In diesem Interview spricht Dr. Martin Fengler, CEO und Gründer von Meteomatics, über das durch die Pandemie veränderte Geschäftsumfeld, die Genauigkeiten der eigenen Wetterdaten, die Entwicklung der Meteodrohnen und über die Zukunft von Meteomatics. Ausserdem verrät er, was er sich im Falle eines hypothetischen Wunsches für das nächste Jahr wünschen würde.

Autor: Dr. Alexander Stauch, Head of Marketing

Alexander Stauch: Das Jahr 2021 war leider wie schon 2020 erneut stark von der Pandemie geprägt. Wie hat sich das Geschäft in den letzten zwei Jahren der Pandemie entwickelt?

Martin Fengler: Sehr positiv. Wir konnten auch dieses Jahr wieder sehr stark wachsen und viele spannenden Kunden gewinnen, und zwar über alle Industrien hinweg. Das Kundenwachstum konzentriert sich vor allem in den Bereichen der Automobilindustrie, Energieindustrie, Versicherungen, sowie auch im Aviatik Umfeld. Dazu gehören unter anderem Kunden wie Porsche, Tesla, Airbus, Thales, Frontex und Eurocontrol.

Wo liegen die grössten Unterschiede zu den Zeiten vor der Pandemie?

Natürlich hat sich für uns die Art und Weise wie wir dem Markt begegnen verändert. Wir gehen jetzt mehr Richtung Online-Präsenz, da wir vor der Pandemie sehr viel an Messen waren. Das hat sich nun stark verändert. Und sonst hat sich auch die Firma sehr stark verändert. Wir sind nochmal deutlich grösser geworden, wodurch wir auch mehr Dinge gleichzeitig machen können. Unsere Bandbreite an Aktivitäten hat sich in diesem Jahr noch mal deutlich erweitert.

Über Dr. Martin Fengler

Dr. Martin Fengler studierte an der TU Kaiserslautern (Deutschland), wo er im Fach angewandter Mathematik promovierte. Nach seinem Studium entwickelte er mehrere numerische Wettervorhersagecodes für die Meteomedia AG (heute MeteoGroup Schweiz), wo er für die Abteilung Technologie & Innovation verantwortlich war. Durch sein persönliches Hobby als Sportflugzeugpilot entstand bei ihm bereits sehr früh das Bedürfnis nach sehr lokalen und stark verbesserten Wetterprognosen, insbesondere für Nebel. Im Frühjahr 2012 gründete Martin Fengler folglich aus dem entstandenen Bedürfnis heraus die Firma Meteomatics in St. Gallen (Schweiz). Seitdem führt er das Unternehmen sehr erfolgreich und entwickelt dabei neue Industriestandards, welche Wettervorhersagen signifikant verbessern. Heute hat Meteomatics rund 55 Mitarbeiter und auch zwei Auslandniederlassungen. Neben seiner Familie mit zwei Kindern geniesst Martin auch gerne Zeit in der Natur: Klettern, Wandern und andere Outdoor-Aktivitäten gehören ebenfalls zu seinen Hobbies.

Sprechen wir nun über die Vorhersagequalität. Meteomatics bietet ja unter anderem auch eigene Vorhersagen basierend auf den nationalen Wettermodellen, also selbstentwickelte Vorhersagen an. Wieso hat sich Meteomatics entschieden, eigene Vorhersagen zu entwickeln und anzubieten?

Generell ist es so, dass wir unseren Kunden weltweit Wetterdaten bereitstellen. 90% unseres Geschäfts ist ausserhalb der Schweiz. Dabei verfeinern wir die Vorhersagen von nationalen Wetterdienstleistern. Da gibt es verschiedene Methoden aus dem Bereich Machine Learning und Deep Learning, die es uns erlauben, sehr feine und granulare Details aus den Daten der bestehenden Wettermodelle herauszuarbeiten. Dies tun wir in dem wir die Wettermodelle mit hoch aufgelösten Geländemodellen, Landnutzungsdaten und astronomischen Daten kombinieren. Dadurch erreichen wir einen Detailierungsgrad, der einen signifikanten Mehrwert für unsere Kunden liefert. Der von uns entwickelte Meteomatics-Mix stellt dabei aus allen verfügbaren Wettermodellen den jeweils passenden und verfeinerten Output für jede Koordinaten weltweit zur Verfügung.

«Durch unseren Ansatz erreichen wir einen Detailierungsgrad, der einen signifikanten Mehrwert für unsere Kunden liefert»

Somit kann man durch die erwähnten Verfeinerungsmethoden bereits eine starke Verbesserung der Prognosen erreichen?

Tatsächlich ist es so, dass man eine Reihe von Detailproblemen damit nicht lösen kann. Um diese zu lösen, bedarf es einem physikalischen Ansatz. Dies beinhaltet das Lösen von Strömungsgleichungen, die an thermodynamische Gleichungen gekoppelt sind. Man muss also einen Wettercode laufen lassen und das in einer sehr hohen Auflösung. Dies hilft insbesondere für eine genauere Vorhersage von Nebel, Hochnebel und Gewitter. Dazu braucht es eine sehr hohe Modellauflösung. Um genau zu sein, bedarf es einer sehr viel höheren Modellauflösung als es bei den Wettermodellen der nationalen Anbieter heutzutage der Fall ist. Ein solches Modell haben wir bereits für die Schweiz gerechnet und bieten dies auch unseren Kunden an.

Was bedeutet denn überhaupt eine «hohe Auflösung» bei Wettermodellen?

Wir sprechen von einer hohen Auflösung, wenn die Auflösung kleiner oder gleich ein Kilometer ist. Dadurch können viele lokale und dynamische Effekte abgebildet werden. Die Abbildung dieser Effekte wird dadurch ermöglicht, dass es bei einer Ein-Kilometerauflösung innerhalb von einem Kilometer immer mindestens einen Validierungs- oder Messpunkt für das Wettermodell gibt. Bei Meteomatics brechen wir diese Information zusätzlich noch auf lokale Geländemodelle mit einer Auflösung von 90 Metern runter. Diesen Ansatz bezeichnen wir als 90 Meter Downscaling, also ein Skalieren der Modelldaten hinsichtlich der lokalen topographischen Gegebenheiten. Dadurch erreichen wir die bereits angesprochene Verfeinerung der Wetterprognosen basierend auf den existierenden Wettermodellen. Um dies umsetzten zu können, haben wir eine proprietäre Technologie entwickelt, die uns das Downscaling der Modellausgaben in Echtzeit erlaubt. Deswegen können wir unseren Kunden das Downscaling auch für weltweite Wetterprognosen anbieten, worauf wir als Firma sehr stolz sind.

Eine hohe Auflösung kann sich also auf verschiedene Eigenschaften der Wettermodelle beziehen?

Eine hohe Auflösung bedeutet also zum einen eine Auflösung kleiner oder gleich einem Kilometer hinsichtlich Wetterdaten Validierung, aber zum anderen auch eine Auflösung hinsichtlich der Datenskalierung auf die topographischen Gegebenheiten, also die Auflösung des sogenannten Downscalings. Natürlich kann man beides im Idealfall miteinander verbinden, um die Genauigkeit zu maximieren. Zusätzlich spricht man auch noch von einer zeitlichen Auflösung bei Wetterprognosen. Damit meint man dann aber die zeitlichen Abstände, also die Intervalle, zwischen den einzelnen Prognosewerten. Hier gibt es von 5 Minuten Intervallen bis hin zu stündlichen Intervallen viele Abstufungen. Mit einer hohen zeitlichen Auflösung werden die Wetterprognosen hinsichtlich des zeitlichen Geschehens der Wetterereignisse nochmal stark verbessert. Bei Meteomatics können wir falls nötig eine sehr hohe zeitliche Auflösung von unter einer Minute anbieten, wodurch die Genauigkeit ebenfalls stark verbessert wird.

Wieso ist eine hohe Auflösung wichtig?

Die skalierte Auflösung hinsichtlich topographischer Gegebenheiten, also das Downscaling, bieten wir nicht nur für aktuelle Daten und Prognosen an, sondern auch für historische Wetterdaten. Eine hohe Auflösung ist in diesem Fall wichtig, um lokale Gegebenheiten in Wettermodellen besser berücksichtigen zu können, wodurch sich die Vorhersagequalität auf lokaler Ebene stark verbessert. Dies bieten wir im Gegensatz zu der Ein-Kilometerauflösung bereits weltweit an. Deshalb haben wir mittlerweile sehr viele Energiekunden auch ausserhalb von Europa, bspw. aus den USA oder Südamerika, die eben genau diese neue Qualität der Wetterprognosen sehr schätzen und dadurch einen grossen Mehrwert erfahren.

«Da wir das 90 Meter Downscaling weltweit anbieten, haben wir mittlerweile auch sehr viele Energiekunden ausserhalb von Europa»

Und was bedeutet Downscaling eigentlich genau?

Downscaling ist die allgemeine Bezeichnung für ein Verfahren, bei dem Informationen, die in grossem Massstab bekannt sind, für Vorhersagen in lokalem Massstab verwendet werden, also für lokale Massstäbe «runter skaliert» werden. Wie bereits erwähnt bedeutet das in unserem Fall ein Skalieren der Modelldaten hinsichtlich der lokalen topographischen Gegebenheiten, wodurch die bestehenden Prognosen nochmals deutlich verfeinert werden können.

Das klingt sehr komplex. Wie wird das Downscaling technisch umgesetzt?

Die beiden Hauptansätze für das Downscaling von Wetterinformationen sind die dynamische und statistische Herangehensweise. Beim dynamischen Downscaling werden hochauflösende Wettermodelle auf einem regionalen Teilgebiet eingesetzt, wobei Beobachtungsdaten oder die Ergebnisse von Wettermodellen mit geringerer Auflösung als Randbedingung dienen. Diese Modelle verwenden physikalische Prinzipien, um das lokale Wetter zu reproduzieren, sind aber sehr rechenintensiv. Das statistische Downscaling ist ein zweistufiger Prozess, der zum einen aus der Entwicklung statistischer Beziehungen zwischen lokalen Wettervariablen (z. B. Oberflächentemperatur und Niederschlag) sowie grossräumigen Prädiktoren (z. B. Druckfeldern), und zum anderen aus der Anwendung solcher Beziehungen auf die Ergebnisse globaler Wettermodellexperimente besteht, um lokale Wettereigenschaften in der Zukunft zu simulieren. Bei Meteomatics verwenden wir eine Mischform aus statistischen und dynamischen Methoden, damit wir die Vorteile aus beiden Verfahren vereinen können. Vereinfacht bedeutet das, das Downscaling die Berücksichtigung von lokalen Gegebenheiten bei der Prognoseentwicklung mit einbezieht, wodurch die lokale Genauigkeit stark erhöht wird.

Was hat es mit den 90 Metern beim Downscaling auf sich?

Wir fügen das digitale 90 Meter Geländemodell der NASA hinzu, um die Granularität der unserer Wetterdaten, egal ob historisch, gegenwärtig oder für zukünftige Prognosen, zu verbessern. Die 90 Meter beziehen sich also auf das Geländemodell der NASA und stellen ein 90 mal 90 Meter Raster dar. Das heisst, die Geländemodelle der NASA haben alle 90 Meter einen gemessenen Punkt zur Validierung, bspw. die Höhe über Meer für eine spezifische Koordinate. Diese lokalen Landschaftsverhältnisse werden somit durch das Downscaling in die von uns durchgeführten lokalen Wettervorhersagen mit einbezogen.

«Wir fügen das digitale 90 Meter Geländemodell der NASA hinzu, um die Granularität unserer Wetterdaten, egal ob historisch, gegenwärtig oder für zukünftige Prognosen, stark zu verbessern»

Kommt das Downscaling bei allen angebotenen Wettermodellen, inklusive der Wettermodelle der nationalen Wetterdienste, zum Einsatz?

Genau. Das Downscaling bieten wir bei allen Wettermodellen und für alle unsere Wetterparameter an. Dank unserer Technologie wird das Downscaling sogar live angewendet, da die Berechnungen im Hintergrund in Echtzeit durchgeführt werden.

Welche Vorteile ergeben sich aus der Kombination von hochaufgelösten Wettermodellen und dem Downscaling für die Kunden von Meteomatics?

Wir erreichen durch die Kombination dieser Ansätze eine nie dagewesene Genauigkeit von Wetterprognosen, insbesondere auf lokalem Level. Viele unserer Kunden erfahren genau dadurch einen extrem grossen Mehrwert, da sie oft lokalen Tätigkeiten nach gehen die stark von lokalem Wetter abhängig sind. Dazu gehört bspw. die Produktion von erneuerbaren Energien, die Einflüsse auf Land und Seetransportrouten oder der Betrieb eines Flughafens.

Meteomatics behauptet von sich, die weltbesten und genausten Wetterdaten anzubieten. Was macht Sie so sicher, dass dies der Fall ist?

Wir stehen natürlich im Wettbewerb. Den Wetterprognosemarkt gibt es ja schon seit mindestens 30 bis 40 Jahren. Es ist zwar ein wachsender Markt, ein Stück weit aber auch ein Verdrängungswettbewerb. Kunden, gerade im Energieumfeld, wechseln ja nur zu einem neuen Anbieter, wenn es einen extremen Qualitätsgewinn gibt. Ansonsten hätten die ja gar keinen Anreiz zu wechseln. Und da stehen wir kontinuierlich im Benchmark, das heisst wir wissen aus diesen Drittvergleichen, wo wir qualitativ stehen. Ausserdem kennen wir den Markt und die Produkte sehr gut. Wir haben als Meteomatics nun auch schon 10 Jahre Erfahrung. Gleichzeitig haben wir auch Kollegen bei uns die schon 15 oder teilweise sogar 20 Jahre Erfahrung haben. Dadurch haben wir ein sehr hohes Detailwissen, was uns wiederum erlaubt mit sehr grosser Gewissheit zu sagen, dass wir die Messlatte sehr hochlegen. Ich glaube daher schon, dass wir die Anlaufstelle für die weltweit besten Wetterdaten sind.

«Warum sollte man nicht den Traum verfolgen, ein solches Wettermodell für die gesamte Welt in extrem hoher Auflösung rechnen und anbieten zu können?»

Angenommen, Sie hätten einen Wunsch frei für das neue Jahr. Was würden Sie sich für das kommende Jahr für Meteomatics wünschen?

(lacht einen Moment, dann denkt er nach). Das ganze Unternehmen lebt ja von der Passion für die Sache. Was ich mir für die Zukunft gerne wünschen würde wäre, dass wir die Ideen, die wir hier verfolgen, wie bspw. das hochaufgelöste Wettermodell für die Schweiz, auf einer viel grösseren Domain rechnen zu können. Der nächste logische Schritt aus Schweizer Sicht wäre dieses Wettermodell für Europa zu rechnen und anzubieten, danach dann auch für die USA. Aber natürlich gibt es auch diese Moonshot Vision. Und warum sollte man nicht diesen Traum haben, ein solches Wettermodell für die gesamte Welt in extrem hoher Auflösung rechnen und anbieten zu können? Die Kombination aus unserem globalen 90-Meter-Downscaling, die wir bereits heute umsetzten und anbieten, mit einem global hochaufgelösten Wettermodell (Auflösung kleiner gleich 1 Kilometer) würde zu einem Quantensprung bei globalen Wetterinformationen führen. Das braucht selbstverständlich sehr viele finanzielle Mittel und Rechenkapazität, aber das ist die Vision und an der arbeiten wir sehr intensiv. Und wenn ich nun einen Wunsch frei hätte und der auch in Erfüllung gehen würde, dann wäre das sicher ein schöner Beitrag auf dem Weg unsere Vision schneller zu erreichen.