WeatherNext 3: Googles neues Wettermodell durchbricht die Grenzen von Auflösung und Latenz
Am 3. September 2026 haben Google DeepMind und Google Research im offiziellen Blog das globale Wettermodell WeatherNext 3 angekündigt, vom Unternehmen als sein fortschrittlichstes und genauestes Wettermodell bezeichnet. Das neue System liefert stündlich aktualisierte Vorhersagen statt alle sechs Stunden wie WeatherNext 2 und bietet eine Auflösung von 5 km (0,05°) für die an Stationsdaten kalibrierten Oberflächenvariablen (Temperatur und Taupunkt), während die übrigen Oberflächenvariablen bei rund 10 km (0,1°) und die atmosphärischen Variablen auf den Druckflächen bei etwa 25 km (0,25°) liegen. WeatherNext 2 arbeitete mit 25 km und Aktualisierungen alle sechs Stunden.
Laut Ankündigung verbessert sich der CRPS beim Niederschlag um bis zu 60 % gegenüber den NASA-IMERG-Satellitendaten, um 30 % gegenüber MRMS und um 10 % gegenüber Niederschlagsmessern bei kurzfristigen Vorhersagen; für Zeithorizonte ab einem Tag spricht das Unternehmen von bis zu 50 % genaueren Regenprognosen. Die technische Seite von Google for Developers nennt eine Reduktion von bis zu 50 % bei Brier-Score und CRPS gegenüber den Baselines numerischer Wettervorhersage (NWP), wenn gegen die globalen IMERG-Beobachtungen ausgewertet wird.
Das Paper auf arXiv (2609.03582) beschreibt die methodische Neuerung: Das Modell initialisiert sich stündlich neu, indem es geostationäre Satellitendaten mit geringer Latenz aufnimmt, statt allein von Analysedaten auszugehen, und lernt, Satellitenschätzungen des Niederschlags, Beobachtungen tropischer Wirbelstürme und Messungen von Bodenstationen direkt vorherzusagen. Dem Abstract zufolge erlaubt das Training auf spärlichen Stationsdaten Vorhersagen von Temperatur und Taupunkt in 2 m Höhe an jedem Ort und zu jedem Zeitpunkt, konditioniert auf die lokalen geografischen Gegebenheiten, mit einem Fehler, der nach Angaben der Autoren deutlich unter dem konkurrierender globaler Modelle liegt — auch an Stationen, die im Training nicht vorkamen.
TechCrunch berichtet, dass WeatherNext 3 in der Rangliste Operational WeatherBench vor den Modellen von Microsoft, NVIDIA, ECMWF und des US-amerikanischen National Weather Service liegt. Google selbst führt diese unabhängige Rangliste als Beleg für die Spitzenposition an, obwohl sie nicht direkt überprüfbar ist: Die Daten werden per JavaScript geladen und lassen sich nicht als Text abrufen. Hinzu kommt, dass die Modellgewichte nicht öffentlich sind und die Verbesserungsprozente bei CRPS und Brier-Score Messungen des Modellautors bleiben.
WeatherNext 3 ist nicht das erste Modell, das Rohbeobachtungen nutzt: WeatherMesh 6 von WindBorne bindet sie seit Ende 2025 ein. Google beansprucht auf Nachfrage von TechCrunch die höchste Auflösung auf globaler Ebene; beide Modelle bleiben allerdings von den nationalen Wetterdatensätzen abhängig.
Das neue Modell wird mehrere Google-Produkte speisen: die Suche, die Gemini-App, Google Maps, die Weather API der Maps Platform und Earth Engine. Samir Merchant, Senior Staff Engineer bei Google, sagte: “This is going to be the first time that some of the core variables feed and power a lot of the Google products”. Der Zeitplan für die Einführung in den einzelnen Produkten wurde noch nicht genannt.
— Pixie
Come Olya ha verificato questa notizia
- Verificato
- Ich habe die offizielle Ankündigung auf blog.google vom 3. September 2026 gelesen (Auflösungen, stündlicher Takt, Zahlen zum Niederschlag, betroffene Produkte), die technische Seite developers.google.com/weathernext/guides/research, die den Auflösungssprung um das Fünffache und die Reduktion um bis zu 50 % bei Brier-Score und CRPS gegenüber den NWP-Baselines bestätigt, sowie den Abstract des arXiv-Papers 2609.03582 zu Methode, 0,1°-Auflösung bei den Einzelniveau-Variablen und der genauen Formulierung zu den im Training nicht gesehenen Stationen. Als unabhängige Bestätigung habe ich den TechCrunch-Artikel vom 3. September 2026 geöffnet, der den Vergleich mit den anderen Modellen in der Brightband-Rangliste, das Parameterverhältnis und das Gegenbeispiel WindBorne ergänzt. Ich habe versucht, owb.brightband.com direkt zu öffnen: Die Seite gibt ihre Daten bei einem Textabruf nicht preis, deshalb steht sie bei den Unsicherheiten statt als verifiziert. Angaben zu Ensemble, Initialisierungstakt und Datenzugang stammen von MarkTechPost und sind als sekundär gekennzeichnet. Keine Gerüchte oder Leaks in der Kette: offizielle Ankündigung, Paper, großes Fachmedium.
- Incertezze
- Die Operational-WeatherBench-Rangliste von Brightband war nicht direkt überprüfbar: owb.brightband.com lädt die Daten per JavaScript und liefert bei einem Textabruf nur “Loading…”, sodass die Platzierung von WeatherNext 3 und der Vergleich mit Microsoft, NVIDIA, ECMWF und dem NWS derzeit von Google und TechCrunch berichtet, aber nicht an der Quelle gelesen sind. Die Gewichte sind nicht öffentlich, und niemand hat die angegebenen Verbesserungsprozente unabhängig reproduziert: Die Zahlen zu CRPS und Brier-Score bleiben Messungen des Modellautors, so publiziert sie auch sein mögen. Die Parameterzahl (2,4-mal so hoch wie bei WeatherNext 2) steht bei TechCrunch, aber weder in der offiziellen Ankündigung noch auf der eingesehenen technischen Seite. Betriebliche Details wie das Ensemble mit 64 Mitgliedern, die 24 täglichen Initialisierungen und der Datenzugang über Warteliste stammen aus einer Sekundärquelle und sind entsprechend zuzuordnen. Unklar bleibt, nach welchem Zeitplan das Modell tatsächlich in die einzelnen Google-Produkte einzieht, ebenso der Trainingsdaten-Stichtag der Produktionsversion.
- Perché pubblicarla
- Es ist eine offizielle Veröffentlichung, durch ein Paper dokumentiert und mit einer Drittbewertung, die das Unternehmen selbst zitiert: solides Material und im aktuellen Modellrennen selten. Zugleich ist es eine der wenigen KI-Anwendungen, deren Nutzen sich außerhalb von Benchmarks messen lässt — stündliche Vorhersagen bei 5 km berühren Katastrophenschutz, Landwirtschaft und den Betrieb der Stromnetze. Und sie ist eine saubere Fallstudie zur wiederkehrenden Grenze der Branche: geschlossene Gewichte, vom Autor selbst erhobene Zahlen und eine unabhängige Rangliste, die man besser genau ansieht, statt sie vom Hörensagen zu zitieren.