Künstliche Intelligenz, aktuell.
Direkt aus den Originalmeldungen.

Envisions Tianji-Modell belegt Platz eins bei der AI Weather Quest des EZMW

30. Oktober 2026, 11:51Quelle: PR Newswire
Envisions Tianji-Modell belegt Platz eins bei der AI Weather Quest des EZMW
Bild: PR Newswire

Das Wetter-Foundation-Modell Tianji von Envision hat in der jüngsten Ausgabe der AI Weather Quest insgesamt den ersten Platz belegt. Der Wettbewerb wird vom Europäischen Zentrum für mittelfristige Wettervorhersage (ECMWF) ausgerichtet. Nach Angaben des Unternehmens setzte sich Tianji gegen fast 20 Spitzenteams weltweit durch und landete in allen bewerteten Kategorien auf Platz eins.

Das Wichtigste in Kürze
  • Envisions Tianji belegte laut Unternehmen bei der AI Weather Quest des ECMWF insgesamt Platz eins vor fast 20 Spitzenteams.
  • Das Modell siegte im variablengemittelten Score sowie bei bodennaher Temperatur, mittlerem Meeresspiegeldruck und Niederschlag für das Fenster von 19 bis 25 Tagen.
  • Der Wettbewerb basiert auf wöchentlichen Einreichungen, die mit dem tatsächlichen Wetter abgeglichen werden, und einer öffentlich aktualisierten Rangliste.
  • Envision bezeichnet Tianji als weltweit erstes Physik-KI-Wettermodell und gibt an, es decke minutengenaues Nowcasting bis zu subsaisonalen Vorhersagen ab.

Was die AI Weather Quest misst

Laut Envision bewertet die AI Weather Quest Modelle anhand kontinuierlicher Echtzeit-Vorhersagen und deren Verifikation. So wird geprüft, wie gut sie unter wechselnden Wetterbedingungen funktionieren. Über den mittelfristigen Vorhersagehorizont von 15 Tagen hinaus konzentriert sich der Wettbewerb auf probabilistische Vorhersagen für die Tage 19 bis 25.

Die Teams sagen drei Variablen voraus: die wöchentliche Mitteltemperatur, den mittleren Meeresspiegeldruck und den wöchentlich akkumulierten Niederschlag. Temperatur und Niederschlag werden über überwiegend von Land bedeckten Gitterzellen ausgewertet, der mittlere Meeresspiegeldruck wird global bewertet. Im Mittelpunkt steht, die Wetterlage einer Woche samt ihrer Unsicherheit mehrere Wochen im Voraus vorherzusagen.

Die Teams reichen ihre Vorhersagen wöchentlich ein. Die Organisatoren vergleichen sie anschließend mit dem tatsächlichen Wetter und aktualisieren die Rangliste öffentlich.

Tianjis Ergebnis und frühere Erfolge

Envision zufolge trat Tianji unter dem Codenamen Arcana an, was so viel wie „Geheimnisse“ oder „Wissen“ bedeutet, und führte die Teamwertung an. Das Modell belegte im über alle Variablen gemittelten Score sowie bei der bodennahen Temperatur, dem mittleren Meeresspiegeldruck und dem Niederschlag für das Vorhersagefenster von 19 bis 25 Tagen jeweils Platz eins.

Das Unternehmen verweist auf eine Reihe früherer Ergebnisse des Modells:

  • Eine Platzierung in der Spitzengruppe der globalen WeatherBench-2-Evaluierung, gleichauf mit Google WeatherNext2 Model.
  • Gesamtrang eins in der deterministischen Vorhersagekategorie des AI Weather Forecast Model Demonstration Program, das vom chinesischen National Meteorological Center organisiert wird.
  • Rang eins im KI-Lastprognosewettbewerb von State Grid und im Business-Wettbewerb von China Southern Power Grid, was Envision als Beleg für den Nutzen in Energieanwendungen anführt.

Mit dem aktuellen Ergebnis habe Tianji erneut seine nach Envisions Worten durchgängige Leistungsfähigkeit gezeigt, von der Kurzfristvorhersage bis zur subsaisonalen Prognose.

Warum subsaisonale Vorhersagen so schwierig sind

Robert Zheng, Leiter des Tianji Weather Foundation Model bei Envision, beschrieb das Problem in der Mitteilung des Unternehmens. „Subsaisonale Vorhersagen, zwei Wochen bis zwei Monate im Voraus, gehören zu den schwierigsten Herausforderungen der Meteorologie“, sagte er. Je länger der Horizont, desto größer sei die Unsicherheit bei Veränderungen der Atmosphäre und desto höher die Anforderung an ein Modell, sich entwickelnde Wettertrends zu erkennen.

Zheng erklärte, Envision habe auf Grundlage jahrelanger praktischer Erfahrung im Bereich neue Energien das nach eigener Darstellung weltweit erste Physik-KI-Wettermodell entwickelt. Dem Manager zufolge nutzt das System räumlich und zeitlich hochaufgelöste Daten im Petabyte-Maßstab sowie ein dreidimensionales Datennetz aus „Weltraum, Luft und Boden“, um Vorhersagen über alle Zeitskalen hinweg zu liefern.

Was das für Nutzer bedeutet

Envision zufolge läuft Tianji auf Hochleistungsrechnern und liefert schnelle Kurzfrist- und globale Vorhersagen, mit deutlich verbesserter Genauigkeit bei Windgeschwindigkeit und Einstrahlung in wichtigen Regionen. Das Modell deckt Zeitskalen von minutengenauem Nowcasting bis zur subsaisonalen Trendbewertung ab, was das Unternehmen als durchgängige meteorologische Intelligenz für Echtzeitüberwachung und langfristige Planung beschreibt.

Der Fokus auf Windgeschwindigkeit, Einstrahlung und Netzwettbewerbe deutet darauf hin, dass der Energiesektor ein Hauptziel der Technologie ist. Die genannten Ergebnisse stammen aus Wettbewerben und aus der eigenen Darstellung des Unternehmens. Detaillierte Punktwerte oder Angaben zur kommerziellen Verfügbarkeit nennt die Quelle nicht.

EnvisionEnvision TianjiEuropäisches Zentrum für mittelfristige WettervorhersageAI Weather QuestWeatherBench 2WissenschaftBenchmarksForschungsergebnisseEnergie

Ähnliche Meldungen

Inductive gewinnt OpenADMET-CYP-Challenge zum vierten Mal in Folge
Forschung6. November 2026, 17:00

Inductive gewinnt OpenADMET-CYP-Challenge zum vierten Mal in Folge

Inductive belegte den ersten Platz bei der OpenADMET CYP Direct Inhibition Blind Challenge und setzte sich gegen mehr als 270 Teilnehmer aus der Biopharmaindustrie, der…

NVIDIA beschleunigt mit Tensor-Core-FP32-Methoden die Inferenz des Point Edge Transformer für MLIPs
Chips und Infrastruktur29. Oktober 2026, 16:00

NVIDIA beschleunigt mit Tensor-Core-FP32-Methoden die Inferenz des Point Edge Transformer für MLIPs

Laut NVIDIA können Tensor-Core-Methoden, die FP32-Matrixrechnung emulieren, maschinell gelernte interatomare Potenziale ohne erneutes Training beschleunigen. In Tests…

Scale AI stellt DualChem vor: Benchmark prüft, wie LLMs mit Dual-Use-Fragen zur Chemie umgehen
Sicherheit und Ethik28. Oktober 2026

Scale AI stellt DualChem vor: Benchmark prüft, wie LLMs mit Dual-Use-Fragen zur Chemie umgehen

Scale AI hat mit DualChem einen Benchmark vorgestellt, der misst, ob große Sprachmodelle bei Chemiefragen helfen, die sowohl legitimer Forschung als auch schädlichem…