Google’s WeatherNext 2 gewinnt einen vollen Tag bei der Zyklonwarnung und wird Open Source

Google hat ein peer-reviewed Ergebnis für sein WeatherNext-AI-Wettermodell veröffentlicht und behauptet, bei der Vorhersage tropischer Zyklone eine Spitzenleistung zu erzielen und einen Vorsprung, den das Unternehmen als etwa einem Jahrzehnt meteorologischen Fortschritts beschreibt, der in ein einziges System komprimiert wurde. Der Artikel erschien in Nature am 6. August 2026, und Google veröffentlicht die Modelle offen neben ihm.

Die wichtigste Zahl ist die Vorwarnzeit. Bei Zyklonen von 2023 bis 2025 haben die Vorhersagen von WeatherNext für die Spur, Intensität und Windstruktur im Durchschnitt einen Vorsprung von einem Tag oder mehr gegenüber den führenden operationellen Modellen – was bedeutet, dass seine Dreitagevorhersage dem entspricht, was frühere Systeme bei einer Zweitagevorhersage lieferten. Bei der Zyklonvorhersage, bei der Evakuierungs- und Ausrichtungsentscheidungen von Stunden abhängen, ist dieser Vorsprung das entscheidende Maß.

Die Arbeit war eine Zusammenarbeit zwischen Google DeepMind und Google-Forschern sowie operationellen Vorhersagern des National Hurricane Center, des Cooperative Institute for Research in the Atmosphere und des UK Met Office, von denen einige Co-Autoren des Artikels sind.

Was der Nature-Artikel berichtet

Der Artikel stellt WeatherNext Cyclones vor, ein AI-Modell, das Ensemble-Vorhersagen für die Spur, Intensität und Größe eines tropischen Zyklons bis zu 15 Tage im Voraus liefert. Im Vergleich zu führenden operationellen Systemen bei Stürmen von 2023 bis 2025 gewann es im Durchschnitt 24 Stunden oder mehr an Vorwarnzeit bei allen drei Maßen – eine Verbesserung, die die Autoren als vergleichbar mit einem Jahrzehnt operationellem Fortschritt beschreiben.

Die Trainingsdaten kombinierten globale atmosphärische Analysen mit der IBTrACS-Datenbank von fast 5.000 historischen Stürmen. Das Modell verwendet Funktionsgenerierende Netze, um Wahrscheinlichkeitsverteilungen anstelle von einzelnen Punktvorhersagen zu erzeugen, und es skaliert auf 1.000-Mitglied-Ensemble (zwanzigmal die 50-Mitglied-Läufe des vorherigen Systems), was seltene, aber hochkonsequente Ereignisse wie schnelle Intensivierung besser erfassen kann.

Ein Ergebnis ragt heraus, weil es etwas in Frage stellt. Eine hohe räumliche Auflösung gilt seit langem als Preis für genaue Intensitätsvorhersagen. WeatherNext Cyclones läuft mit 28-mal-28-Kilometer-Eingaben, etwa 100-mal gröber als traditionelle regionale Modelle, und eine kompakte Variante, WeatherNext 2-mini, läuft bei 111-mal-111 Kilometern und funktioniert immer noch gut. Der Artikel besagt, dass hohe Auflösung keine strenge Voraussetzung für Spitzenleistungen bei der Intensitätsvorhersage ist, und die Forscher bemerken, dass sie noch nicht vollständig verstehen, wie das Modell Intensitätssignale aus gröberen Daten extrahiert. Sie markieren es als offene Forschungsfrage für die Gemeinschaft, jetzt, da die Gewichte öffentlich sind.

Bereits in einer operationellen Saison getestet

Die Bewertung ist nicht rein retrospektiv. Während der atlantischen Hurrikansaison 2025 lief das Modell neben dem operationellen Workflow des National Hurricane Center und half Vorhersagern, Hurricane Melissas schnelle Intensivierung und Landfall in Jamaika früh genug vorherzusagen, um eine frühzeitige Warnung zu unterstützen. Der 2025-Verifizierungsbericht des NHC dokumentiert die Vorhersageleistung der Saison. In diesem Jahr generiert das System 1.000 mögliche Szenarien pro Zyklon, um Vorhersagerentscheidungen zu unterstützen.

Tropische Zyklone haben in den letzten 50 Jahren mehr als 700.000 Todesopfer und 1,4 Billionen Dollar an wirtschaftlichen Verlusten verursacht, laut Zahlen, die im DeepMind-Beitrag genannt werden. Die Kosten für Vorhersagefehler werden in beidem gemessen.

Was Google veröffentlicht

Die Open-Source-Veröffentlichung umfasst drei Modellvarianten: WeatherNext Cyclones, die Version, die während der Hurrikansaison lief und deren Ergebnisse im Artikel erscheinen; WeatherNext 2, das Google im Oktober 2025 operationalisierte; und WeatherNext 2-mini, die kompakte Version, die auf einem einzigen TPU in einem kostenlosen Colab-Notebook läuft. Code und Gewichte für alle drei sind auf GitHub verfügbar.

Vorhersagen sind auch auf Weather Lab erforschbar, das Google von Zyklon-Verfolgung zu vollständigen globalen Vorhersagen erweitert hat, die Temperatur, Niederschlag und Windgeschwindigkeit abdecken. Sowohl die Modelle als auch Weather Lab befinden sich innerhalb von Google Earth AI. Eine einzige 15-Tage-Vorhersage dauert weniger als eine Minute auf einem TPU. Die Einschränkung bei der Übernahme ist jetzt Fachwissen und Integration, nicht Rechenleistung.