Google DeepMind hat von Experten begutachtete Ergebnisse veröffentlicht, die zeigen, dass sein WeatherNext-KI-Wettermodell bei der Vorhersage tropischer Wirbelstürme höchste Genauigkeit erreicht und im Vergleich zu führenden operativen Prognosesystemen durchschnittlich einen ganzen Tag oder mehr an Vorhersagezeit einbringt. Die Forschung erschien am 6. August 2026 in der Zeitschrift Nature und Google stellt die Modelle zusammen mit der Veröffentlichung als Open Source zur Verfügung.

Der Durchbruch kommt zu einem Zeitpunkt, an dem die KI-Branchenberichterstattung zunimmt, in dem künstliche Intelligenz zunehmend bei hochriskanten wissenschaftlichen und öffentlichen Sicherheitsproblemen eingesetzt wird. Tropische Wirbelstürme haben in den letzten 50 Jahren mehr als 700.000 Todesopfer und wirtschaftliche Verluste in Höhe von 1,4 Billionen US-Dollar verursacht, wie aus den in der DeepMind-Ankündigung zitierten Zahlen hervorgeht. Selbst geringfügige Verlängerungen der prognostizierten Vorlaufzeiten haben Auswirkungen auf Evakuierung und Katastrophenhilfe.

Ein Tag Vorlaufzeit, komprimiert in einem System

Das Hauptergebnis ist die Durchlaufzeit. Bei Wirbelstürmen von 2023 bis 2025 bieten die Verlaufs-, Intensitäts- und Windstrukturvorhersagen von WeatherNext im Durchschnitt einen Tag oder mehr Vorsprung gegenüber führenden Betriebsmodellen. In der Praxis entspricht die Drei-Tage-Prognose der Vorhersage früherer Systeme nach zwei Tagen. Die Forscher beschreiben die Verbesserung als vergleichbar mit etwa einem Jahrzehnt operativen meteorologischen Fortschritts, komprimiert in einem einzigen KI-System.

Bei der Zyklonvorhersage, bei der Evakuierungsbefehle, Versorgungsbereitstellung und Notfallmeldungen von den Stunden abhängen, ist dieser Spielraum die Messgröße, die am meisten zählt. Der Artikel stellt WeatherNext Cyclones vor, ein KI-Modell, das Ensemble-Vorhersagen über die Spur, Intensität und Größe eines tropischen Wirbelsturms für einen Zeitraum von bis zu 15 Tagen erstellt.

Wie das Modell funktioniert

Die Trainingsdaten kombinierten eine globale Atmosphärenanalyse mit der IBTrACS-Datenbank von fast 5.000 historischen Stürmen. Das Modell verwendet funktionale generative Netzwerke, um Wahrscheinlichkeitsverteilungen anstelle von Einzelpunktvorhersagen zu erstellen, und es lässt sich auf Ensembles mit 1.000 Mitgliedern skalieren – das Zwanzigfache der 50-Mitglieder-Läufe des vorherigen Systems. Größere Ensembles erfassen seltenere, aber schwerwiegende Ereignisse besser, etwa die schnelle Intensivierung, das gefährliche Phänomen, bei dem die Windgeschwindigkeit eines Sturms plötzlich ansteigt.

Eine Erkenntnis zeichnet sich durch ihre Herausforderungen aus. Eine hohe räumliche Auflösung galt lange als Preis für genaue Intensitätsvorhersagen. WeatherNext Cyclones läuft mit Eingaben von 28 x 28 Kilometern, etwa 100-mal größer als herkömmliche regionale Modelle, und eine kompakte Variante namens WeatherNext 2-mini arbeitet mit 111 x 111 Kilometern und bietet immer noch eine gute Leistung. In dem Papier heißt es, dass eine hohe Auflösung keine unbedingte Voraussetzung für eine hochmoderne Intensitätsvorhersage ist, und die Forscher weisen als offene Frage darauf hin, wie das Modell Intensitätssignale aus gröberen Daten extrahiert.

Getestet während der Hurrikansaison 2025

Die Bewertung erfolgte nicht rein retrospektiv. Während der atlantischen Hurrikansaison 2025 lief das Modell parallel zum operativen Arbeitsablauf des National Hurricane Center und half Meteorologen, die schnelle Intensivierung und Landung von Hurrikan Melissa auf Jamaika weit genug im Voraus vorherzusagen, um eine Frühwarnung zu unterstützen. Der Verifizierungsbericht 2025 des NHC dokumentiert die prognostizierte Leistung der Saison. In diesem Jahr generiert das System 1.000 mögliche Szenarien pro Zyklon, um die Entscheidungsfindung der Prognostiker zu unterstützen.

Die Arbeit war eine Zusammenarbeit zwischen Google DeepMind und Google Research-Wissenschaftlern und operativen Prognostikern am National Hurricane Center, dem Cooperative Institute for Research in the Atmosphere (CIRA) und dem UK Met Office, von denen mehrere Mitautoren des Nature-Papiers sind.

Drei Open-Source-Varianten veröffentlicht

Die Open-Source-Veröffentlichung umfasst drei Modellvarianten:

  • WeatherNext Cyclones – die Version, die während der Hurrikansaison 2025 lief und deren Ergebnisse in der Zeitung erscheinen
  • WeatherNext 2 – das spätere Update, das Google im Oktober 2025 in Betrieb genommen hat
  • WeatherNext 2-mini – eine kompakte Version, die auf einer einzigen TPU in einem kostenlosen Google Colab-Notebook läuft

Code und Gewichte für alle drei sind auf GitHub verfügbar. Eine einzelne 15-Tage-Prognose dauert auf einer TPU weniger als eine Minute, was bedeutet, dass die Einschränkung bei der Einführung jetzt auf Fachwissen und Integration und nicht auf Berechnungen liegt.

Vorhersagen können auch im Weather Lab untersucht werden, das Google von der Zyklonverfolgung auf vollständige globale Vorhersagen zu Temperatur, Niederschlag und Windgeschwindigkeit erweitert hat. Sowohl die Modelle als auch das Weather Lab sind Teil von Google Earth AI, dem Dachprojekt des Unternehmens zur Anwendung maschinellen Lernens auf Klima- und Geodatenherausforderungen.

Warum es wichtig ist

Das Ergebnis verstärkt einen breiteren Trend: KI-basierte Wettermodelle entwickeln sich schneller von Forschungsdemonstrationen zu operativen Werkzeugen, als viele Meteorologen erwartet hatten. Durch die offene Bereitstellung der Gewichte und die Veröffentlichung in einer hochrangigen Fachzeitschrift positioniert Google WeatherNext als Referenzsystem, auf dem nationale Meteorologieagenturen und Forscher weltweit aufbauen können.

Für Gemeinden in zyklongefährdeten Regionen kann ein zusätzlicher Warntag den Unterschied zwischen einer geordneten und einer chaotischen Evakuierung ausmachen. Da KI-Wettermodelle immer ausgereifter werden, verlagert sich die Wettbewerbsfrage von der reinen Genauigkeit hin zu der Frage, wer Prognosen am schnellsten in die Tat umsetzen kann.

Bleiben Sie der KI immer einen Schritt voraus

Um mehr darüber zu erfahren, wie künstliche Intelligenz Wissenschaft, Infrastruktur und das tägliche Leben verändert, folgen Sie unserer Berichterstattung über aktuelle KI-Nachrichten. Wir verfolgen die Forschung, die Unternehmen und die Richtlinien, die das Feld prägen, in Echtzeit.

Weitere KI-Neuigkeiten lesen →