Google DeepMind und Google Research haben das neue Künstliche Intelligenz (KI)-Modell WeatherNext 3 für Wettervorhersagen vorgestellt. Das Modell soll präzisere und häufigere Prognosen ermöglichen und wird schrittweise in Google-Produkte wie die Suche, Google Maps und Gemini integriert. WeatherNext 3 erreicht eine Auflösung von 5 Kilometern und liefert stündliche Vorhersagen. Die Regenprognosen wurden im Vergleich zum Vorgängermodell WeatherNext 2 um 60 Prozent verbessert.
Verbesserte Genauigkeit und neue Funktionen
WeatherNext 3 hat sich in Tests auf Operational WeatherBench, einem Tool zum Vergleich von KI-Vorhersagen, als das genaueste Modell unter führenden Wettbewerbern erwiesen. Es übertrifft andere Deep-Learning-Modelle von Anbietern wie Google, Microsoft, Nvidia und dem Europäischen Zentrum für mittelfristige Wettervorhersage (ECMWF). Auch traditionelle Prognosen des U.S. National Weather Service und des ECMWF werden von WeatherNext 3 in der Genauigkeit übertroffen.
Während herkömmliche Wettervorhersagen auf Supercomputern basieren, die physikalische Gleichungen berechnen – ein teurer und langsamer Prozess –, nutzen Deep-Learning-Modelle wie WeatherNext 3 große Mengen historischer Wetterdaten, um Muster zu erkennen. Dies ermöglicht schnellere und kostengünstigere Vorhersagen bei vergleichbarer Genauigkeit.
Das neue Modell behebt bekannte Schwachstellen früherer KI-Wettermodelle. Es kann nun auf eine Auflösung von 5 Kilometern herunterbrechen, anstatt der üblichen 15 bis 25 Quadratkilometer. Zudem liefert es stündliche statt der bisher standardmäßigen sechs-stündlichen Prognosen. Diese Fortschritte sind unter anderem auf 2,4-mal mehr Parameter im Modell und die Fähigkeit zurückzuführen, Vorhersagen gezielt auf spezifische Wetterstationen abzustimmen. Ein weiterer Fortschritt ist die direkte Verarbeitung von stündlich gesammelten Wetter-Satellitendaten, was laut Google eine Premiere für ein KI-Modell mit globaler Hochauflösungsprognose darstellt.
Potenzial für verschiedene Sektoren
Die Schnelligkeit und geringeren Kosten von KI-basierten Wettervorhersagen bieten Vorteile, insbesondere für Regionen mit begrenzten finanziellen Mitteln für hochwertige Sensoren und Supercomputer. Präzisere Prognosen von Wind, Regen und Wolkenbedeckung können die Verlässlichkeit von Projekten im Bereich erneuerbarer Energien steigern und in Entwicklungsländern zu besseren Ernteerträgen führen.
Obwohl Google WeatherNext 3 als das erste KI-Modell bezeichnet, das Rohdaten direkt für eine globale Hochauflösungsprognose verarbeitet, gibt das KI-Wetter-Startup WindBorne an, dass sein Modell WeatherMesh 6 dies bereits seit Ende 2025 mit Daten von Wetterballons tut. Google verweist hier auf die höhere globale Auflösung von WeatherNext 3. Beide Modelle sind jedoch weiterhin auf nationale Wetterdatensätze angewiesen.
Thema: Gemini. Quelle/Inspiration: TechCrunch.