieser schattenbasierten Wetterprognose gezweifelt. Die Korrelation zwischen der Bewölkung am 2. Februar und den darauffolgenden sechs Wochen ist nicht besonders robust. Dennoch besteht die Tradition fort, und viele Menschen schätzen sie.“ Damit verdeutlichte Claude, dass selbst KI-gestützte Prognosen Unsicherheiten unterliegen.

Das Google-Modell Gemini 3 orientierte sich direkt an der Vorhersage von Punxsatawney Phil und sagte einen längeren Winter voraus. Ob diese Vorhersage selbst erstellt wurde oder auf Phils Prognose beruhte, blieb unklar. Das Modell formulierte die Aussage in der ersten Person und erklärte: „Es scheint, als wären die Winterwinde noch nicht bereit, ihre Taschen zu packen. Ich bin nur der Bote mit einer historischen Genauigkeit von 39 Prozent.“ Auf Anfrage nach einer zweiten Meinung verwies Gemini auf Buckeye Chuck in Ohio, der einen frühen Frühling voraussagte, und wies gleichzeitig darauf hin, dass die zugrunde liegenden Fakten nicht immer zuverlässig seien.

Diese Beispiele zeigen, dass unterschiedliche KI-Modelle auf dieselben Eingaben unterschiedliche Vorhersagen liefern können, vergleichbar mit Murmeltieren, die unter ähnlichen Bedingungen unterschiedliche Ergebnisse produzieren. Die zentrale Lehre daraus ist, dass sowohl bei tierischen als auch bei KI-basierten Wettervorhersagen Vorsicht geboten ist, wenn Entscheidungen darauf beruhen, was nicht überprüft oder zur Rechenschaft gezogen werden kann. Trotz technologischer Fortschritte bleiben die Grenzen der Vorhersagegenauigkeit bestehen, und eine kritische Bewertung der Prognosen ist unerlässlich.