Das KI-Modell von Nvidia hat den Sturm Wochen im Voraus genau vorhergesagt.

Als der Wintersturm einen Großteil der Vereinigten Staaten heimsuchte, wiesen die Wettervorhersagen für bestimmte Regionen erhebliche Abweichungen auf, wobei die Schneefallprognosen stark variierten.

Der Zeitpunkt für die Einführung der neuen Earth-2-Wettervorhersagemodelle von Nvidia hätte nicht besser sein können. Oder hatte das Unternehmen angesichts der behaupteten Genauigkeit dieser Modelle vielleicht schon im Voraus Einblick in die Wetterbedingungen?

Diese neuen KI-Modelle wurden entwickelt, um schnellere und präzisere Wettervorhersagen zu liefern. Nvidia gibt an, dass ein bestimmtes Modell, Earth-2 Medium Range, das KI-Wettermodell GenCast von Google DeepMind in mehr als 70 Variablen übertrifft. GenCast, das im Dezember 2024 von Google veröffentlicht wurde, hatte bereits eine überlegene Genauigkeit im Vergleich zu bestehenden Wettermodellen gezeigt, die Vorhersagen bis zu 15 Tage im Voraus erstellen können.

Nvidia stellte diese neuen Tools am Montag auf der Tagung der American Meteorological Society in Houston vor.

„Aus philosophischer und wissenschaftlicher Sicht bedeutet dies eine Rückkehr zur Einfachheit“, erklärte Mike Pritchard, Direktor für Klimasimulation bei Nvidia, vor der Tagung gegenüber Reportern. „Wir verabschieden uns von spezialisierten, handgefertigten KI-Architekturen und begrüßen die Zukunft einfacher, skalierbarer, transformatorbasierter Systeme.“

Herkömmliche Wettervorhersagen basieren in erster Linie auf physikalischen Simulationen realer Beobachtungen. KI-Modelle sind eine neuere Entwicklung in diesem Bereich. Das Earth-2-Mittelfristmodell basiert auf einer neuen Nvidia-Architektur namens Atlas, über die am Montag weitere Details bekannt gegeben werden sollen.

Neben Medium Range umfasst die Earth-2-Suite von Nvidia ein Nowcasting-Modell und ein Global Data Assimilation-Modell.

Disrupt 2026 Tickets: Einmaliges Angebot

Tickets sind jetzt erhältlich! Sichern Sie sich während dieses zeitlich begrenzten Angebots Ersparnisse von bis zu 680 US-Dollar und gehören Sie zu den ersten 500 Anmeldern, die 50 % Rabatt auf Ihren +1-Pass erhalten. TechCrunch Disrupt präsentiert Branchenführer von Google Cloud, Netflix, Microsoft, Box, a16z, Hugging Face und vielen anderen in über 250 Sessions, die sich auf die Förderung von Wachstum und die Stärkung Ihrer Wettbewerbsvorteile konzentrieren. Treffen Sie Hunderte innovativer Startups und nehmen Sie an ausgewählten Networking-Veranstaltungen teil, die Geschäfte ermöglichen, wertvolle Einblicke bieten und Inspiration liefern.

Disrupt 2026 Tickets: Einmaliges Angebot

Tickets sind jetzt erhältlich! Sichern Sie sich während dieses zeitlich begrenzten Angebots Ersparnisse von bis zu 680 $ und gehören Sie zu den ersten 500 Anmeldern, die 50 % Rabatt auf Ihren +1-Pass erhalten. TechCrunch Disrupt präsentiert Branchenführer von Google Cloud, Netflix, Microsoft, Box, a16z, Hugging Face und vielen anderen in über 250 Sessions, die sich auf die Förderung von Wachstum und die Stärkung Ihrer Wettbewerbsvorteile konzentrieren. Treffen Sie Hunderte innovativer Startups und nehmen Sie an ausgewählten Networking-Veranstaltungen teil, die Geschäfte ermöglichen, wertvolle Einblicke bieten und Inspiration wecken.

Nowcasting generiert kurzfristige Wettervorhersagen für einen Zeitraum von null bis sechs Stunden und hilft Meteorologen dabei, die potenziellen Auswirkungen von Stürmen und anderen gefährlichen Wetterbedingungen einzuschätzen.

„Da dieses Modell direkt auf weltweit verfügbaren geostationären Satellitendaten und nicht auf regionsspezifischen physikalischen Modellausgaben trainiert ist, kann Nowcasting an jeden Ort mit ausreichender Satellitenabdeckung angepasst werden“, so Pritchard. Diese Fähigkeit sollte den Regierungen von Bundesstaaten und kleineren Nationen dabei helfen, zu verstehen, wie sich Unwetter auf ihre Regionen auswirken könnten.

Das Global Data Assimilation Model verarbeitet Daten aus Quellen wie Wetterstationen und Ballons, um kontinuierliche Momentaufnahmen der Wetterbedingungen an Tausenden von Standorten weltweit zu erstellen. Diese Momentaufnahmen dienen als Ausgangspunkt für Wettermodelle zur Erstellung ihrer Vorhersagen.

Traditionell erforderte die Erstellung dieser Momentaufnahmen enorme Rechenressourcen, bevor mit der Vorhersage begonnen werden konnte. „Dieser Prozess verbraucht in der Regel etwa 50 % der gesamten Supercomputing-Kapazität, die bei der traditionellen Wettervorhersage zum Einsatz kommt“, erklärte Pritchard. „Unser Modell kann dies mit GPUs in wenigen Minuten erledigen, anstatt der Stunden, die Supercomputer dafür benötigen.“

Diese drei neuen Modelle ergänzen zwei bereits bestehende: CorrDiff, das grobkörnige Vorhersagen verwendet, um schnell hochauflösende Prognosen zu erstellen, und FourCastNet 3, das einzelne Wettervariablen wie Temperatur, Wind und Luftfeuchtigkeit modelliert.

Laut Pritchard sollten diese neuen Modelle den Zugang zu fortschrittlichen Wettervorhersage-Tools demokratisieren, die bisher hauptsächlich wohlhabenderen Nationen und großen Unternehmen zur Verfügung standen, die sich teure Supercomputer-Zeit leisten können.

„Diese Tools bieten grundlegende Bausteine für alle im Ökosystem – nationale Wetterdienste, Finanzunternehmen, Energieunternehmen – jede Organisation, die an der Entwicklung und Verfeinerung von Wettervorhersagemodellen interessiert ist“, erklärte Pritchard. Einige Tools sind bereits einsatzbereit: Meteorologen in Israel und Taiwan nutzen Earth-2 CorrDiff, während The Weather Company und Total Energies Nowcasting evaluieren.

„Während einige Nutzer es vorziehen, zentralisierte Wettervorhersagesysteme für Unternehmen zu abonnieren, legen andere, insbesondere Länder, Wert auf Souveränität“, betonte Pritchard. „Das Wetter ist ein Thema der nationalen Sicherheit, sodass Souveränität und Wettervorhersage untrennbar miteinander verbunden sind.“