Google Research und Google DeepMind haben WeatherNext 3 veröffentlicht, die neueste Version des KI-Wettervorhersagesystems des Unternehmens und nach Angaben von Google sein bisher genauestes globales Vorhersagemodell. Das am 3. September angekündigte System wird damit beginnen, Wetterinformationen in die Suche, Google Maps und Gemini einzuspeisen und ist für Unternehmen und Forscher über die Cloud-Plattformen von Google verfügbar.

Im Gegensatz zu den staatlichen Supercomputern, die seit Jahrzehnten die meisten Vorhersagen für die Welt erstellen, ist WeatherNext 3 ein Deep-Learning-Modell: Es lernt Muster direkt aus Beobachtungen, anstatt die Gleichungen der Atmosphärenphysik Schritt für Schritt zu lösen. Google gibt außerdem an, dass es das erste KI-Modell sei, das unbearbeitete Satellitenbeobachtungen direkt in eine hochauflösende globale Vorhersage einbezieht – eine Behauptung, die zumindest ein Wettbewerber bestreitet. Hier erfahren Sie, was sich geändert hat und warum Prognostiker weit über Google hinaus die [neuesten KI-Entwicklungen] (https://aibuzzwire.news) in diesem Bereich genau beobachten.

Wie KI den Standard der Wettervorhersage sprengte

Traditionelle Vorhersagen stammen von nationalen Agenturen wie dem US National Weather Service und dem European Centre for Medium-Range Weather Forecasts (ECMWF), deren Supercomputer mathematische Gleichungen durcharbeiten, die die Physik der Atmosphäre beschreiben. Diese Systeme sind bemerkenswert genau, aber teuer und vergleichsweise langsam.

Die Deep-Learning-Alternative kam auf, nachdem das ECMWF im Jahr 2018 mehr als ein halbes Jahrhundert archivierter Wetterdaten veröffentlichte und Forschern genau die Art von Training bot, von der neuronale Netzwerke im Korpus profitieren. „Das Wetter ist chaotisch, und so beginnen schon kleine Unterschiede, große Störungen auszulösen“, sagte Ferran Alet, wissenschaftlicher Mitarbeiter bei DeepMind, gegenüber TechCrunch. „Maschinelles Lernen zielt auf das Problem ab, das wir wirklich lösen, nämlich ungefähre verrauschte Physik aus unvollständigen Informationen und endlichen Berechnungen, und lernt daher Muster aus vielen Daten.“

Schärfer, schneller und viel häufiger

WeatherNext 3 ist ein größeres Modell als sein Vorgänger – 2,4-mal mehr Parameter – und übertrifft jetzt Brightbands Operational WeatherBench, einen unabhängigen Benchmark, der KI-Vorhersagesysteme hinsichtlich Temperatur, Windgeschwindigkeit und Luftfeuchtigkeit vergleicht. Laut TechCrunch übertrifft es konkurrierende Deep-Learning-Modelle von Google, Microsoft, Nvidia und dem ECMWF und übertrifft die traditionellen numerischen Vorhersagen des US National Weather Service und des ECMWF selbst.

Die praktischen Vorteile sind erheblich:

  • Auflösung bis zu 5 km für Schlüsselvariablen, wobei die meisten KI-Modelle über Gebiete von 15 bis 25 km prognostizieren. Der Decoder meldet, dass das Modell fünfmal detaillierter ist als WeatherNext 2.
  • Die Regenvorhersage hat sich in Googles Auswertungen im Vergleich zu WeatherNext 2 um 60 Prozent verbessert, und 9to5Google gibt 50 Prozent genauere Niederschlagsvorhersagen für Googles eigene Produkte an.
  • Stündliche Vorhersagen anstelle des standardmäßigen Sechs-Stunden-Takts, da das Modell stündlich in Echtzeit erfasste Satellitenbeobachtungen aufnehmen kann.
  • Targeting auf Stationsebene, was bedeutet, dass das Modell vorhersagt, was bestimmte Wetterstationen – nicht nur Rasterquadrate – messen werden.

„Die Idee bei vielen KI-Anwendungen besteht darin, zu versuchen, Aufgaben so durchgängig wie möglich auszuführen“, sagte Daniel Rothenberg, Atmosphärenforscher bei Brightband, gegenüber TechCrunch. „Das Hinzufügen einer Funktion, bei der dieses Modell nun beispielsweise auch vorhersagt, was die Wetterstation des Flughafens von Denver stündlich messen wird, bringt diese Vorhersageaufgabe nur näher an den Kern.“

Der Streit um Satellitenrohdaten

Der Anspruch von Google, ein Vorreiter zu sein, beruht sowohl auf der Datenanalyse als auch auf der Modellarchitektur. Die meisten KI-Prognostiker trainieren und initialisieren immer noch anhand formatierter Analysedatensätze, die von staatlichen Wetterbehörden erstellt wurden. WeatherNext 3 erfasst rohe Satellitenbeobachtungen direkt und stündlich – laut Google näher an einer echten Datenassimilation.

Das KI-Wetter-Startup WindBorne entgegnet, dass sein eigenes WeatherMesh-6-Modell seit Ende 2025 Rohbeobachtungen seiner Wetterballonflotte und anderer Quellen einbeziehe. Auf die Frage nach dem Streit verwies Google auf die globale Lösung seiner Prognosen. Laut TechCrunch stützen sich beide Unternehmen für Teile der Pipeline immer noch auf nationale Datensätze, so dass die vollständige direkte Assimilation für den gesamten Bereich noch in Arbeit ist.

Wo Benutzer es sehen werden

„Dies wird das erste Mal sein, dass einige der Kernvariablen viele Google-Produkte speisen und antreiben“, sagte Samier Merchant, ein leitender Ingenieur bei Google, gegenüber TechCrunch. Wetterinformationen in der Suche, in Google Maps und in Gemini basieren auf der Ausgabe von WeatherNext 3 und stellen KI-generierte Vorhersagen Milliarden von Nutzern zur Verfügung – von denen viele das zugrunde liegende Modell nie kennen werden.

Warum es über die App hinaus wichtig ist

Die Wirtschaft ist die größere Geschichte. KI-Prognosen sind im Vergleich zu Supercomputer-Ensembles schnell und kostengünstig zu erstellen, wodurch brauchbare Prognosen auch für Regionen möglich werden, die sich diese nie leisten konnten. Der Decoder berichtet, dass Teile Afrikas, Lateinamerikas und des asiatisch-pazifischen Raums, für die es keine genauen Prognosen gibt, die größten Zuwächse verzeichnen dürften. Bill Gates hat KI-Wettervorhersagen als konkreten Entwicklungsvorteil genannt, da bessere Prognosen die Ernteerträge in Entwicklungsländern verbessern, und Alet weist darauf hin, dass Wind-, Regen- und Wolkenvorhersagen mit höherer Auflösung Projekte im Bereich erneuerbare Energien zuverlässiger machen können.

Meteorologische Behörden in Europa und den USA integrieren bereits KI-Modelle in ihre operativen Produkte. Mit WeatherNext 3 ist die Transformatorenrevolution, die die Sprache verändert hat, still und leise zum Motor des Alltagswetters geworden.

Bleiben Sie der KI immer einen Schritt voraus

Die KI-Forschung schreitet schnell voran. Erhalten Sie die neuesten KI-Entwicklungen an einem Ort.

Weitere KI-Neuigkeiten lesen →