WeatherNext 2: Googles KI-Wettermodell wird schneller und präziser
von Benjamin Mamerow | 5 Kommentare
Google DeepMind und Google Research haben die nächste Generation ihres KI-Wettervorhersagemodells vorgestellt. Das System mit dem Namen WeatherNext 2 soll globale Prognosen effizienter und mit einer deutlich höheren Auflösung erstellen als bisherige Methoden. Anstatt nur einen einzigen wahrscheinlichen Wetterverlauf zu berechnen, kann WeatherNext 2 Hunderte möglicher Szenarien generieren. Dies hilft Meteorologen, die gesamte Bandbreite möglicher Entwicklungen – einschließlich Extremszenarien – besser zu erfassen.
Die technische Grundlage bildet ein neuer Ansatz, den Google als Functional Generative Network (FGN) bezeichnet. Dieses Modell wird trainiert, indem künstliches „Rauschen“ direkt in die Modellarchitektur eingespeist wird, um eine realistische Variabilität der Prognosen zu erzeugen. Das Modell wird laut Google primär mit sogenannten „Marginals“ trainiert. Dabei handelt es sich um einzelne, isolierte Wetterelemente, wie etwa die Temperatur an einem spezifischen Ort oder die Windgeschwindigkeit in einer bestimmten Höhe.
Aus diesen einzelnen Datenpunkten lernt das Modell selbstständig, komplexe Zusammenhänge (sogenannte „Joints“) vorherzusagen. Diese „Joints“ sind für realistische Prognosen entscheidend, beispielsweise um ganze Regionen zu identifizieren, die von einer Hitzewelle betroffen sind, oder um die zu erwartende Energieerzeugung eines gesamten Windparks zu kalkulieren.
Die Generierung einer einzelnen Prognose (eines Szenarios) soll auf einer Google TPU weniger als eine Minute dauern. Zum Vergleich: Herkömmliche, physikbasierte Modelle benötigen für ähnliche Berechnungen oft Stunden auf Supercomputern, so Google. Im direkten Vergleich mit dem Vorgängermodell „WeatherNext“ soll die neue Version bei 99,9 % der Variablen (wie Temperatur, Wind oder Luftfeuchtigkeit) und über alle Vorhersagezeiträume (0 bis 15 Tage) überlegene Ergebnisse liefern.
WeatherNext 2 ist nicht nur ein Forschungsprojekt, sondern wird bereits aktiv ausgerollt:
- Google-Produkte: Die Technologie ist bereits in die Google Suche, Gemini, Pixel Weather und die Weather API der Google Maps Platform integriert. Google Maps soll in den kommenden Wochen ebenfalls darauf zugreifen.
- Entwickler und Forschung: Die Prognosedaten von WeatherNext 2 sind ab sofort in Earth Engine und BigQuery verfügbar. Zudem startet ein „Early Access“-Programm auf der Google Cloud Vertex AI-Plattform, das Forschern und Entwicklern Zugriff auf angepasste Modellinferenzen (Ableitungen) gewährt.
Transparenz: In diesem Artikel sind Partnerlinks enthalten. Durch einen Klick darauf gelangt ihr direkt zum Anbieter. Solltet ihr euch dort für einen Kauf entscheiden, erhalten wir eine kleine Provision. Für euch ändert sich am Preis nichts. Partnerlinks haben keinerlei Einfluss auf unsere Berichterstattung.
Wird geladen ...
OK, wenn ich mir die Prognosen des Wetterwidgets ansehe, gibt es da nichts, was mich überzeugt. Die Angaben liegen oft weit neben dem tatsächlichen Wetter. Darauf verlassen wurde ich mich nie. Da ist Warnwetter vom DWD um Größenordnungen besser und genauer. Googles KI ist das nicht der Bringer.
das Google Wetter Widget findet nicht mal meinen Standort korrekt. Also beim Pixel 10 Pro. beim Pixel 4 findet er ihn genau. warum auch immer.
Naja, von einer nicht ganz genauen Wettervorhersage darauf zu schließen, dass Googles KI „nicht der Bringer“ ist, ist schon mutig. Es ist und bleibt halt Wetter, welches halt nicht immer genau vorhersehbar ist. Von niemanden, auch niemals korrrekt von irgendeiner KI. Vielleicht solltest du dich mal mit der Berechnung von Wettermodellen näher beschäftigen.
Ich bin mit den Wettervorhersagen für den nächsten Tag mit Google immer gut gefahren und zufrieden.
Das ist doch Blabla. Dass Wettervorhersagen nie genau sein können, weiß jeder selbst. Danke für die Belehrung. Aber wenn ein Dienst nach eigener Erfahrung regelmäßig daneben liegt und ein anderer recht genau ist, darf man da schon seine Meinung sagen und den Dienst nutzen, der nützlicher erscheint, oder?
Ich habe mit amerikanischen Wetterdiensten in Deutschland auch die Erfahrung gemacht, dass sie hier im Vergleich zu etablierten lokalen Wetterdiensten (DWD, Meteoblue, Kachelmannwetter) entweder nicht so genau auflösen, ihnen die lokalen Messstationen fehlen oder sie aus anderen Gründen relativ ungenau sind. Und das gilt gleichermaßen für Google, Apple, AccuWeather, Weather.com, TWC und anderen. Seit Apple aber vor einiger Zeit auf lokale Wetterdienste umgestellt hat (ECMWF für Europa), sind die Prognosen viel besser geworden.
Für Deutschland nutzt Apple übrigens inzwischen die Daten des DWD.