Googles WeatherNext 3: Stündliche Wettervorhersagen mit fünf Kilometern Auflösung
Google Research und Deepmind haben mit WeatherNext 3 die dritte Generation ihres KI-Wettermodells vorgestellt. Das Besondere: Das Modell verzichtet auf klassische Physiksimulationen und lernt direkt aus Echtzeit-Satellitendaten. Das Resultat sind stündliche Vorhersagen mit bis zu fünf Kilometern Auflösung – rund fünfmal detaillierter als beim Vorgänger. Besonders profitieren sollen Regionen, die bislang schlecht mit genauen Vorhersagen versorgt waren.
Der Unterschied: Live-Satellitendaten statt Supercomputer-Simulation
Bisherige KI-Wettermodelle, darunter auch der Vorgänger WeatherNext 2, wurden auf Daten aus der numerischen Wettervorhersage (NWP) trainiert. Diese Simulationen laufen auf Supercomputern und bringen laut Google eine Verzögerung von rund sechs Stunden mit sich – ein Nachteil bei schnell wechselnden Grössen wie Regen oder Temperatur.
WeatherNext 3 geht einen anderen Weg und verarbeitet Live-Daten von geostationären Satelliten. So erzeugt das Modell jede Stunde eine neue Vorhersage auf Basis der aktuellsten Satellitenbeobachtungen. Gerade bei plötzlich entstehenden Stürmen oder Niederschlägen soll der schnelle Aktualisierungszyklus frühere und genauere Vorhersagen liefern.
Fünfmal schärfer als der Vorgänger
Das Modell arbeitet stündlich mit gestaffelten Auflösungen:
- Temperatur und Feuchtigkeit: fünf Kilometer
- Andere Oberflächenwerte: zehn Kilometer
- Atmosphärische Grössen wie Windgeschwindigkeit: 25 Kilometer
Insgesamt ist das Bild damit rund fünfmal schärfer als bei WeatherNext 2, das auf einem 25-Kilometer-Raster in Sechs-Stunden-Schritten arbeitete. Google zeigt den Unterschied an einer Temperaturvorhersage über Grossbritannien: Während WeatherNext 2 ein verpixeltes Bild liefert, bildet WeatherNext 3 Gebirgszüge und Küstenlinien sauber ab.
Um lokale Besonderheiten wie Täler, Küsten oder Gebirge zu erfassen, wird das Modell zusätzlich mit Daten einzelner Wetterstationen trainiert. Das ermöglicht global feinere Vorhersagen mit regionalem Charakter. Laut Google profitieren davon besonders Regionen in Lateinamerika, Afrika und dem asiatisch-pazifischen Raum, die wegen der hohen Rechenkosten klassischer Regionalmodelle bislang unterversorgt waren.
Deutlich bessere Niederschlagsprognosen
Globale Wettermodelle tun sich traditionell schwer mit Niederschlag, weil Regen und Schnee von schnellen Wolkenprozessen auf kleiner Skala abhängen. Google trainiert das Modell deshalb auf zwei Datenquellen: den satellitengestützten IMERG-Datensatz der NASA und eine eigene globale Niederschlagsauswertung auf Basis von Satellitenradar.
Beim Continuous Ranked Probability Score (CRPS) zeigt sich demnach:
- Bis zu 60 Prozent Verbesserung gegenüber IMERG bei mittelfristigen globalen Vorhersagen
- 30 Prozent gegenüber MRMS
- 10 Prozent gegenüber Regenmessern bei kurzen Vorlaufzeiten
Spezialdaten für erneuerbare Energien
WeatherNext 3 liefert zudem Vorhersagen, die auf die Energiewirtschaft zugeschnitten sind. Das Modell prognostiziert Windgeschwindigkeiten auf 100 Metern Höhe – also etwa auf Turbinenhöhe – um den Ertrag von Windrädern abzuschätzen. Dazu kommen genauere Werte für Wolkendecke und Sonneneinstrahlung, mit denen Solaranlagen ihre zu erwartende Leistung berechnen können. Netzbetreibern sollen diese Daten helfen, Erzeugung und Nachfrage besser abzustimmen.
Ab sofort in Google Search, Maps und Gemini
Die Daten sind stündlich aktualisiert verfügbar: Forscher, Entwickler und Unternehmen können sie in BigQuery und Earth Engine abfragen oder per Bulk-Download über Google Cloud Storage beziehen. Zugleich versorgt WeatherNext 3 ab sofort die Wetterfunktionen in Google Search, der Gemini-App, Google Maps, der Google Maps Platform Weather API und Google Earth Engine.
Bei der Planung einen Tag oder länger im Voraus sollen Nutzer bis zu 50 Prozent genauere Niederschlagsvorhersagen erhalten – am deutlichsten in Regionen, in denen Vorhersagen bislang weniger zuverlässig waren.
Google räumt ein, dass die Atmosphäre stets ein gewisses Mass an Unvorhersehbarkeit behält. Für offizielle Wettervorhersagen, Unwetterwarnungen und Sicherheitshinweise verweist das Unternehmen ausdrücklich auf die nationalen Wetterdienste.
Einordnung
Mit WeatherNext 3 baut Google seine führende Position im Bereich KI-basierter Wettervorhersage weiter aus. Bereits WeatherNext 2 (November 2025) übertraf die erste Generation bei 99,9 Prozent aller meteorologischen Variablen und rechnete achtmal schneller. Im August 2026 stellte Deepmind WeatherNext 2 und die Zyklonvariante unter eine offene Lizenz – das Zyklonmodell sagt Zugbahn und Intensität tropischer Wirbelstürme rund einen Tag weiter im Voraus voraus als führende operative Modelle. Ende 2024 hatte Deepmind mit GenCast das erste probabilistische KI-Wettermodell veröffentlicht, das das Ensemble-System des ECMWF übertraf.
Der eigentliche Sprung von WeatherNext 3 liegt in der Datenbasis: Live-Satellitenbilder statt verzögerter Physiksimulationen. Das macht die Vorhersage nicht nur genauer, sondern auch schneller und flächendeckender – genau dort, wo klassische Modelle wegen Rechenkosten an ihre Grenzen stossen.