Google DeepMind und Google Research haben am Donnerstag WeatherNext 3 auf den Markt gebracht und es als das fortschrittlichste und genaueste globale Wetter-KI-Modell beschrieben, das das Unternehmen jemals entwickelt hat. Das neue System erstellt jede Stunde statt alle sechs eine neue Vorhersage und löst wichtige Oberflächenvariablen wie Temperatur und Feuchtigkeit in einem 5-Kilometer-Raster auf – ein Bild, das laut Google etwa fünfmal schärfer ist als sein Vorgänger WeatherNext 2.
Im Gegensatz zu den meisten Modelleinführungen ist diese bereits in Produkte integriert, die von Milliarden Menschen genutzt werden. Laut Google liefert WeatherNext 3 jetzt Wetterergebnisse für die Suche, Gemini, Maps, Google Maps Platform und Google Cloud. Für Anhänger der neuesten [KI-Nachrichten und Forschungsergebnisse] (https://aibuzzwire.news) ist die Wettervorhersage still und leise zu einem der kommerziell erfolgreichsten Gebiete des maschinellen Lernens geworden – ein Bereich, in dem KI-Systeme keine Forschungsdemonstrationen mehr sind, sondern die Standardmaschine für alltägliche Antworten.
Ein fünffacher Auflösungssprung
Der Nutzen einer Prognose hängt oft vom Detail ab: Wie fein ein Modell sowohl Raum als auch Zeit auflöst. WeatherNext 3 generiert stündliche Vorhersagen mit mehreren räumlichen Auflösungen. Oberflächentemperatur und -feuchtigkeit werden in 5 Kilometern Entfernung dargestellt, andere Oberflächenvariablen in 10 Kilometern Entfernung und atmosphärische Variablen wie die Windgeschwindigkeit in 25 Kilometern Entfernung.
Im Vergleich dazu erstellte WeatherNext 2 Vorhersagen auf einem 25-Kilometer-Raster in 6-Stunden-Schritten. In einem parallel zur Ankündigung veröffentlichten Vergleich löste die 2-Meter-Temperaturvorhersage des neuen Modells über das Vereinigte Königreich die komplizierte lokale Topographie auf und vermied die pixeligen, übermäßig geglätteten thermischen Darstellungen, die das ältere Raster erzeugte.
Von Live-Satelliten lernen, nicht nur von Simulationen
Aus der tieferen Veränderung lernt das Modell. Die meisten KI-Wettermodelle, einschließlich WeatherNext 2, basieren auf Ergebnissen der numerischen Wettervorhersage (NWP) – den Supercomputer-gesteuerten Physiksimulationen, die seit Jahrzehnten in der betrieblichen Meteorologie verankert sind. Bei diesen Simulationen liegt eine Datenverzögerung von sechs Stunden vor, was zu Verzerrungen bei sich schnell ändernden Variablen wie Regen und Oberflächentemperatur führt.
WeatherNext 3 geht einen anderen Weg. Es erfasst ein Live-Mosaik globaler geostationärer Satellitenbilder, die stündlich aktualisiert werden, sowie traditionelle historische Analysen und speist beides in ein einziges Functional Generative Network (FGN) ein – eine Mesh-Transformator-Architektur, die nativ dichte Gitterfelder, diskrete Zyklonspuren und Vorhersagen auf Stationsebene ausgibt. Da jede stündliche Vorhersage auf den neuesten Satellitenbeobachtungen basiert, kann das Modell laut Google schnell wechselnde Wetterbedingungen mit weitaus größerer Präzision verfolgen, mit einigen der größten Zuwächse bei den Niederschlägen – den Regen- und Schneevorhersagen, nach denen die Menschen ihre Tage tatsächlich planen.
Von Gitterzellen zu Zyklonspuren
Die Ergebnisse des FGN sind für ein einzelnes Modell bemerkenswert unterschiedlich. Über gerasterte Felder hinaus sendet es diskrete Zyklonspuren und spärliche Koordinaten auf Stationsebene als erstklassige Vorhersagen und nicht als nachbearbeitete Add-ons. Das ist wichtig für Prognostiker, die Hurrikane und Taifune überwachen, da sich Fehler bei der Verfolgung direkt in Evakuierungsentscheidungen niederschlagen. Die vorherige WeatherNext-Generation von Google machte im August mit einem Durchbruch bei der Vorhersage tropischer Wirbelstürme auf sich aufmerksam, und die neue Architektur erweitert diesen Arbeitsbereich.
Wo die Prognosen erscheinen
Google führt WeatherNext 3 in den Bereichen Suche, Gemini, Maps, Google Maps Platform und Cloud ein. Das Unternehmen hob außerdem zwei Ergänzungen hervor, die sich an professionelle Anwender richten: schärfere Niederschlagsvorhersagen und neue Variablen für saubere Energie, Ergebnisse, die für den Sektor der erneuerbaren Energien konzipiert sind, wo Wind- und Solarbetreiber etwa stündliche atmosphärische Veränderungen planen.
Unternehmen können die Prognosen über Google Cloud integrieren, wodurch WeatherNext 3 nicht nur als Verbraucherfunktion, sondern als Datenprodukt positioniert wird – eines, auf dem Landwirtschaftsunternehmen, Logistikunternehmen und Netzbetreiber direkt aufbauen können.
Wie der Genauigkeitsanspruch gemessen wurde
Die Behauptung von Google, dass WeatherNext 3 das bisher genaueste globale Wettermodell ist, beruht nicht nur auf internen Tests, sondern auch auf unabhängigen Live-Bewertungen von Brightband, einem Wetter-KI-Unternehmen, das kontinuierliche Benchmarks von Vorhersagesystemen durchführt. Die Einholung einer Bewertung durch Dritte entwickelt sich zu einem Muster für die wissenschaftlichen Modelle von Google und greift einen seit langem bestehenden Kritikpunkt auf, dass KI-Wetterzeitschriften Ergebnisse zu kuratierten historischen Datenmengen und nicht zu realen Bedingungen berichten.
Warum dies über die Dach-App hinaus wichtig ist
In der Ankündigung von Google wird das Wetter als Einflussfaktor für Entscheidungen aller Größenordnungen betrachtet – vom Ergreifen eines Regenschirms bis zur Bewältigung von Hitzewellen und Dürren, die sich auf die Landwirtschaft, globale Lieferketten, die Produktion sauberer Energie und die Volkswirtschaften auswirken. Laut Google haben sich KI-Prognostiker in den letzten Jahren ihren Platz in dieser Pipeline dadurch verdient, dass sie Vorhersagen schneller als herkömmliche Methoden erstellen und gleichzeitig deren Genauigkeit erreichen oder sogar übertreffen.
Auch die Wettbewerbslandschaft verschärft sich. Meteorologische Agenturen und Technologieunternehmen haben in den letzten Jahren gleichermaßen KI-Vorhersagesysteme ausgeliefert, und stündliche, satellitengestützte Vorhersagen legen für sie alle die Messlatte höher. Die Frage für das nächste Jahr ist, ob nationale Wetterdienste damit beginnen, Modelle wie WeatherNext 3 als Primärquellen und nicht als experimentelle Ergänzungen zu behandeln – und ob Googles stündlicher Rhythmus zum neuen Basiswert der Branche wird.
---
Der KI einen Schritt voraus seinErhalten Sie die neuesten KI-Nachrichten, Analysen und Durchbrüche – alles an einem Ort.
Weitere KI-Neuigkeiten lesen →
