Google DeepMind und Google Research haben das neue KI-Wettervorhersagemodell WeatherNext 3 vorgestellt, das Echtzeit-Satellitenbeobachtungen nutzt. Den unabhängigen Live-Bewertungen von Brightband zufolge ist das Modell Googles bislang fortschrittlichstes und genauestes globales Wettermodell. Im Gegensatz zu Modellen, die auf herkömmlichen physikalischen Simulationen basieren, kombiniert WeatherNext 3 aktuelle geostationäre Satellitendaten mit historischen Analysen und aktualisiert die Vorhersagen stündlich.
Im Vergleich zum vorherigen WeatherNext 2 bietet das Modell eine etwa fünfmal höhere Auflösung. Einige Oberflächenvariablen wie Temperatur und Luftfeuchtigkeit werden mit einer Auflösung von 5 Kilometern vorhergesagt, andere Oberflächenvariablen mit 10 Kilometern und atmosphärische Variablen wie die Windgeschwindigkeit mit 25 Kilometern. WeatherNext 2 arbeitete auf einem 25-Kilometer-Raster und aktualisierte die Vorhersagen in Abständen von sechs Stunden. Das neue System berücksichtigt außerdem die lokale Topografie und soll bei sich schnell verändernden Bedingungen wie Temperatur, Luftfeuchtigkeit, Wind und Niederschlag detailliertere Ergebnisse liefern.
WeatherNext 3 wird in Google Search, Gemini, Maps, Google Maps Platform und Google Cloud integriert. Dadurch können Nutzer über Google-Dienste auf die Vorhersagen zugreifen, während Entwickler und Institutionen die Daten in ihren eigenen Projekten verwenden können. Die hochauflösenden Vorhersagen des Modells könnten dazu beitragen, lokale Wettervorhersagen insbesondere in Lateinamerika, Afrika und im asiatisch-pazifischen Raum auszuweiten, die zuvor aufgrund hoher Kosten nur begrenzt verfügbar waren.
Das System bietet außerdem spezielle Variablen für die Erzeugung erneuerbarer Energie. Es werden Windgeschwindigkeiten in 100 Metern Höhe nahe der Höhe von Turbinen sowie hochauflösende Vorhersagen zur Bewölkung und Sonneneinstrahlung für Solarkraftwerke bereitgestellt. Diese Daten sollen Netzbetreibern und Energieentwicklern dabei helfen, die Erzeugung besser auf die Verbrauchernachfrage abzustimmen.
Bei Niederschlagsvorhersagen nutzt das Modell die satellitenbasierten Daten der NASA aus den Integrated Multi-satellite Retrievals for GPM (IMERG) sowie eine globale, auf Satellitenradardaten gestützte Niederschlagsneuanalyse. In den Bewertungen wurden beim Continuous Ranked Probability Score Verbesserungen von bis zu 60 % gegenüber IMERG, 30 % gegenüber MRMS und 10 % gegenüber Niederschlagsmessdaten in frühen Vorhersagezeiträumen berichtet. Google weist darauf hin, dass für offizielle Warnungen die örtlichen Wetterdienste konsultiert werden sollten.
Warum das wichtig ist
Vorhersagen, die stündlich aktualisiert werden und kleinere Gebiete unterscheiden können, könnten die Beobachtung schnell wechselnder Wetterbedingungen auf lokaler Ebene erleichtern. Die Integration des Modells in weit verbreitete Google-Dienste macht Wetterdaten für Einzelanwender, Entwickler und Institutionen zugänglicher, anstatt sie auf ausschließlich von Fachleuten genutzte Systeme zu beschränken. Dieser Zugang ist insbesondere für Lateinamerika, Afrika und den asiatisch-pazifischen Raum von Bedeutung, wo detaillierte lokale Vorhersagen aufgrund hoher Kosten bislang nur begrenzt verfügbar waren. Variablen zu Wind, Bewölkung und Sonneneinstrahlung könnten Netzbetreibern und Energieentwicklern detailliertere Daten zur Abstimmung der Erzeugung erneuerbarer Energie auf die Verbrauchernachfrage liefern. Zugleich beruhen die Ergebnisse zur Leistungsfähigkeit auf unabhängigen Echtzeitbewertungen und bestimmten Messgrößen; bei offiziellen Wetterwarnungen bleiben die örtlichen Wetterdienste maßgeblich.
Hintergrund
WeatherNext ist im FikirPilot-Archiv kein neuer Name: In den vergangenen 90 Tagen haben wir 2 Nachrichten veröffentlicht, in denen dieser Name erwähnt wurde; die jüngste stammt vom 4. September 2026.