Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
deepmind12. Juni 2025 · Q000860

How we're supporting better tropical cyclone prediction with AI

deepmind.google · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Google DeepMind und Google Research präsentieren Weather Lab und ein experimentelles KI-Modell, das tropische Wirbelstürme in mehreren Szenarien bis zu 15 Tage voraus prognostiziert. Laut den im Bericht beschriebenen Tests schnitt es bei Zugbahn und Stärke mindestens vergleichbar mit ausgewählten physikbasierten Modellen ab; die Validierung läuft weiter. Weather Lab ist ein Forschungswerkzeug, und seine Live-Prognosen sind keine offiziellen Warnungen.

Mittel

Google DeepMind und Google Research stellen mit Weather Lab eine Plattform für KI-Wettermodelle und historische Prognosen vor. Das neue experimentelle Modell für tropische Wirbelstürme erzeugt 50 mögliche Szenarien bis zu 15 Tage im Voraus und sagt Entstehung, Zugbahn, Stärke, Größe und Form voraus. Es wurde laut Bericht mit weltweiten Wetter-Reanalysen und Daten zu fast 5.000 Stürmen aus 45 Jahren trainiert.

Interne Auswertungen der Entwickler zeigen demnach für Zugbahn und Stärke Ergebnisse auf oder über dem Niveau physikbasierter Vergleichsmodelle. In Tests mit Stürmen aus 2023 und 2024 lag die Fünf-Tage-Zugbahnprognose im Durchschnitt 140 Kilometer näher an der tatsächlichen Position als ENS. Beim mittleren Fehler der Sturmstärke übertraf das Modell laut Bericht HAFS; Größen- und Windradiusprognosen waren in vorläufigen Tests vergleichbar mit physikbasierten Modellen.

Das US-amerikanische National Hurricane Center prüft Live-Prognosen des Modells in Zusammenarbeit mit DeepMind. Weitere Forschungspartner werden genannt. Die Ergebnisse müssen weiter validiert werden. Weather Lab ist ausdrücklich ein Forschungswerkzeug: Seine Live-Prognosen sind keine offiziellen Warnungen; dafür verweist der Bericht auf die jeweiligen Wetterdienste.

Ausführlich lesen

Der Bericht stellt Weather Lab vor, eine interaktive Plattform von Google DeepMind und Google Research, auf der KI-Wettermodelle und ihre Vorhersagen zugänglich gemacht werden. Im Mittelpunkt steht ein experimentelles Modell für tropische Wirbelstürme. Solche Stürme können große Schäden verursachen; zugleich sind sie schwierig vorherzusagen, weil sie empfindlich auf kleine Veränderungen der Atmosphäre reagieren. Genauere Prognosen könnten nach Darstellung des Berichts die Vorbereitung auf Katastrophen und rechtzeitige Evakuierungen unterstützen.

Das neue Modell verwendet stochastische neuronale Netze und erzeugt bis zu 15 Tage im Voraus 50 mögliche Szenarien. Es soll Entstehung, Zugbahn, Stärke, Größe und Form eines Wirbelsturms vorhersagen. Weather Lab zeigt aktuelle und historische Vorhersagen dieses sowie weiterer KI-Modelle und stellt sie physikbasierten Modellen gegenüber. Forschende und Fachleute können zudem mehr als zwei Jahre historische Prognosen herunterladen und auswerten. Ein begleitendes Forschungspapier beschreibt das zugrunde liegende Wettermodell.

Die Entwickler berichten, interne Tests hätten bei Zugbahn und Stärke eine Genauigkeit ergeben, die mit aktuellen physikbasierten Verfahren vergleichbar oder häufig besser sei. Für Tests mit beobachteten Stürmen im Nordatlantik und östlichen Nordpazifik aus den Jahren 2023 und 2024 habe die Fünf-Tage-Zugbahnprognose im Durchschnitt 140 Kilometer näher an der tatsächlichen Position gelegen als ENS, das globale Ensemblemodell des Europäischen Zentrums für mittelfristige Wettervorhersagen. Laut Bericht entspricht dies ungefähr der Genauigkeit, die ENS nach 3,5 Tagen erreicht. Beim mittleren Fehler für die Sturmstärke habe das Modell in Tests auch das HAFS-System der US-Wetterbehörde NOAA übertroffen. Vorläufige Tests zu Größe und Windradien hätten Ergebnisse vergleichbar mit physikbasierten Referenzmodellen gezeigt.

Als methodischen Ansatz beschreibt der Bericht das gemeinsame Training mit zwei Datentypen: einer weltweiten Wetter-Reanalyse, die vergangenes Wetter aus vielen Beobachtungen rekonstruiert, und einer spezialisierten Datenbank mit Merkmalen von fast 5.000 beobachteten Wirbelstürmen aus 45 Jahren. Die Kombination soll helfen, den üblichen Zielkonflikt zwischen großräumiger Zugbahnprognose und der schwieriger aufzulösenden Stärkevorhersage zu verringern. Die Ergebnisse stammen jedoch aus den beschriebenen internen und vorläufigen Auswertungen; der Bericht präsentiert die Plattform als Forschungsangebot und kündigt weitere Prüfung mit Echtzeitprognosen an.

Google DeepMind arbeitet laut Artikel mit dem US-amerikanischen National Hurricane Center (NHC) zusammen. Dessen Fachleute sehen Live-Prognosen des experimentellen Modells neben anderen Modellen und Beobachtungen, um den Ansatz wissenschaftlich zu prüfen. Auch CIRA an der Colorado State University, das britische Met Office, die Universität Tokio und Weathernews Inc. werden als Partner genannt. Eine CIRA-Forscherin habe das Modell als mindestens vergleichbar mit führenden operationellen Modellen für Zugbahn und Stärke bewertet; die Bestätigung durch Echtzeitprognosen während der Hurrikansaison 2025 stehe aus.

Der Bericht grenzt die Nutzung ausdrücklich ein: Weather Lab ist ein Forschungswerkzeug. Die dort angezeigten Live-Prognosen stammen von Modellen in Entwicklung und sind keine offiziellen Warnungen. Für Wetterwarnungen und Entscheidungen sollen die zuständigen nationalen Wetterdienste herangezogen werden.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Zusammenfassung ist im Kern treu und enthält keine erfundenen Angaben; die Einordnung betrifft einen Wetterforschungsbericht, der die KI-Sicherheitsfragen nur am Rande berührt, weshalb die Stufen niedrig ausfallen.

Im Bericht, aber nicht in der Zusammenfassung

  • Das Modell verbindet Zugbahn- und Intensitätsvorhersage in einem einzigen System, was laut Bericht die Kernaussage zur Verbesserung ist
  • CIRA-Auswertung: vergleichbare oder bessere Leistung als die besten operativen Modelle bei Zugbahn und Intensität, mit Ankündigung einer Bestätigung in der Saison 2025
  • Weather Lab bietet über zwei Jahre historische Prognosen zum Herunterladen für externe Auswertung und Backtesting

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
  1. SF-M4 Wie kommen Meldungen von Laboren, Betreibern und Nutzern schnell und geschützt zu den Stellen, die handeln müssen, auch über Grenzen hinweg?
    • clef 100 %kein Bezug
    • Luna 48 %einzelne zitierbare Belege
    • JEV 54 %einzelne zitierbare Belege
    • amos 32 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Fähigkeiten messen
  1. SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
    • clef 100 %kein Bezug
    • Luna 55 %Hintergrund, keine Belege
    • JEV 35 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 33 %einzelne zitierbare Belege
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 40 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Unabhängig prüfen
  1. SF-P1 Unter welchen Bedingungen lassen Staaten und Labore sich gegenseitig prüfen: mit welchem Zugang, welchen Daten und welchen öffentlichen Ergebnissen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 34 %umfangreiche Belege
    • amos 21 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 100 %kein Bezug
    • Luna 75 %einzelne zitierbare Belege
    • JEV 46 %umfangreiche Belege
    • amos 26 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 30 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung einzelne zitierbare Belege

    • SF-P3-T02 Welche unabhängig überprüfbaren Zusagen könnten Regierungen von ihren KI-Laboren zur Veröffentlichung verlangen, und wie sieht unabhängige Prüfung aus, wenn der Beleg, dass ein Modell seinen vorgesehenen Zielen und Werten folgt, nur vom trainierenden Labor kommt und Prüfer weder die Modellgewichte (die gelernten Parameter) noch die Trainingsdaten sehen? Luna: Stufe 3 · 36 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 36 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 39 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 46 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 58 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Vertrauen in Modelle
  1. SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 34 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 28 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  3. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 50 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  4. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 34 %Hintergrund, keine Belege
    • JEV 42 %einzelne zitierbare Belege
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 47 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Modelle teilen und schützen
  1. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 100 %kein Bezug
    • Luna 38 %Hintergrund, keine Belege
    • JEV 48 %einzelne zitierbare Belege
    • amos 26 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 37 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 50 %einzelne zitierbare Belege
    • JEV 50 %beantwortet teilweise oder widerspricht
    • amos 24 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung einzelne zitierbare Belege
Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 100 %kein Bezug
    • Luna 78 %einzelne zitierbare Belege
    • JEV 37 %einzelne zitierbare Belege
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 44 %gleiches Oberthema, hilft nicht
    • drex 37 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung nur am Rande erwähnt

    • SF-O2-T05 Welche öffentlichen Zusagen eines Spitzenlabors macht die juristische Person, die bei einem Bruch verklagt würde, und welche nur das Forschungsteam, und veröffentlichen die Labore das für jede Zusage? Luna: Stufe 3 · 28 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 48 %einzelne zitierbare Belege
    • JEV 57 %einzelne zitierbare Belege
    • amos 35 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 43 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 52 %einzelne zitierbare Belege
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →