KI-Durchbruch: Wie WeatherNext Cyclones Vorhersagen um einen Tag verbessert und Leben rettet

Am 6. August 2026 verkündete Google DeepMind einen bahnbrechenden Fortschritt in der Vorhersage tropischer Wirbelstürme – ein Erfolg, der als ein Jahrzehnt meteorologischer Entwicklung in einem einzigen KI-Modell beschrieben wird . Das Modell mit dem Namen WeatherNext Cyclones wurde in einem Peer-Review-Verfahren in der Fachzeitschrift Nature bestätigt und bereits während der atlantischen Hurrikansaison 2025 unter realen Bedingungen getestet. Von entscheidender Bedeutung für die globale Klimaresilienz: Google DeepMind hat das Modell als Open Source veröffentlicht und den Code sowie die Gewichte für jedermann zugänglich gemacht – von nationalen Wetterdiensten bis hin zu akademischen Forschern .

Was WeatherNext Cyclones anders macht

Die traditionelle Zyklonvorhersage stand lange vor einem Dilemma: Globale Modelle sagen die Zugbahn eines Sturms (wohin er zieht) gut vorher, haben aber Schwierigkeiten mit der Intensität, während hochauflösende Regionalmodelle die Intensität erfassen, dafür aber den Gesamtüberblick verlieren. WeatherNext Cyclones ist ein einziges KI-Modell, das alle drei Parameter – Zugbahn, Intensität und Windstruktur – gleichzeitig und mit höchster Genauigkeit vorhersagt .

Trainiert wurde das Modell mit jahrzehntelangen globalen Atmosphärendaten sowie einer kuratierten Datenbank von knapp 5.000 historischen tropischen Wirbelstürmen . In weniger als einer Minute pro Durchlauf auf einer einzigen TPU kann es 1.000 probabilistische Sturmszenarien generieren und liefert den Prognostikern so ein Ensemble möglicher Entwicklungen statt einer einzigen deterministischen Vorhersage .

Der Genauigkeitsgewinn: Ein ganzer zusätzlicher Tag Vorwarnzeit

Das zentrale Ergebnis ist konkret und messbar. Laut der Nature-Veröffentlichung sind die Dreitagesvorhersagen von WeatherNext Cyclones genauso genau wie das, was führende Vorgängermodelle erst nach zwei Tagen liefern konnten . Im Durchschnitt bedeutet das etwa 24 Stunden zusätzliche Vorwarnzeit für die Behörden, um die Bevölkerung in der Zugbahn eines Zyklons zu warnen .

Die Verbesserung wurde anhand tropischer Wirbelstürme aus den Jahren 2023 bis 2025 validiert. In diesem Datensatz übertraf WeatherNext die führenden operationellen Modelle – darunter ECMWF-ENS und HWRF – in den Kategorien Zugbahn, Intensität und Windstruktur . Google DeepMind bezeichnet diesen Fortschritt als gleichbedeutend mit etwa einem Jahrzehnt typischer meteorologischer Verbesserung .

Praxisvalidierung: Hurrikan Melissa (2025)

WeatherNext Cyclones war kein reines Forschungsprojekt. Das Modell lief während der atlantischen Hurrikansaison 2025 operativ mit und lieferte dort seine eindrucksvollste Bestätigung in der Praxis .

Im Mai 2025 sagte das Modell in Echtzeit die rapide Intensivierung des Hurrikans Melissa voraus. Ausgehend von Windgeschwindigkeiten der Kategorie 1 prognostizierte WeatherNext präzise, dass der Sturm die Stärke eines Hurrikans der Kategorie 5 erreichen würde – eine Entwicklung, die selbst die Prognostiker des National Hurricane Center (NHC) aufhorchen ließ .

Entscheidend war, dass das NHC die Vorhersagen von WeatherNext nutzte, um fünf Tage im Voraus eine Landungswarnung für Hurrikan Melissa in Jamaika herauszugeben. Laut Google DeepMind war dies das erste Mal, dass NHC-Prognostiker einen Sturm von Kategorie 1 ausgehend als Kategorie 5 vorhersagten – die zusätzliche Vorwarnzeit half, Leben zu retten . Das Modell gab seine Prognose mit einer 80-prozentigen Sicherheit ab und gab den Entscheidungsträgern damit die nötige Zuversicht zum Handeln .

Der technische Durchbruch

WeatherNext Cyclones baut auf der breiteren WeatherNext-2-Architektur auf, die Google DeepMind im November 2025 vorstellte . WeatherNext 2 generiert Vorhersagen achtmal schneller als Vorgängersysteme und mit einer Auflösung von bis zu einer Stunde . Das zyklonspezifische Modell musste jedoch ein noch schwierigeres Problem lösen: Wie man mit relativ groben globalen Atmosphärendaten genaue Vorhersagen trifft, ohne auf hochauflösende regionale Raster angewiesen zu sein.

Laut der Nature-Studie stellt WeatherNext Cyclones die lange gehegte Annahme in Frage, dass für eine genaue Zyklonvorhersage hochauflösende Daten nötig seien. Durch das Training mit globalen Wetterdaten erreicht das Modell eine hohe Genauigkeit, ohne den enormen Rechenaufwand traditioneller hochauflösender Modelle . Das ist ein Hauptgrund dafür, dass das Modell schnell genug läuft, um in Echtzeit eingesetzt zu werden.

Open Source: Technologie für alle zugänglich

Im Gegensatz zu vielen KI-Durchbrüchen, die in den Laboren großer Konzerne verschlossen bleiben, hat Google DeepMind WeatherNext Cyclones, WeatherNext 2 und WeatherNext 2-mini als Open-Source-Modelle veröffentlicht .

Der Code und die Modellgewichte sind auf GitHub unter kommerziell nutzbaren Lizenzen verfügbar . Das bedeutet, dass nationale Wetterdienste in Entwicklungsländern – die oft nicht das Budget für teure, proprietäre Vorhersagesysteme haben – die Modelle herunterladen, ausführen und an ihre lokalen Bedürfnisse anpassen können . Die kompakte Variante WeatherNext 2-mini ist so konzipiert, dass sie sogar in einem Colab-Notebook läuft, was sie auch Forschern mit begrenzten Rechenressourcen zugänglich macht .

Was das für die Zukunft der Zyklonvorhersage bedeutet

Die praktische Bedeutung eines zusätzlichen Vorwarntages ist kaum zu überschätzen. Jede zusätzliche Stunde Vorlaufzeit erlaubt es den Katastrophenschutzbehörden, Evakuierungen anzuordnen, Hilfsgüter bereitzustellen und gezielte Warnungen an gefährdete Bevölkerungsgruppen zu richten. In einer Welt, in der der Klimawandel tropische Wirbelstürme immer intensiver und schwerer vorhersagbar macht, ist ein KI-Modell, das einen Jahrzehntsprung in der Entwicklung liefert – und das zudem für jeden frei nutzbar ist – ein bedeutender Schritt nach vorn für die globale Klimaresilienz.