Google setzt darauf, dass Live-Beobachtungen und KI hartnäckige Lücken bei der Vorhersage von Regen und Schnee schließen können, insbesondere in Regionen mit spärlicher Bodenausstattung. Doch die eigene Einführung räumt ein, dass schnellere maschinelle Vorhersagen weiterhin neben den physikbasierten Modellen stehen müssen, auf die Meteorologen für Warnungen angewiesen sind.

Google stellte WeatherNext 3 als neueste Version seines KI-Prognosesystems vor und erklärte, es könne stündlich eine globale Vorhersage aus aktuellen Satellitenbeobachtungen erstellen, statt sich ausschließlich auf ältere Modelleingaben zu stützen. Dieser Wandel liefere ein Bild mit einer fünfmal höheren Auflösung als beim Vorgängermodell, wobei einige Temperatur- und Feuchteprognosen bis auf fünf Kilometer aufgelöst würden.¹

Das zentrale Versprechen betrifft den Niederschlag: Schnell ziehende Stürme sind bekanntermaßen schwer genau vorherzusagen, und Google zufolge können mindestens einen Tag im Voraus erstellte Prognosen bis zu 50 % genauer sein. Die möglichen Verbesserungen sind außerhalb der USA und Europas am größten, wo weniger Regenmesser größere Lücken in herkömmlichen Beobachtungsnetzen hinterlassen. „Wir können aktuellere und umfangreichere Beobachtungsdatensätze nutzen“, sagte Samier Merchant, Ingenieur bei Google Research.¹

Google DeepMind stellte den Start umfassender als „einen bedeutenden Durchbruch“ bei der globalen Vorhersage dar und erklärte, das Modell lerne direkt aus realen Beobachtungen in Echtzeit, um schneller stärker lokalisierte Vorhersagen zu erstellen.Demis Hassabis (demishassabis)² DeepMind-Chef Demis Hassabis verstärkte diese Botschaft in einem Repost.²

Das System wird nun in Search, Maps und Gemini integriert, während Google zudem Prognosen für Betreiber erneuerbarer Energien entwickelt hat, darunter Schätzungen der Windgeschwindigkeit in Turbinenhöhe. Ferran Alet, Forschungswissenschaftler bei Google DeepMind, verband diese Arbeit mit dem steigenden Strombedarf und argumentierte, es sei für das Unternehmen sehr wichtig, erneuerbare Energien „zu einer sehr attraktiven Möglichkeit zu machen“. ¹

WeatherNext 3 wird jedoch nicht als Ersatz für die traditionelle Meteorologie präsentiert. Es wird teilweise mit physikbasierten Modellen trainiert, und Wetterbehörden vergleichen weiterhin mehrere Prognosen, bevor sie öffentliche Warnungen herausgeben – eine Erinnerung daran, dass präzisere KI-Ergebnisse nur dann nützlich sind, wenn sie Entscheidungen verbessern, sobald das Wetter gefährlich wird.¹