DeepMinds WeatherNext gibt Vorhersagern einen zusätzlichen Tag bei Hurrikan-Tracks

KI-basierte Wettervorhersage hat die höchste operationelle Hürde genommen: WeatherNext übertrifft die ECMWF-Ensemble-Vorhersage bei der Zyklonprognose – und die Meteorologen, die daran zweifelten, sind nun überzeugt.

In einfachen Worten: DeepMinds WeatherNext-Modell übertrifft traditionelle, physikbasierte Vorhersagen bei Hurrikan-Trajektorie und -Intensität – um bis zu 24 Stunden Vorlaufzeit. Wetterwissenschaftler haben dies öffentlich als Durchbruch bezeichnet. Ein zusätzlicher Tag bei einem Hurrikan der Kategorie 4 macht den Unterschied zwischen chaotischer und geordneter Evakuierung aus.

Im Gegensatz zu früheren KI-Wettermodellen, die zwar in Benchmarks gut abschnitten, aber operationell abgelehnt wurden, durchlief WeatherNext die Hurrikansaison 2025–2026 im Atlantik mit messbar besseren Vorhersagen als das ECMWF – der globale operationelle Standard. Die Glaubwürdigkeitslücke, die die KI-Meteorologie bisher bremste, ist geschlossen.

[Technische Details] WeatherNext wird mit ERA5-Reanalysedaten trainiert und nutzt eine Transformer-Architektur mit gelernten physikalischen Vorannahmen. Entscheidend ist, dass es Ensemble-Wahrscheinlichkeitsverteilungen statt Punktvorhersagen ausgibt – das Format, das operationelle Vorhersager tatsächlich nutzen.

Was bedeutet das: Das erste KI-Modell, das physikbasierte Vorhersagen im operationellen Maßstab verdrängt hat, ist ausgeliefert und von der Fachwelt validiert worden. Die Klimamodellierung folgt dem gleichen Pfad wie die Code-Generierung: Transformer übertreffen nun Domänen-Simulatoren, und die Domänenexperten sind nicht mehr skeptisch. Die Frage verschiebt sich von „Kann es funktionieren?“ zu „Wer betreibt es und wem gehören die Vorhersagen?“