FourCastNet und GraphCast jetzt in der Meteomatics Wetter API verfügbar

Wir freuen uns, die Integration der KI-Modelle FourCastNet und GraphCast in die Meteomatics Wetter API bekannt zu geben und damit unser Angebot an Wettervorhersagelösungen zu ergänzen.

Ein komplettes Angebot mit allen Arten von Wettermodellen und Prognosen

Mit der Aufnahme der KI-Modelle FourCastNet und GraphCast bietet unsere Wetter-API nun noch mehr Lösungen für die Wettervorhersage.

Während unser Fokus weiterhin auf numerischen Wettermodellen liegt, wie z.B. unseren selbst entwickelten 1-Kilometer-Auflösungsmodellen, unterstützt die Integration von KI-basierten Vorhersagen unser Ziel, als One-Stop-Wetterdaten-Shop die vielfältigen Bedürfnisse unserer Kunden zu erfüllen.

NVIDIAs FourCastNet

Die Erweiterung von AI FourCastNet ist das Ergebnis einer Zusammenarbeit mit NVIDIA. FourCastNet, kurz für "Fourier Forecasting Neural Network", NVIDIAs FourCastNet ist GPU-beschleunigt, basiert auf dem Fourier Neural Operator und wurde auf 10 TB Erdsystemdaten trainiert. Es liefert kurz- bis mittelfristige globale Vorhersagen (20 Tage) mit einer Auflösung von ca. 25 km und erstellt 7-Tage-Vorhersagen in weniger als 2 Sekunden.

Google's GraphCast

GraphCast ist ein von Google DeepMind entwickeltes Open-Source-Projekt, das fortschrittliche Wettervorhersagen leichter zugänglich machen soll. Es nutzt maschinelles Lernen und Graph Neural Networks (GNNs) und bietet, wie FourCastNet, Wettervorhersagen mit mittlerer Reichweite (20 Tage) und einer Auflösung von ca. 25 km. GraphCast erstellt eine 10-Tage-Vorhersage in weniger als einer Minute auf einem einzigen Google TPU v4 Rechner.

Timing ist der Schlüssel: KI-Modelle verschaffen Ihnen einen Zeitvorteil

Wenn Zeit Geld ist, ist Timing König. Während hochauflösende numerische Wettermodelle wie EURO1k für kurzfristige Vorhersagen am zuverlässigsten sind, kann die KI-basierte Wettervorhersage Branchen, die weiter in die Zukunft blicken, einen Wettbewerbsvorteil verschaffen, vor allem im Energiehandel.

FourCastNet und GraphCast bieten viermal täglich 20-Tage-Vorhersagen, während ECMWF, der Standard für globale Wettermodelle, nur zweimal täglich 10-Tage-Vorhersagen liefert.

Darüber hinaus benötigt ECMWF etwa 50 Minuten, um einen vollständigen Modelllauf für eine 10-Tage-Vorhersage durchzuführen. Im Gegensatz dazu benötigen die KI-basierten Modelle nur die erste Datei des ECMWF, um ihren Lauf zu starten, so dass sie Vorhersagen in nur 15 Minuten erstellen können, was den Nutzern einen Zeitvorteil von etwa 35 Minuten verschafft.

Verbesserte Vorhersagen dank Meteomatics 90-Meter-Downscaling

Die Ergebnisse von KI-basierten Vorhersagemodellen werden auch von der charakteristischen 90-Meter-Downscaling-Funktion von Meteomatics profitieren. Diese fortschrittliche Downscaling-Funktion verbessert die räumliche Auflösung der Wetterdaten und liefert den Nutzern hochgradig lokalisierte Vorhersagen, die auf ihre spezifischen geografischen Interessengebiete zugeschnitten sind.

Sie sind bereits Wetter API Nutzer

Wenn Sie bereits einen Wetter API-Account haben und mehr über die KI-basierten Wettermodelle erfahren möchten, unterstützt Sie Ihr persönlicher Kundenbetreuer gerne!

Sie sind noch kein Wetter API Nutzer

Wenn Sie neu hier sind, warum probieren Sie nicht unsere kostenlose Testversion aus? Mit einem kostenlosen Testzugang erhalten Sie 14 Tage lang Zugang zu allen in der API verfügbaren Wetterquellen und -modellen.