KI in der Praxis

Googles KI-Wettervorhersagemodell "MetNet-3" liefert präzise 24h-Prognosen

Matthias Bastian
Create a widescreen, hand-drawn illustration that presents a stylish and clean artificial intelligence weather station. The design should emulate the aesthetic found in 'The Verge' illustrations. The weather station should look sophisticated and modern, featuring streamlined shapes and a minimalist approach to detail. The station includes interfaces and displays that subtly hint at its capabilities in predicting weather elements like temperature, wind, and precipitation. The overall feel of the image should be cool and contemporary, with a limited color palette and emphasis on form and function, resonating with the innovative nature of an AI-powered weather forecasting system.

DALL-E 3 prompted by THE DECODER

Google Research und Google DeepMind haben MetNet-3 entwickelt, ein KI-gestütztes Wettervorhersagemodell, das präzise Vorhersagen bis zu 24 Stunden im Voraus liefert.

Das Modell kann verschiedene Aspekte wie Regen, Temperatur, Windgeschwindigkeit und -richtung sowie Taupunkt vorhersagen.

Nach Angaben des Forschungsteams ist MetNet-3 leistungsfähiger als herkömmliche numerische Wettervorhersagemodelle (NWP) wie High-Resolution Rapid Refresh (HRRR) und Ensemble Forecast Suite (ENS), wenn es um Vorhersagen für mehrere Regionen und bis zu 24 Stunden im Voraus geht.

Echtzeit-KI-Wetter-Vorhersagen

Ein besonderes Merkmal der MetNet-Modelle ist, dass sie direkte Beobachtungen der Atmosphäre für das Training und die Evaluierung verwenden, anstatt sich auf Daten aus anderen Wettervorhersagemodellen (NWP) zu verlassen. MetNet-3 verwendet dafür Messungen von Wetterstationen als Eingabe und Zielvorgabe und versucht, Vorhersagen für alle Standorte zu erstellen.

Die Hauptinnovation des Modells ist eine Technik namens Densification (Verdichtung), die Datenassimilation (Verwendung realer Daten) und Simulation in einem einzigen Schritt innerhalb des neuronalen Netzes kombiniert. MetNet-3 prognostiziert eine Wahrscheinlichkeitsverteilung für jede Variable und jeden Standort und liefert mehr Informationen als nur den Mittelwert.

Die Verdichtung in Kombination mit Lead-Time-Conditioning (Anpassung an den Vorhersagezeitpunkt) und hochauflösenden Direktbeobachtungen ermöglicht nach Angaben des Forschungsteams eine detaillierte 24-Stunden-Vorhersage mit einer zeitlichen Auflösung von zwei Minuten.

Die Leistung von MetNet-3 bei der Niederschlagsvorhersage ist laut des Google-Teams über den gesamten 24-Stunden-Zeitraum besser als die von ENS, gemessen am Continuous Ranked Probability Score (CRPS), einem Maß für die Vorhersagegenauigkeit.

Bild: Google Research

Bessere Wetterfunktionen in Google-Produkten

Das Echtzeitsystem von MetNet-3 ist laut Google in der Lage, alle paar Minuten Niederschlagsvorhersagen für die gesamten USA und 27 Länder in Europa für bis zu 12 Stunden zu liefern.

Dazu nutzt das System aktuelle Daten aus verschiedenen Quellen, erstellt Vorhersagen, überprüft deren Genauigkeit, lernt aus Modellergebnissen und stellt die Ergebnisse Millionen von Google-Nutzern zur Verfügung.

So erhalten unter anderem Nutzer, die auf ihren mobilen Geräten nach Wetterinformationen für einen bestimmten Ort suchen, genau lokalisierte Regenvorhersagedaten, einschließlich detaillierter Zeitstrahlgrafiken mit minutengenauer Aufschlüsselung.

Video: Google Research

Derzeit ist MetNet-3 in den USA und Teilen Europas verfügbar und konzentriert sich auf 12-Stunden-Regenvorhersagen.

Laut Google wird das Modell in verschiedenen Google-Produkten und -Technologien verwendet, die Wetterinformationen verarbeiten, und hat das Potenzial, "die Sicherheit und Effizienz vieler Aktivitäten zu verbessern, z. B. im Verkehr, in der Landwirtschaft und bei der Energieerzeugung".

Quellen: