Google hat heute WeatherNext 2 auf den Markt gebracht, ein KI-gestütztes Wettervorhersagemodell, das von Google DeepMind und Google Research entwickelt wurde. Die Ankündigung fiel mit der Enthüllung von Gemini 3 Pro und Antigravity zusammen.
WeatherNext 2 verwendet eine Functional Generative Network (FGN)-Architektur, die Hunderte möglicher Wetterszenarien aus einer einzigen Eingabe simuliert. Dieser Ansatz liefert Prognosen bis zu achtmal schneller als frühere Modelle. Es zeigt eine überragende Genauigkeit bei 99,9 % der getesteten Variablen, einschließlich Temperatur, Windgeschwindigkeit und Luftfeuchtigkeit.
Das Modell ist jetzt in der Google-Suche verfügbar, wo Nutzer verbesserte Prognosen direkt in den Suchergebnissen mit stundenweisen Details sehen. Gemini unterstützt Konversations-Wetterabfragen. Pixel Weather bietet präzise Updates auf kompatiblen Geräten.
Entwickler und Unternehmen können über Google-Plattformen auf WeatherNext 2-Datensätze zugreifen. Earth Engine ermöglicht die Integration von Geodaten für die Umweltanalyse. BigQuery übernimmt umfangreiche Datenabfragen und -analysen. Early-Access-APIs in Vertex AI unterstützen die programmatische Integration in benutzerdefinierte Anwendungen.
Diese Verbesserungen unterstützen die Planung von Pendelfahrten, Reiserouten, landwirtschaftlichen Zeitplänen, Energienetzmanagement und Notfallprotokollen. Da extreme Wetterereignisse zunehmen, verbessern die Nah- und Fernvorhersagen des Modells die Sicherheitsmaßnahmen und die Vorbereitung.
Die Google-Suche bietet stundenweise Details für eine sofortige Planung. Die Google Maps-Integration umfasst aktualisierte Wetterebenen, Echtzeit-Overlays, klarere, an die Wetterbedingungen angepasste Routenführung, präzise Sturmverfolgung und Warnungen für Reisen oder Outdoor-Aktivitäten.
Google hat bestätigt, dass Google Maps das nächste große Produkt ist, das WeatherNext 2 einführt. Dieses Update bringt erweiterte Wetterebenen, Echtzeit-Overlays und gezielte Warnungen in Navigations- und Reisetools. Power-User und Unternehmen nutzen die verbesserten Datensätze, um Lieferungen, Veranstaltungsplanung und Außeneinsätze zu optimieren.
Google plant personalisierte Erkenntnisse aus dem Modell, wie zum Beispiel prädiktive Regenfenster, die auf einzelne Pendler zugeschnitten sind, und automatisierte Aufgabenvorschläge basierend auf Prognoseänderungen.
