LONDON (IT BOLTWISE) – Das KI-Modell WeatherNext soll Hurrikanen und Zyklonen eine deutlich bessere Vorhersage-Qualität geben. In einem Paper in Nature berichten die Entwickler, dass dreitägige Prognosen in der Genauigkeit frühere Modelle für zwei Tage erreichen. Zusätzlich nutzen sie ein Ensemble-Verfahren, das mittlerweile bis zu 1.000 Szenarien pro Sturm abbildet. Jetzt stellen sie WeatherNext 2, WeatherNext Cyclones und eine kompakte 2-mini-Variante der Forschung frei zur Verfügung.
Wer Hurrikane oder Tropenstürme prognostiziert, lebt in einem engen Zeitfenster: Jede Stunde entscheidet darüber, ob Evakuierungen greifen, Häfen schließen und Krankenhäuser auf die richtigen Kapazitäten hochfahren. Genau hier setzt WeatherNext an. Das Modell wird in einer Veröffentlichung in Nature beschrieben und soll die Genauigkeit bei Bahn, Intensität und Windstruktur von Zyklonen anheben. Laut den Angaben verbessert sich die Qualität so stark, dass eine dreitägige Vorhersage im Mittel das Niveau erreicht, das frühere Systeme erst nach zwei Tagen liefern konnten. Diese Verschiebung um ungefähr einen zusätzlichen Tag Vorlauf entspricht in den eigenen Formulierungen einer Größenordnung, die etwa einer Dekade an meteorologischem Fortschritt gleichkommt.
Technisch betrachtet versucht WeatherNext, einen klassischen Zielkonflikt in der Wettermodellierung zu entschärfen. In der bisherigen Praxis werden zwei verschiedene Ansätze kombiniert: Für die Zugbahn (Track) dominieren großräumige, grobe Modelle, weil globale Strömungen den Kurs steuern. Für die Intensität (Intensity) hingegen spielen kleinräumige, fein aufgelöste thermodynamische Prozesse im Kern des Sturms die entscheidende Rolle. WeatherNext soll diese Lücke überbrücken, indem es als einzelnes KI-Modell sowohl globale Dynamik als auch sturmnahe Details abbildet. Die Trainingsbasis setzt sich dabei aus globalen Wetterdaten und einem kuratierten historischen Beobachtungsdatensatz zusammen, darunter die IBTrACS-Datenbank mit nahezu 5.000 historischen Stürmen. Damit lernt das System komplexe Muster in der Atmosphäre und den Umgang mit extremen Ereignissen nicht in einer nachgelagerten Schrittfolge, sondern end-to-end.
Ein zentraler Baustein für die operative Verlässlichkeit ist das Ensemble-Konzept. WeatherNext nutzt Functional Generative Networks (FGNs), um verschiedene mögliche Verläufe effizient zu generieren und damit die inhärente Unsicherheit des Wetters explizit zu erfassen. Statt bei jeder Prognose nur eine Punktvorhersage auszugeben, wird eine Wahrscheinlichkeitsverteilung produziert, die auch „Tail Risks“ berücksichtigt. In einer Vergleichslinie nennen die Entwickler, dass frühere Systeme 50 Vorhersagen gleichzeitig lieferten und dabei in der Größenordnung globalen Physikmodellen entsprachen. Für die aktuelle Version wird das Ensemble auf 1.000 Mitglieder skaliert, um auch seltene, aber folgenreiche Ereignisse wie eine rasche Intensivierung abzubilden – mit Bezug auf den Sturm, der 2025 unter dem Namen Hurricane Melissa für genau dieses Muster bekannt war.
Bemerkenswert ist daneben, wie stark WeatherNext offenbar über die Auflösung argumentiert. Viele Ansätze gehen davon aus, dass hohe räumliche Detailtiefe der Haupthebel für bessere Intensitätsvorhersagen ist. WeatherNext Cyclones soll jedoch bereits mit einer Auflösung von 28×28 km arbeiten, also etwa 100-mal gröber als traditionelle Modelle. Eine kleinere Variante, WeatherNext 2-mini, arbeitet laut den Angaben sogar mit 111×111 km und zeigt ebenfalls gute Leistung. Dass solche Ergebnisse bei Forschenden auf Überraschung stoßen, liegt auf der Hand: Wenn die Eingangsauflösung sinkt, wird es schwerer, lokale Strukturen im Kern eines Sturms direkt zu erfassen. Die Entwickler formulieren hier ein offenes Forschungsproblem: Warum und unter welchen Bedingungen das Modell aus gröberen Eingaben dennoch so genaue Bahnen, Intensitäten und Windstrukturen ableiten kann, soll gemeinsam mit der Community systematisch geklärt werden.
Für die Markt- und Praxisrelevanz ist entscheidend, dass WeatherNext nicht nur als Laborversuch präsentiert wird. Laut den Angaben gab es bereits eine reale Wirkung während der Hurrikansaison 2025: Das Modell soll dem National Hurricane Center (NHC) geholfen haben, eine historische Prognose für Hurricane Melissa zu erstellen. Die Begründung lautet, dass insbesondere die rasche Intensivierung und die Landung in Jamaika besser eingeschätzt wurden. Dadurch hätten Teams vor Ort zusätzliche Zeit für Vorbereitungsschritte erhalten. Dieses Muster passt zur Idee moderner Wetterdienste, in denen KI nicht den Meteorologen ersetzt, sondern die Entscheidungsgrundlage erweitert. Entsprechend berichten die Entwickler für das aktuelle Jahr, dass sie 1.000 mögliche Szenarien pro Zyklon vorhersagen, um die Entscheidungsfindung in der Einsatzplanung zu unterstützen.
Auch die Release-Strategie zielt klar auf Beschleunigung in der Forschung und auf eine breitere Anwendbarkeit. Neben der Nature-Veröffentlichung stellen die Entwickler Code sowie Modellgewichte offen zur Verfügung. Genannt werden dabei ausdrücklich unterschiedliche Zielgruppen: akademische Forschung, operative Prognostik sowie die Entwicklung spezialisierter lokaler Modelle. Zusätzlich werden zwei Modellreihen angekündigt: WeatherNext Cyclones, das während der Hurrikansaison eingesetzt wurde, und WeatherNext 2, ein späteres Update, das im Oktober operationalisiert wurde. Für schnelleren Einstieg wird außerdem WeatherNext 2-mini veröffentlicht, das kompakt genug ist, um auf einem einzelnen TPU zu laufen; parallel dazu gibt es eine freie Colab-Notebook-Umgebung, in der Interessierte direkt experimentieren können.
Der Weg von einem Modell zu einem Werkzeug beginnt jedoch nicht erst mit dem Training, sondern mit der Visualisierung und dem Workflow. Die Prognosen sollen über Weather Lab zugänglich sein, das kürzlich mit einer neuen Oberfläche aktualisiert wurde. Laut den Angaben integriert die Plattform neben den Zyklonbahnen auch globale Wetterprognosen und erlaubt es, Vorhersagen etwa für Temperatur, Niederschlag und Windgeschwindigkeit in einer Ansicht zusammenzuführen. Weather Lab und die Modelle stehen zudem unter dem Dach von Google Earth AI. Für Unternehmen und öffentliche Anwender bedeutet das: Wenn Prognosen nicht nur als Rohwerte, sondern als nachvollziehbare Visualisierung in bestehende Prozesse passen, sinkt die Hürde zur Pilotierung. Gleichzeitig bleibt die zentrale Herausforderung erhalten, die die Entwickler selbst adressieren: robuste Anwendung bei unterschiedlichen Sturmszenarien, inklusive der Frage, wie gut sich die Vorteile aus einer gröberen Eingangsauflösung in sehr unterschiedlichen Regionen und Bedingungen reproduzieren lassen.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "WeatherNext: KI-Modell liefert mehr Vorlaufzeit für Hurrikan-Prognosen" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "WeatherNext: KI-Modell liefert mehr Vorlaufzeit für Hurrikan-Prognosen" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »WeatherNext: KI-Modell liefert mehr Vorlaufzeit für Hurrikan-Prognosen« bei Google Deutschland suchen, bei Bing oder Google News!