Googles WeatherNext 3 liefert stündliche Wettervorhersagen mit 5 km Auflösung

Google DeepMind hat am 3. September 2026 WeatherNext 3 veröffentlicht, ein Wettervorhersagemodell, das seine Prognosen stündlich statt alle sechs Stunden aktualisiert. Die neue Version verschärft zudem die Auflösung wichtiger Variablen auf 5 Kilometer und ersetzt das flache 25-Kilometer-Raster, das der Vorgänger für alles verwendete.

Was sich tatsächlich verbessert hat

Das alte Modell, WeatherNext 2, lieferte eine einzige Auflösung für jede Art von Daten: 25 Kilometer, alle sechs Stunden aktualisiert. WeatherNext 3 trennt das nach Variable auf.

Variablentyp	Auflösung
Temperatur und Feuchtigkeit	5 Kilometer
Andere Oberflächenvariablen	10 Kilometer
Windgeschwindigkeit und atmosphärische Variablen	25 Kilometer

Googles eigene Ankündigung und Unite.AI beschreiben die Aktualisierung übereinstimmend als etwa fünfmal schärfer bei den Variablen, die Menschen im Alltag tatsächlich abrufen. Prognosen kommen jetzt jede Stunde statt alle sechs.

Was das Modell tatsächlich füttert

Der Sprung in der Detailgenauigkeit geht auf das zurück, was das Modell liest, nicht nur darauf, wie es trainiert wurde.

Unite.AI berichtet, das Modell verarbeite ein 11-Kanal-Mosaik geostationärer Satellitendaten mit 0,1-Grad-Auflösung, das laufend aktualisiert wird. Es stützt sich außerdem auf Bodenbeobachtungen von Wetterstationen, NASA-Niederschlagsdaten und einen eigenen globalen Niederschlags-Reanalyse-Datensatz. Genau dieser Live-Satellitenstrom macht die stündlichen Aktualisierungen möglich. Jede Prognose basiert auf Beobachtungen der letzten Stunde, statt auf den nächsten planmäßigen Lauf zu warten.

Beide Quellen berichten von einem echten Genauigkeitsgewinn durch diesen Ansatz, nicht nur von häufigerer Ausgabe. Regenvorhersagen verbesserten sich um bis zu 60 Prozent, gemessen am Satelliten-Niederschlagsprodukt der NASA, und um 30 Prozent gegenüber Bodenradar.

Wo Entwickler tatsächlich darauf zugreifen können

Dies ist ein Modell, das dafür gebaut wurde, abgefragt zu werden, nicht nur, um darüber zu lesen.

Googles Ankündigung listet direkten Zugriff über BigQuery und Earth Engine auf, außerdem Massen-Downloads aus Google Cloud Storage. Das Download-Format ist Zarr, ein Format für gestückelte Arrays, das für große, gitterförmige wissenschaftliche Daten gebaut wurde. Dasselbe Modell treibt auch Wetterergebnisse in der Suche, in Gemini, in Google Maps und in der Google Maps Platform Weather API an.

Unite.AI weist auf eine ausdrückliche Einschränkung hin, die es wert ist, wiederholt zu werden, statt darüber hinwegzugehen. Google selbst beschreibt WeatherNext als "ein automatisiertes, experimentelles KI-System" und schreibt, Nutzer sollten sich bei Unwettern an offizielle Wetterbehörden wenden, statt sich allein darauf zu verlassen.

Was das für Entwickler bedeutet

Wenn Sie bereits Wetterdaten über die Maps Platform Weather API oder Earth Engine abrufen, prüfen Sie zuerst eine Sache. Bestätigen Sie, ob Ihre Integration an eine bestimmte Modellversion gebunden ist, bevor diese Änderung sich still und leise unter Ihnen einschleicht. Ein Sprung von 6-Stunden- auf Stunden-Updates ändert die Form der Daten, die Ihr Code erhält, nicht nur ihre Genauigkeit. Eine Caching-Schicht, die auf 6-Stunden-Aktualität ausgelegt ist, liefert künftig weit häufiger veraltete Daten als bisher.

Kalkulieren Sie den Rohzugriffspfad anders. Das Massen-Herunterladen gerasterter Zarr-Daten aus Cloud Storage hat ein anderes Kosten- und Technikprofil als eine BigQuery-Abfrage nach genau den benötigten Zellen. Wenn Ihr Anwendungsfall nur eine Handvoll Orte betrifft, fragen Sie ab, statt herunterzuladen. Brauchen Sie das gesamte Raster für Offline-Modellierung, ist der Massen-Pfad genau dafür gebaut.

Behalten Sie die Kennzeichnung "experimentell" in Ihrer eigenen Risikoeinschätzung, nicht nur in Googles. Ein Modell, das gut genug ist, um die Wetterantworten der Suche anzutreiben, ist trotzdem ausdrücklich als ungeeignet gekennzeichnet, um Ihre einzige Quelle für Unwetterentscheidungen zu sein. Wenn Ihr Produkt eine sicherheitsrelevante Entscheidung auf Basis dieser Daten trifft, halten Sie eine offizielle Wetterquelle als Rückfallebene bereit, nicht als nachträglichen Gedanken.