FengWu: Pushing the Skillful Global Medium-range Weather Forecast beyond 10 Days Lead

Das Paper stellt FengWu vor, ein auf künstlicher Intelligenz basierendes globales Wettervorhersagesystem, das durch einen neuartigen Multi-Modal-Ansatz und ein Replay-Buffer-Verfahren die Vorhersagegenauigkeit so weit verbessert, dass die leistungsfähige mittelfristige Wettervorhersage erstmals über einen Zeitraum von 10,75 Tagen hinaus erweitert werden kann.

Kang Chen, Tao Han, Junchao Gong, Lei Bai, Fenghua Ling, Jing-Jia Luo, Xi Chen, Leiming Ma, Tianning Zhang, Rui Su, Yuanzheng Ci, Bin Li, Xiaokang Yang, Wanli Ouyang

Veröffentlicht 2026-03-03
📖 4 Min. Lesezeit☕ Kaffeepausen-Lektüre

Each language version is independently generated for its own context, not a direct translation.

🌍 FengWu: Der neue Wetter-Profi, der die Zukunft weiter sieht

Stellen Sie sich vor, Sie versuchen, das Wetter für die nächsten zwei Wochen vorherzusagen. Früher haben Wissenschaftler riesige Gleichungen auf Supercomputern gelöst, um zu berechnen, wie sich Luft und Wasser bewegen. Das ist wie der Versuch, ein riesiges Puzzle zu lösen, bei dem jedes Teil eine physikalische Formel ist. Es funktioniert gut, ist aber extrem langsam und rechenintensiv.

Jetzt kommt FengWu ins Spiel. FengWu ist kein neuer Computer, sondern eine künstliche Intelligenz (KI), die das Wetter so lernt, wie ein Kind lernt: indem sie sich das Wetter der letzten 39 Jahre genau anschaut und die Muster erkennt.

Hier ist, was FengWu so besonders macht, erklärt mit ein paar einfachen Bildern:

1. Der "Multimodale" Ansatz: Ein Orchester statt eines Solisten

Frühere KI-Modelle haben oft alle Wetterdaten (Temperatur, Wind, Feuchtigkeit, Druck) in einen großen Haufen geworfen und versucht, alles auf einmal zu verstehen. Das ist wie ein Dirigent, der versucht, ein ganzes Orchester zu leiten, aber alle Instrumente gleichzeitig spielen lässt, ohne auf die einzelnen Musiker zu hören.

FengWu macht es anders. Es behandelt jede Wettergröße als eine eigene "Modus" (eine eigene Stimme).

  • Die Analogie: Stellen Sie sich FengWu wie einen genialen Dirigenten vor, der erst jedem Instrument (Temperatur, Wind, etc.) einzeln zuhört (dafür gibt es spezielle "Encoder"). Dann lässt er sie im "Cross-Modal Transformer" zusammen musizieren, um zu verstehen, wie der Wind die Temperatur beeinflusst. Schließlich gibt er jedem Instrument eine eigene Partitur (den "Decoder"), damit es sein Solo perfekt spielt.
  • Das Ergebnis: FengWu versteht die feinen Wechselwirkungen zwischen den verschiedenen Wetterfaktoren viel besser als seine Vorgänger.

2. Der "Unsicherheits-Loss": Der kluge Lehrer

Wenn eine KI lernt, verschiedene Dinge vorherzusagen, ist es schwierig, zu entscheiden, was wichtiger ist. Soll sie sich mehr um die Temperatur oder mehr um den Wind kümmern?

  • Das Problem: Früher mussten Menschen manuell entscheiden, wie viel Gewicht sie jedem Faktor geben. Das ist wie ein Lehrer, der willkürlich entscheidet, welche Hausaufgaben wichtiger sind.
  • Die Lösung: FengWu nutzt eine Technik namens "Unsicherheits-Verlust". Stellen Sie sich vor, FengWu ist ein Schüler, der nicht nur die Antwort gibt, sondern auch sagt: "Ich bin mir bei dieser Antwort zu 90 % sicher, bei dieser aber nur zu 50 %."
  • Der Trick: Die KI lernt automatisch, welche Vorhersagen schwieriger sind und passt ihre Aufmerksamkeit daran an. Sie muss nicht mehr von Menschen "manuell gesteuert" werden, sondern findet selbst den perfekten Weg, um alle Wetterfaktoren gleichzeitig gut vorherzusagen.

3. Der "Replay Buffer": Der Gedächtnis-Trainer

Das größte Problem bei Wettervorhersagen ist die Kette der Fehler. Wenn Sie das Wetter für Tag 1 vorhersagen und dann auf dieser Vorhersage basierend Tag 2 vorhersagen, häufen sich kleine Fehler schnell an. Nach 10 Tagen ist die Vorhersage oft völlig falsch.

  • Die Analogie: Stellen Sie sich vor, Sie versuchen, eine Geschichte zu erzählen. Wenn Sie sich bei Satz 1 vertippen, wird Satz 2 falsch, und Satz 3 wird noch schlimmer.
  • Die Lösung: FengWu nutzt einen "Replay Buffer" (Wiedergabepuffer). Das ist wie ein Trainingspartner, der die vorherigen Sätze der Geschichte aufschreibt und sie dem KI-Modell als "falsche" Eingabe gibt, damit es lernt, wie es mit Fehlern umgehen muss.
  • Der Effekt: FengWu trainiert nicht nur mit perfekten Daten, sondern simuliert auch Situationen, in denen es schon Fehler gemacht hat. So lernt es, auch bei langen Vorhersagen (bis zu 10+ Tagen) stabil zu bleiben, ohne dass die Fehler explodieren.

🏆 Was hat FengWu erreicht?

Die Ergebnisse sind beeindruckend:

  • Längere Sicht: FengWu kann das Wetter 10,75 Tage im Voraus mit hoher Genauigkeit vorhersagen. Das ist ein neuer Weltrekord für KI-Modelle. Zum Vergleich: Frühere Modelle verloren nach etwa 10 Tagen ihre Zuverlässigkeit.
  • Besser als der Weltmeister: FengWu schlägt das aktuelle Spitzenmodell "GraphCast" in 80 % aller getesteten Wettervariablen.
  • Blitzschnell: Während ein traditionelles Supercomputer-Modell Stunden braucht, um eine Vorhersage zu machen, braucht FengWu auf einer modernen Grafikkarte nur 600 Millisekunden pro Schritt. Das ist so schnell, als würde man einen Kaffee trinken, während die KI die nächsten 10 Tage berechnet.

🎯 Warum ist das wichtig?

Stellen Sie sich vor, Sie sind ein Landwirt, ein Pilot oder ein Energieversorger. Wenn Sie wissen, dass in 11 Tagen ein Sturm kommt, können Sie sich vorbereiten. FengWu gibt uns diesen "Vorsprung" von fast zwei Wochen, den wir vorher nicht hatten.

Zusammenfassend ist FengWu wie ein neuer, extrem schneller und kluger Wetter-Prophet, der nicht nur die Regeln der Physik auswendig lernt, sondern die Geschichte des Wetters selbst versteht, Fehler aus der Vergangenheit nutzt, um besser zu werden, und dabei die einzelnen Wetterfaktoren wie ein Meisterdirigent koordiniert.

Erhalten Sie solche Paper in Ihrem Posteingang

Personalisierte tägliche oder wöchentliche Digests passend zu Ihren Interessen. Gists oder technische Zusammenfassungen, in Ihrer Sprache.

Digest testen →