Googles WeatherNext 3 rechnet das Wetter jede Stunde neu

Die einzige unabhängige Bestätigung liefert Operational WeatherBench, ein Live-Ranking des Startups Brightband. Dort liegt WeatherNext 3 laut TechCrunch derzeit vorn — vor KI-Modellen von Google, Microsoft, Nvidia und ECMWF und vor den klassischen Prognosen des US-Wetterdienstes.

Ehrlicherweise gehört auch die Kehrseite dazu: Bei Wirbelstürmen fällt der Fortschritt gegenüber dem Vorgänger klein aus, teilweise ist er negativ. Und das Papier beschreibt sichtbare Artefakte — wabenförmige Muster aus der Gitterstruktur des Modells, vor allem beim Niederschlag.

Fünf Kilometer sind im Alpenraum grob

Für dich als Nutzerin oder Nutzer heisst das zunächst: Die Wetterangaben in Suche und Maps werden bei Planung über einen Tag hinaus laut Google bis zu 50 Prozent treffsicherer beim Niederschlag.

Für die Schweiz lohnt aber ein zweiter Blick. MeteoSchweiz betreibt mit ICON-CH1-EPS ein Regionalmodell mit rund 1 Kilometer Gitterweite, 11 Ensemble-Mitgliedern und einem neuen Lauf alle drei Stunden. Gegen dieses Relief-Niveau ist ein globales 5-Kilometer-Raster grob — ein Alpental ist oft schmaler als eine einzige Gitterzelle. Google nennt als Hauptnutzniesser denn auch ausdrücklich Regionen in Lateinamerika, Afrika und Asien-Pazifik, wo solche Regionalmodelle fehlen.

Trotzdem ist der Ansatz für Bergregionen interessant: WeatherNext 3 lernt direkt auf Messungen einzelner Wetterstationen und berücksichtigt dabei deren Höhenlage. Laut Papier sinkt der Fehler selbst an Stationen, die das Modell im Training nie gesehen hat. Eine alpenspezifische Auswertung fehlt in allen bisher verfügbaren Unterlagen — ob das im Schweizer Gelände trägt, ist offen.

Dass Deep Learning in der Meteorologie angekommen ist, hat MeteoSchweiz Ende August mit den neuen Gewitterwarnungen gezeigt. WeatherNext 3 zielt auf die andere Skala: global, mittelfristig, stündlich aktualisiert. Für amtliche Warnungen bleiben laut Google weiterhin die nationalen Wetterdienste massgeblich — das Modell läuft ausdrücklich als experimentelles System. Herunterladen kannst du die Vorhersagedaten, nicht das Modell: über BigQuery, Earth Engine und Google Cloud Storage.