Kunstig intelligens er ved at omforme hele kæden fra vejrobservation til beslutningstagning i katastrofesituationer. Det fremgår af et interview med Celeste Saulo, generalsekretær for Verdensmeteorologiorganisationen (WMO), og Monique Kuglitsch, formand for det ITU-ledede Global Initiative on Resilience to Natural Hazards through AI Solutions, offentliggjort den 23. marts 2026 i forbindelse med Verdens Meteorologidag.
AI transformerer vejrudsigt og katastrofeberedskab
Ifølge Saulo anvendes AI ikke blot som ét enkelt redskab i én bestemt fase, men former i stigende grad hele processen – fra jordobservation og dataindsamling til vejrprognoser og beslutningsstøtte.
"Maskinlæringsmodeller matcher nu i visse tilfælde eller overgår endda traditionelle dynamiske modeller. Fysiske modeller forbliver afgørende, men AI kan forbedre deres kvalitet betydeligt," siger Celeste Saulo.
Et centralt punkt er tilgængelighed: selv den mest præcise vejrudsigt er kun nyttig, hvis den kan forstås og handles på. Her spiller AI en væsentlig rolle i at oversætte komplekse data til handlingsorienteret information.
Åbne data og forklarbar AI i fokus
Kuglitsch peger på en tydelig tendens mod større transparens i AI-systemer – åbne data, delte metoder og såkaldt forklarbar AI (explainable AI). Denne tilgang er dokumenteret i en videnskabelig undersøgelse udarbejdet i samarbejde med Det Europæiske Center for Mellemfristede Vejrudsigter (ECMWF), publiceret i tidsskriftet Nature Geoscience.
"I høj-stakes katastrofesituationer vil AI-systemer kun blive taget i brug, hvis folk forstår, hvordan de fungerer, og hvorfor de producerer bestemte resultater," forklarer Monique Kuglitsch.
Initiativet har endvidere lanceret projektet "ARTEMis" med støtte fra Horizon Europe, som skal lægge grundlaget for fælles protokoller for AI i katastrofeberedskabet i Europa.
Datamangel og infrastruktur udgør de største barrierer
Begge eksperter understreger, at de primære begrænsninger for AI i katastrofeberedskabet er datakvalitet og global infrastruktur.
"AI er kun så god som de data, vi bruger. I mange af de mest sårbare regioner er data ufuldstændige eller upålidelige – og det er en alvorlig begrænsning," siger Saulo.
Hun påpeger desuden, at WMO's multilaterale system for datadeling er en forudsætning for globale vejrprognosesystemer – og at dette system ikke altid er tilstrækkeligt forstået eller støttet politisk.
Initiativer der mindsker kløften mellem lande
ECMWF's såkaldte "forecast-in-a-box"-initiativ – et sæt skybaserede algoritmer – fremhæves som et eksempel på, hvordan avancerede vejrudsigtskapaciteter kan tilpasses til nationale kontekster, herunder lande med begrænsede ressourcer.
Kuglitsch bemærker, at standardiseringsarbejdet i ITU begyndte, inden generativ AI, EU's AI-forordning og mange af de nuværende AI-systemer overhovedet eksisterede. Dengang var der ingen koordinerede internationale indsatser for at udvikle standarder for AI i katastroferisikoreduktion.
Vejen frem: Samarbejde og helhedstænkning
| Prioritet | Aktør | Indsats |
|---|---|---|
| Datakvalitet og -deling | WMO | Styrke multilateralt datasystem |
| Standardisering | ITU | ARTEMis-projekt og internationale protokoller |
| Forklarbar AI | ECMWF/ITU | Forskning og åbne metoder |
| Kapacitetsopbygning | Internationale organer | Forecast-in-a-box til ressourcesvage lande |
Begge ledere understreger, at katastroferobusthed kræver, at mange elementer fungerer sammen: observation, vejrudsigt, kommunikation, beredskab og tidlig handling.
"Vi har en enorm mulighed og også et enormt ansvar," siger Saulo.
Diskussionerne om AI og katastroferobusthed fortsætter ved AI for Good Global Summit, der afholdes 7.-10. juli 2026 i Genève, Schweiz. Artiklen er baseret på drøftelser ved det 3. møde og workshop i det globale ITU-initiativ afholdt i december 2025.
