Google DeepMind stellte am 17. November sein neues KI-Wettermodell WeatherNext 2 vor und markierte damit einen bedeutenden Sprung in der globalen Vorhersage.
Das System verwendet eine neuartige Methode namens Functional Generative Network (FGN), um Vorhersagen achtmal schneller und detaillierter als sein Vorgänger zu erstellen. Der Durchbruch verbessert Vorhersagen für komplexe Ereignisse wie Hurrikane, indem er in wenigen Minuten Hunderte möglicher Szenarien generiert.
Google bietet jetzt über seine Cloud-Plattformen Zugriff auf die Daten des Modells. Dieser Schritt zielt darauf ab, die Forschung zu beschleunigen und die öffentliche Sicherheit zu verbessern, da KI für die Wetterwissenschaft immer wichtiger wird, auch wenn öffentliche Datenquellen mit Unsicherheiten konfrontiert sind.
Eine neue Architektur für schnellere, genauere Vorhersagen
Im Herzen von WeatherNext 2 ist eine neuartige Architektur, die in aktuellen Forschungsergebnissen detailliert beschrieben wird. Im Gegensatz zu seinem Vorgänger GenCast, der einen diffusionsbasierten Ansatz verwendete, basiert WeatherNext 2 auf einem sogenannten Functional Generative Network.
Diese FGN-Methode injiziert sorgfältig strukturiertes „Rauschen“ direkt in die Parameter des Modells. Dadurch kann das System von einem einzigen Ausgangspunkt aus ein großes Ensemble physikalisch realistischer und kohärenter Wetterszenarien generieren.
Jede Vorhersage dauert auf einem einzelnen TPU weniger als eine Minute, eine Aufgabe, die auf einem herkömmlichen Supercomputer Stunden erfordern würde.
Diese Effizienz geht nicht auf Kosten der Genauigkeit. Laut Bewertungen von Google übertrifft WeatherNext 2 das bisherige Spitzenmodell GenCast bei 99,9 % aller Variablen und prognostizierten Vorlaufzeiten. Das neue Modell weist eine durchschnittliche Verbesserung der Genauigkeit um 6,5 % auf, gemessen anhand des Continuous Ranked Probability Score (CRPS), einer Schlüsselmetrik für probabilistische Prognosen.
Es bietet außerdem eine höhere zeitliche Auflösung mit Vorhersagen in 6-Stunden-Intervallen und experimentellen Funktionen für 1-Stunden-Zeitschritte und liefert detailliertere Daten für Entscheidungsträger, wie im offizielle Modelldokumentation.
Der FGN-Ansatz ist besonders effektiv bei der Modellierung sowohl einzelner Wetterelemente („Marginale“) als auch ihrer komplexen Wechselwirkungen („Gelenke“). Indem das Modell nur auf einzelnen Datenpunkten wie Temperatur oder Windgeschwindigkeit trainiert, erlernt es die zugrunde liegende Physik, um großräumige Systeme wie atmosphärische Flüsse und Wirbelstürme vorherzusagen.
Google weist jedoch darauf hin, dass das Modell einige Einschränkungen aufweist, einschließlich der Möglichkeit kleinerer visueller „Waben“-Artefakte in Vorhersagen für bestimmte Variablen, wie in seinem Anwendungsfall beschrieben und Einschränkungen im Überblick.
[eingebetteter Inhalt]
Vom Forschungslabor zu öffentlichen Plattformen und Partneragenturen
Aufbauend auf seinen früheren Durchbrüchen hat Google eine klare Strategie vorgestellt, um seine Wetter-KI von der Forschung in die reale Anwendung zu überführen. Die Vorhersagedaten von WeatherNext 2 sind jetzt für Forscher und Entwickler über die Earth Engine-und BigQuery-Plattformen von Google zugänglich.
Darüber hinaus ermöglicht ein neues Early-Access-Programm auf Vertex AI von Google Cloud es Unternehmen, ihre eigenen benutzerdefinierten Vorhersagen mithilfe des Modells zu erstellen.
Diese Initiative setzt einen breiteren Trend des wachsenden Engagements von Big Tech in der Meteorologie fort. Unternehmen wie Microsoft, Nvidia und IBM haben alle ihre eigenen fortschrittlichen Prognosesysteme entwickelt, wie zum Beispiel Aardvark Weather von Microsoft und das NASA/IBM Prithvi WxC-Modell.
Kirstine Dale, Chief AI Officer beim Met Office, bemerkte über den allgemeinen Trend: „Wir sehen das Potenzial für einen echten Schrittwechsel … in der Art und Weise, wie wir vorhersagen, was in gewisser Weise dem ähnelt, als wir anfingen, Computer zu verwenden.“
Googles Strategie umfasst auch die direkte Zusammenarbeit mit Schlüsselunternehmen Regierungsbehörden. Im Rahmen einer bahnbrechenden Partnerschaft hat das U.S. National Hurricane Center (NHC) ein experimentelles Google-KI-Modell in seinen operativen Arbeitsablauf für die Hurrikansaison 2025 integriert.
Diese Zusammenarbeit ist eine Premiere für die Bundesbehörde und wird erfahrenen menschlichen Prognostikern KI-generierte Anleitungen zur Verfügung stellen, wobei Maschinengeschwindigkeit mit menschlichem Fachwissen kombiniert wird, um Warnungen vor lebensbedrohlichen Stürmen zu verbessern.
Die drohende Krise: Die Abhängigkeit der KI von Gefährdeten Öffentliche Daten
Während sich der technologische Fortschritt beschleunigt, ist der gesamte Bereich einer grundlegenden Bedrohung ausgesetzt. KI-Wettermodelle wie WeatherNext 2 basieren auf jahrzehntelangen historischen Daten, von denen ein Großteil aus öffentlichen Archiven stammt, die von Behörden wie der US-amerikanischen National Oceanic and Atmospheric Administration (NOAA) verwaltet werden.
Diese wichtigen Datenquellen sind jetzt aufgrund geplanter Budgetkürzungen und schwerwiegender Personalengpässe gefährdet.
Die Situation wurde so kritisch, dass fünf ehemalige Direktoren des National Weather Service (NWS) der NOAA in einem offenen Brief vor dem Potenzial warnten Konsequenzen.
„Unser schlimmster Albtraum ist, dass die Wettervorhersagebüros so unterbesetzt sein werden, dass es unnötige Todesfälle geben wird“, schrieben sie. Seit Anfang 2025 hat das NWS über 550 Mitarbeiter verloren, so dass einige Vorhersagebüros gerade zu Beginn der Hurrikansaison kritisch unterbesetzt sind.
Ein ehemaliger NHC-Chef beschrieb die Bemühungen, offene Stellen zu besetzen, als bloßes „Verschieben der Liegestühle auf der Titanic“ und fügte hinzu: „Man füllt irgendwo ein Loch und schafft woanders eins.“
Diese Datenkrise ist von der wissenschaftlichen Gemeinschaft nicht unbemerkt geblieben. Richard Turner, Professor an der Universität Cambridge, brachte seine Besorgnis zum Ausdruck und erklärte: „Die Gemeinschaft ist – meiner Meinung nach überraschenderweise – dieser Gefahr noch nicht bewusst geworden … Ich halte die Kürzungen in einer Zeit, in der sich das Klima wirklich verändert, für sehr gefährlich.“
Obwohl die jüngsten Maßnahmen des Kongresses die schwerwiegendsten Budgetkürzungen zurückgedrängt und für eine gewisse Erleichterung gesorgt haben, bleibt die langfristige Stabilität dieser öffentlichen Datenarchive ungewiss.
Das Paradox ist krass: Da private Innovationen in der Wetter-KI neue Ausmaße erreichen Sein Erfolg hängt von einer öffentlichen Dateninfrastruktur ab, die um sein Überleben kämpft.
Die neue Partnerschaft zwischen Google und dem NHC unterstreicht das immense Potenzial von KI, Leben zu retten, zeigt aber auch die dringende Notwendigkeit, die offenen Daten zu schützen, die solche Fortschritte ermöglichen, ein zentrales Thema in der laufenden KI-Wetterrevolution.
