Google Research und DeepMind haben mit WeatherNext 3 einen Forschungsdurchbruch vorgestellt, der die Wettervorhersage grundlegend anders angehen: Das KI-Modell verzichtet komplett auf klassische Physik-Simulationen und trainiert stattdessen direkt auf Live-Daten von geostationären Satelliten. Das Ergebnis ist eine fünfmal schärfere räumliche Auflösung und stündliche Aktualisierungen statt Sechs-Stunden-Zyklen.
Kurz & knapp
- WeatherNext 3 liefert stündliche Vorhersagen mit bis zu 5 Kilometer Auflösung – fünfmal detaillierter als der Vorgänger (25 km)
- Das Modell lernt direkt von Live-Satellitendaten statt von klassischen numerischen Wettervorhersagen, die eine 6-Stunden-Verzögerung mit sich bringen
- Besonders profitieren sollen unterversorgte Regionen in Afrika, Lateinamerika und dem asiatisch-pazifischen Raum
- Die Vorhersagen sind beim Niederschlag bis zu 50 Prozent genauer und sollen in Google-Dienste wie Search, Maps und Gemini einfließen
Wie das alte System die Genauigkeit bremste
Bisherige KI-Wettermodelle, auch WeatherNext 2, wurden auf Daten aus der numerischen Wettervorhersage (NWP) trainiert. Diese Simulationen laufen auf Supercomputern und bringen laut Google eine Verzögerung von sechs Stunden mit sich – ein entscheidender Nachteil bei schnell wechselnden Wetterereignissen wie plötzlichen Stürmen oder Regenbändern. Fehler bei Temperatur- oder Niederschlagsprognosen waren die Folge.
WeatherNext 3 dreht diesen Prozess um: Das Modell verarbeitet Live-Daten von geostationären Satelliten und erzeugt jede Stunde eine neue Vorhersage auf Basis der aktuellsten Beobachtungen. Dadurch können schnell entstehende Wetterereignisse früher und genauer erfasst werden.
Räumliche Details, die vorher verloren gingen
Die neue Auflösung macht einen großen praktischen Unterschied. WeatherNext 3 stellt Temperatur und Feuchtigkeit mit 5 Kilometern dar, andere Oberflächenwerte mit 10 Kilometern und atmosphärische Größen wie Windgeschwindigkeit mit 25 Kilometern. Das Modell trainiert zusätzlich mit Daten von einzelnen Wetterstationen, um lokale Besonderheiten wie Küsten, Täler oder Gebirgszüge abzubilden.
Das zeigt sich deutlich beim Vergleich: Während WeatherNext 2 bei einer Temperaturvorhersage über Großbritannien eine verpixelte Darstellung liefert, bildet WeatherNext 3 die lokale Topographie ab. Gebirgszüge und Küstenlinien, die im 25-Kilometer-Raster zu groben Blöcken verschmelzen, werden jetzt aufgelöst. Beim Niederschlag über dem Nordwesten der USA löst WeatherNext 3 die schmalen Regenbänder deutlich schärfer auf und kommt der Radarmessung näher.
Besondere Vorteile für unterversorgte Regionen
Die höhere Auflösung und die wegfallenden Rechenkosten klassischer Regionalmodelle bedeuten einen großen Fortschritt für Regionen, die bislang schlecht mit genauen Vorhersagen versorgt waren. Google nennt explizit Lateinamerika, Afrika und den asiatisch-pazifischen Raum als Profiteure.
Zusätzlich berechnet WeatherNext 3 spezifische Daten für erneuerbare Energien – ein Mehrwert für Solar- und Windkraftanlagen, die auf präzise Vorhersagen angewiesen sind. Die verbesserten Niederschlagsprognosen, die bis zu 50 Prozent genauer sind, sollen in Google-Dienste wie Search, Maps und Gemini einfließen.
Was das für deutsche Unternehmen bedeutet
Für deutsche Wetter- und Energieunternehmen könnte WeatherNext 3 relevant werden – sowohl als potenzieller Datenlieferant als auch als Benchmark für eigene Modelle. Die Genauigkeit bei Niederschlag und Wind ist für Windkraftbetreiber und Energieversorger entscheidend. Ob und wie Google die Daten kommerziell verfügbar macht, bleibt offen. Gleichzeitig zeigt sich hier ein Trend: Große Tech-Konzerne setzen vermehrt auf KI statt klassische Physik-Simulation, was Fragen zur Validierung und Nachvollziehbarkeit von Vorhersagen aufwirft – ein Punkt, den deutsche Regulatoren im Blick behalten sollten.
Quellen
Redaktionell verantwortet von Ideal Syka. Quellen und Arbeitsweise: Redaktion & Methode. Hinweise und Korrekturen: ai@i6eal.de.
