Wichtigste Punkte
Google DeepMind bringt mit WeatherNext 3 ein KI-Wettermodell für Betreiber von Energieinfrastruktur auf den Markt
Das Modell wird stündlich aktualisiert und prognostiziert Windgeschwindigkeiten in Turbinenhöhe bis 100 Meter
Zudem sagt es die solare Einstrahlung voraus, um den Ertrag von Photovoltaikanlagen abzuschätzen
WeatherNext 3 zielt auf Netzbetreiber, die bei wachsendem Anteil erneuerbarer Energien Angebot und Nachfrage ausbalancieren müssen
DeepMind positioniert das Tool als direkten Beitrag zur schnelleren Verbreitung sauberer Energie
Google DeepMind hat mit WeatherNext 3 ein neues Wetterprognosemodell für Windparks, Solarkraftwerke und Stromnetzbetreiber vorgestellt.
Nach Unternehmensangaben aktualisiert sich das Modell stündlich und sagt jene Wetterbedingungen voraus, die die Einspeisung aus erneuerbaren Energien maßgeblich beeinflussen.
DeepMind hat das Werkzeug in einem Beitrag vom 14. September skizziert und zusätzliche technische Details im eigenen Blog veröffentlicht.
Was WeatherNext 3 misst
WeatherNext 3 erzeugt zwei zentrale Prognoseströme. Der erste umfasst Windgeschwindigkeit und -richtung in Höhen von bis zu 100 Metern – genau dort, wo sich die Rotorblätter moderner Onshore-Windkraftanlagen meist drehen.
Der zweite Strom prognostiziert Bewölkung und einfallende Solarstrahlung. Netzbetreiber nutzen diese Daten, um abzuschätzen, wie viel Strom Solaranlagen in den kommenden Stunden erzeugen werden.
Beide Datenströme werden im Stundentakt aktualisiert. Laut DeepMind ist diese Frequenz entscheidend, weil sich witterungsbedingte Einspeisebedingungen bereits innerhalb einer einzelnen Handelsperiode an den Strommärkten deutlich verändern können.
Das Unternehmen rahmt das Produkt als Infrastrukturbaustein der Energiewende. Frühzeitige Hinweise auf Wetterumschwünge ermöglichen es, das Angebot an Ökostrom besser an die Nachfrage der Verbraucher anzupassen. Gleichzeitig erleichtert es die Netzstabilisierung, wenn die Einspeisung aus Wind und Sonne stark schwankt.
Auch interessant: Bitget meldet 40 % Anteil von Non-Krypto-Trades und wächst über Digital Assets hinaus
Warum Netzstabilität bessere Prognosen braucht
Stromnetze haben historisch vor allem auf sogenannte „steuerbare“ Erzeugung gesetzt – also Kraftwerke, die sich nach Bedarf hoch- oder herunterfahren lassen. Kohle-, Gas- und Atomkraftwerke gehören in diese Kategorie.
Wind- und Solarkraftwerke zählen nicht dazu. Ihre Einspeisung hängt von Wetterbedingungen ab, die Betreiber nicht beeinflussen können. Ein Netz mit hohem Anteil erneuerbarer Energien muss Erzeugungsschwankungen daher voraussehen, statt nur auf sie zu reagieren.
Prognosefehler verstärken sich im Netzverbund. Überschätzt ein Windpark seine künftige Einspeisung, kann dem Systembetreiber in Lastspitzen plötzlich Leistung fehlen. Unterschätzt er sie, bleiben Kapazitäten ungenutzt und teure Reservekraftwerke laufen unnötig an.
KI-gestützte Vorhersagen mit stündlicher Auflösung adressieren diese Lücke direkt. Höhere Genauigkeit im Ein- bis Zwölf-Stunden-Fenster gibt Netzbetreibern Zeit, Speicher disponibel zu machen, Nachfrageflexibilität zu aktivieren oder Reservekapazitäten möglichst kosteneffizient bereitzustellen.
DeepMind forscht seit Jahren an Wettermodellen. Frühere Arbeiten führten zu GraphCast, einem globalen Modell, das bei mehreren Kennzahlen die Benchmarks des Europäischen Zentrums für mittelfristige Wettervorhersage übertroffen hat.
WeatherNext 3 baut auf dieser Basis auf und fokussiert die Anwendung gezielt auf energiebezogene Szenarien.
Die KI-Infrastruktur-Perspektive für Krypto-Anleger
Der Einsatz von KI-Modellen in diesem Maßstab berührt unmittelbar das Narrativ rund um dezentralisierte Recheninfrastruktur, das an den Kryptomärkten gespielt wird. Netzwerke wie Bittensor (TAO) und Render (RNDR) positionieren ihren Mehrwert explizit entlang der wachsenden Nachfrage nach verteilter KI-Rechenleistung.
Ein produktiv eingesetztes Wettervorhersagesystem eines führenden KI-Labors illustriert den realen Rechenbedarf, den solche dezentralen Netzwerke künftig bedienen wollen. DeepMind betreibt WeatherNext 3 derzeit auf proprietärer Infrastruktur. Ob offene oder verteilte Alternativen diese Performance erreichen können, bleibt eine offene Kernfrage für den Sektor.
Elon Musk hat bereits am Montag angemerkt, dass KI-Rechenzentren zu sinkenden Strompreisen für Verbraucher beitragen würden. Diese Sichtweise spiegelt die Argumentation von DeepMind, wonach bessere KI-Prognosen die Kosten für das Management von Ökostrom senken können.
Auch lesen: Grok 5 rückt als Musks AGI-Ziel in den Fokus, während Warnungen zur KI-Sicherheit zunehmen
Wie es weitergeht
DeepMind hat bislang nicht offengelegt, welche Netzbetreiber oder Energieunternehmen WeatherNext 3 bereits produktiv einsetzen. Kommerzielle Vereinbarungen in diesem Bereich betreffen typischerweise Versorger, unabhängige Erzeuger und Energiehandelsabteilungen.
Über den praktischen Nutzen für den Day-Ahead-Handel an den Strombörsen entscheidet vor allem die Prognosegüte über längere Zeithorizonte von mehr als sechs Stunden. Dort werden die größten Stromvolumina gehandelt – und dort schlagen Prognosefehler am teuersten zu Buche.
Konkurrenz bekommt DeepMind von KI-Wettermodellen spezialisierter Startups wie Tomorrow.io und von etablierten Angeboten nationaler Wetterdienste, die denselben Markt adressieren. Der Einstieg von DeepMind hebt die Messlatte für Prognosegenauigkeit im gesamten Segment.
Weiterlesen: Revolut-Hacker beginnen mit Veröffentlichung von Kundendaten und fordern 10.000 Bitcoin
