Forschung

Präzises Wetter – die Grundlage für bessere Entscheidungen.

Hochaufgelöste Wetterdaten sind für fast alle Wirtschaftsbereiche unverzichtbar. In enger Zusammenarbeit mit führenden Forschungseinrichtungen entwickeln wir daher Projekte, die die Vorhersagegenauigkeit signifikant steigern. So schaffen wir die Basis, dass sich beispielsweise Gesundheitswesen, Landwirtschaft oder Versicherungen rechtzeitig und verlässlich auf Wetterereignisse einstellen können. Unser Antrieb: Aus besseren Daten neue Erkenntnisse und einen konkreten Mehrwert für unsere Kunden zu generieren.

Deep Weather

Forschungsprojekt „Deep Weather“: Präzise Wettervorhersage durch Künstliche Intelligenz

Die Herausforderung: Ungenauigkeit lokaler Wetterprognosen

Während großflächige Wettertrends bereits gut vorhersagbar waren, stießen herkömmliche Methoden bei lokalen Wetterphänomenen an ihre Grenzen. Die geringe räumliche Auflösung globaler Modelle konnte wichtige Einflüsse wie:

Topografische Gegebenheiten
Urbane Mikroklimata
Lokale Wind- und Niederschlagsmuster

nicht ausreichend abbilden.

Unsere Lösung: Innovativer KI-Ansatz für präzisere Vorhersagen

Gemeinsam mit Wissenschaftlern der Hochschule RheinMain entwickelten wir im Projekt „Deep Weather“ ein neuartiges Verfahren, das auf künstlicher Intelligenz basierte.

Der technische Ansatz im Überblick:

Künstliche Neuronale Netze zur dynamischen Analyse von Wetterdaten
Dynamische Parameterinterpolation für eine kontextsensitive Vorhersage
IoT-Datenintegration aus einem dichten Netzwerk lokaler Wetterstationen
Hybride Modellierung durch Kombination von Großwettermodellen mit lokalen Echtzeitdaten

Die Zielsetzung: Meter- und minutengenaue Prognosen

AIRforschen

Projekt AIRforschen: Q.met GmbH forscht an der Zukunft der Wettervorhersage beteiligt sich an Entwicklung neuartiger Messsysteme für präzisere Wettervorhersagen.

Als Partner im Innovationsprojekt AIRforschen arbeitet Q.met daran, die Qualität von Wetterprognosen grundlegend zu verbessern. Gemeinsam mit dem Deutschen Zentrum für Luft- und Raumfahrt (DLR) und dem Deutschen Wetterdienst (DWD) schließen wir eine entscheidende Datenlücke in der unteren Atmosphäre.

Der innovative Ansatz: Spezielle, leichte Sensoren werden an Flugzeugen und Ballonen angebracht, um erstmals umfassende Messdaten aus der wetterentscheidenden Luftschicht bis 2 km Höhe zu sammeln. Mit unserer Expertise gestalten wir so aktiv die Meteorologie von morgen – für genauere Prognosen und mehr Planungssicherheit.

EPROMA

„Ein System – unendliche Einsatzmöglichkeiten“ – unter diesem Motto begann das Projekt EMPROMA, welches eine Energie Prognose Management System darstellte, um CO2- und Schadstoff-Emissionen durch präzise Wettervorhersagen effizient einsetzen zu können.

Das System lieferte exakt auf Gebäude berechnete Wetterprognosedaten, um eine Gebäudesteuerungsautomatik zu ermöglichen, die einerseits energiesparende Effekte beinhaltet und andererseits Energieüberschüsse gezielt und effizient managed. Anhand der Wetterprognosedaten konnte eine proaktive Optimierung der Regelung unter Kenntnis des zukünftigen Energiebedarfs automatisiert durchgeführt werden. Darüber ließ sich die Bereitstellung von Wärme und Kälte bedarfsgerecht und ohne unnötige Reserven realisieren. Über diese Arbeitsweise ermöglichte EPROMA einen deutlich gesenkten Energieverbrauch.

Unser Wettermodell

Präzise Lokalprognosen durch hochauflösende Modellierung und KI-basierte Statistik: Unser Wettermodell Q.mos

Unser hauseigenes numerisches Vorhersagemodell Q.mos (Quantitative Meteorologische Output-Statistik) setzt neue Maßstäbe für regionale Wetterprognosen. Es kombiniert die physikalische Modellierung auf einem hochauflösenden Gitternetz mit einem intelligenten, selbstlernenden Statistikverfahren

Die Grundlage: Ein hochaufgelöstes, globales Gitternetz

Q.mos berechnet das Wettergeschehen auf einem virtuellen Gitter, das den gesamten Erdball überspannt. Die hohe räumliche Auflösung dieses Netzes ermöglicht es, auch kleinräumige, aber wetterwirksame Strukturen wie Täler, Hügelketten oder urbane Gebiete detailliert abzubilden. An Millionen dieser Gitterpunkte werden viermal täglich die komplexen Gleichungen der Atmosphärenphysik gelöst, wobei über zwei Millionen Parameter – von Temperatur und Luftdruck über Feuchtigkeit bis zu Windvektoren – simuliert werden.

Die Präzision: Maschinelles Lernen für die punktgenaue Vorhersage 

Der entscheidende Schritt zur lokalen Präzision ist unser eigens entwickeltes MOS-Verfahren (Model Output Statistics). Dieses Verfahren schließt die Lücke zwischen den grobmaschigeren Modellparametern und dem tatsächlichen Wetter am jeweiligen Ort.

So funktioniert es: MOS ist ein statistisches Postprocessing-Tool, das auf maschinellem Lernen basiert. Es korreliert die historischen Vorhersagedaten des Modells mit den tatsächlich gemessenen Wetterbeobachtungen an Stationen über viele Jahre hinweg.

Das Ergebnis: Das System erlernt dabei systematische Fehler (Bias) des Modells für bestimmte Wetterlagen und Regionen und korrigiert diese. Es übersetzt die modellierte Großwetterlage so in eine höchst präzise, lokale Vorhersage für Parameter wie Bodenwind, Bewölkung oder die exakte Temperatur an einem spezifischen Punkt. Dies kompensiert physikalische Limitierungen, die auch in hochauflösenden Modellen durch ihre begrenzte Gitterweite bestehen bleiben.

Durch diese Symbiose aus physikalischer Modellierung und datengetriebener KI-Statistik liefert Q.mos nicht nur konsistente, sondern auch außergewöhnlich genaue Lokalprognosen, die sich nahtlos in unsere professionellen Dienstleistungen für die verschiedensten Wirtschaftsbranchen einfügen.

Vernetzt für maximale Zuverlässigkeit: Unsere Multi-Modell-Strategie

Um unseren Kunden die bestmögliche Prognosequalität zu bieten, setzen wir bei Q.met auf eine Multi-Modell-Strategie. Wir nutzen nicht nur unsere eigenen Hochleistungsmodelle, sondern beziehen die weltweit führenden globalen und regionalen Wettermodelle in unsere Analyse ein.

Unsere globale Datenbasis: Die Stärken der internationalen Spitzenmodelle

Durch die Integration dieser internationalen Referenzmodelle schaffen wir eine robuste und zuverlässige Datenbasis:

Europäische Präzision (ECMWF): Wir verwenden die Daten des Europäischen Zentrums für mittelfristige Wettervorhersage (ECMWF), das als das genaueste globale Modell der Welt gilt. Besonders wertvoll sind seine Ensemble-Vorhersagen, die uns eine Bandbreite möglicher Wetterentwicklungen aufzeigen. Diese „Wahrscheinlichkeitsprognosen“ sind entscheidend für die Bewertung von Unsicherheiten und die Risikoabschätzung bei extremen Wetterlagen.
US-amerikanische Globalität (GFS): Das „Global Forecast System“ (GFS) des US-Wetterdienstes zeichnet sich durch seine hohe räumliche und zeitliche Auflösung sowie seine kostenfreie Verfügbarkeit aus. Auch hier nutzen wir die Ensemble-Daten, um eine noch breitere Datengrundlage für unsere Analysen zu schaffen.
Deutsche und britische Regionalkraft (ICON, ICON-D2, EURO4): Für die kurzfristige und regionale Vorhersage in Europa integrieren wir die hochauflösenden Modelle unserer Partner:
- ICON/ICON-D2 (Deutscher Wetterdienst): Dieses Modell liefert mit seiner sehr feinen Gitterauflösung von nur 2 km für Deutschland (ICON-D2) äußerst detaillierte Vorhersagen für konvektive Ereignisse wie Gewitter oder Schneeschauer.
- EURO4 (UK Met Office): Das hochauflösende Modell für Europa hilft uns, kleinräumige Wetterphänomene in der Alpenregion und Mittel europa präzise abzubilden.

Leistungsstarke Datenfusion für maßgeschneiderte Prognosen

Mehrmals täglich werden diese gewaltigen Datenmengen in unserem Rechenzentrum verarbeitet und miteinander verglichen (Multi-Model-Ensemble). Durch diesen Abgleich identifizieren wir Modellabweichungen und Konsistenzen. Anschließend fusionieren wir die Stärken der einzelnen Modelle in einem sophistizierten Postprocessing-Verfahren, um daraus unsere kalibrierten und auf die DACH-Region, Europa und globale Kundenbedürfnisse zugeschnittenen Endprognosen zu berechnen.

Diese Strategie gewährleistet, dass unsere Kunden nicht die Einschätzung eines einzelnen Modells erhalten, sondern eine abgesicherte, datengestützte High-End-Prognose, die die gesamte Leistungsfähigkeit der modernen Meteorologie bündelt.

Beispiel: Niederschlagsradar Vorhersage

unsere Vorhersage

gemessene Realität

Auswahl: zusätzlich genutzte Wettermodelle

Modell	Region	Auflösung	Vorhersagezeitraum
GFS (Global Forecast System)	global	22 km	bis zu 15 Tage
ECMWF (European Centre for Medium-Range Weather Forecasts)	global	9 km	bis zu 15 Tage
ICON14	global	14 km	bis zu 15 Tage
ICON7	Europa	7 km	bis zu 5 Tage
GEM25	global	25 km	bis zu 14 Tage
ICON-D2	Deutschland & Alpen	2 km	27 Stunden

Vergleich der Lichtspektren (gleicher Zeitpunkt)

Infrarot Spektrum (800 nm bis 1 mm)

volles RGB Spektrum (380 - 750 nm)

Zu unserem Portfolio gehören selbstverständlich auch Satellitenmessungen, Satellitenbilder und Radarbilder. Besonders im Bereich des Nowcasting, unserer fachlichen Wetterberatung z.B. für Großveranstaltungen, sind diese gefragt. Mit den Wetterdaten beliefern wir namhafte Unternehmen aus verschiedenen Branchen im In- und Ausland.