Wer das Wetter mit Smartphone-Apps checkt, wird oft enttäuscht. Mal zeigt sich die Sonne, obwohl Regen angesagt war, mal bleibt der versprochene Sonnenschein aus. Das liegt daran, dass klassische Wettermodelle auf physikalischen Gleichungen basieren, die Druck, Temperatur und Luftfeuchtigkeit berechnen - und dabei an ihre Grenzen stoßen.
Die Präzision hängt vom verwendeten Gitter ab: Je feiner das Raster, desto genauer die Vorhersage. Aber auch der Rechenaufwand steigt enorm. Ein Vorhersagehorizont von 14 Tagen gilt deshalb noch immer als Schallmauer - kleine Abweichungen summieren sich mit der Zeit zu großen Fehlern.
Hier kommen KI-Modelle ins Spiel. Wie t3n.de berichtet, lernen diese aus riesigen Datenmengen, wie sich das Wetter verändert. Googles Graphcast soll bei Zehn-Tages-Prognosen in 90 Prozent der Fälle besser abschneiden als klassische Modelle. Huaweis Pangu-Weather liefert Vorhersagen sogar 10.000 Mal schneller.
Der Deutsche Wetterdienst (DWD) setzt seit Anfang März 2026 auf ein neues KI-Modell namens AICON. Es soll die klassischen, physikbasierten Modelle ergänzen und Prognosen schneller sowie präziser machen. Auch das Europäische Zentrum für mittelfristige Wettervorhersage (ECMWF) nutzt mittlerweile ein KI-System.
Das Schweizer Start-up Jua hat ein Modell mit 4,8 Milliarden Parametern entwickelt, das bis zu 60 Tage in die Zukunft blicken kann. Bei einer Auflösung von nur fünf Kilometern werden auch lokale Phänomene wie Gewitter erfasst - etwas, womit klassische Modelle kämpfen.
Wer die verschiedenen Modelle selbst testen will: Auf der Website des ECMWF kann man Graphcast, Pangu-Weather und andere KI-Modelle direkt mit klassischen Vorhersagen vergleichen. Für Wetter-Interessierte eine spannende Spielwiese.
