Een dag. Dat is de winst die een AI-model van Google DeepMind boekt op het voorspellen van orkanen en tyfoons. Klinkt bescheiden, maar in de meteorologie is een dag een enorme sprong: het is ongeveer wat klassieke weermodellen in tien jaar aan vooruitgang boekten. Het onderzoek staat in Nature, en de code staat sindsdien openbaar op GitHub.
Wat WeatherNext precies doet
Dat AI patronen in complexe systemen kan vinden is op zichzelf geen nieuws meer; we schreven eerder over de vraag of AI het WK kan voorspellen. Het verschil zit hier in de inzet en in de toetsing.
Het model heet WeatherNext Cyclones en voorspelt drie dingen tegelijk: waar een tropische cycloon heen gaat, hoe sterk hij wordt, en hoe groot het windveld eromheen is. Tot nu toe was daar een ongemakkelijke splitsing voor nodig. De baan van een storm wordt gestuurd door enorme luchtstromingen over de halve aardbol, en die vang je het best met een grof wereldmodel. De kracht van een storm komt uit fijnmazige processen vlak rond de kern, en daar wil je juist een gedetailleerd lokaal model voor. Twee modellen, twee antwoorden, en een menselijke forecaster die ze aan elkaar moest knopen.
WeatherNext doet het met één model. Getest op historische cyclonen uit 2023 en 2024 wint het gemiddeld ruim 24 uur voorsprong op de beste operationele modellen, op alle drie de onderdelen (Bron: Google DeepMind). De driedaagse verwachting is even nauwkeurig als wat er eerder voor twee dagen vooruit lag.
GevorderdenDe verrassing zit in de resolutie. WeatherNext Cyclones werkt op 28 bij 28 kilometer, ongeveer honderd keer grover dan de traditionele modellen waarmee het wordt vergeleken. Een nog compactere variant, WeatherNext 2-mini, draait op 111 bij 111 kilometer en presteert eveneens goed. Waarom zulke grove invoer tóch nauwkeurige intensiteitsverwachtingen oplevert, is volgens de onderzoekers zelf nog een open vraag.
Het model is getraind op bijna 20 terabyte aan wereldwijde atmosfeerdata plus de IBTrACS-database met bijna 5.000 historische stormen. In plaats van vijftig scenario’s per storm, zoals vorig jaar, draait het er nu duizend. Eén verwachting van vijftien dagen staat in minder dan een minuut op een TPU.
Waarom een dag zoveel waard is
Tropische cyclonen kostten de afgelopen vijftig jaar wereldwijd meer dan 700.000 mensenlevens en zo’n 1,4 biljoen dollar aan schade (Bron: Google DeepMind). Achter dat soort cijfers zit steeds dezelfde logistiek: een burgemeester die moet besluiten of hij de kustwijk laat evacueren, een havenmeester die schepen naar zee stuurt, een hulporganisatie die water en dekens de goede kant op rijdt. Allemaal beslissingen die uren tot dagen kosten, en die je alleen durft te nemen als de verwachting betrouwbaar genoeg is.
Het model is geen laboratoriumexercitie gebleven. Tijdens het orkaanseizoen van 2025 hielp het het Amerikaanse National Hurricane Center bij de verwachting voor orkaan Melissa, die in Jamaica aan land kwam. Het model zag de snelle versterking aankomen, waardoor de waarschuwing eerder de deur uit kon. Aan het onderzoek werkten naast Google ook het National Hurricane Center, het onderzoeksinstituut CIRA en de Britse Met Office mee.
Wat dit betekent voor het weer hier
Nederland krijgt geen tropische cyclonen. De directe winst zit dus niet in onze weerapp. Wat wél telt, is dat Google in augustus de code én de modelgewichten van WeatherNext 2 en WeatherNext Cyclones heeft vrijgegeven, inclusief een compacte versie die in een gratis Colab-notebook draait. Weerdiensten en universiteiten kunnen er nu zelf op voortbouwen, ook voor heel andere weersverschijnselen.
Dat is precies waar het Europese spoor loopt. Het KNMI gebruikt voor de korte termijn zijn eigen model HARMONIE en leunt voor de middellange termijn op het Europese weercentrum ECMWF (Bron: KNMI). ECMWF bouwde met AIFS zijn eigen datagedreven voorspelsysteem, en het KNMI doet onderzoek naar AI-verwachtingen op hogere resolutie, omdat AIFS met ongeveer 31 kilometer nog te grof is voor operationeel gebruik boven een land van deze afmeting. Openbare modellen als WeatherNext zijn voor dat onderzoek bruikbaar materiaal.
Beginner-tip“Open source” betekent hier dat zowel de code als de getrainde modelgewichten vrij te downloaden zijn. Wil je weten waarom dat onderscheid ertoe doet, lees dande staat van open source AI in 2026.
Waar je het model níet voor moet gebruiken
Eerlijk: het is verleidelijk om bij zulke cijfers te denken dat de weerman overbodig wordt. Dat is het beeld dat deze aankondiging níet schetst. Google zet er zelf een waarschuwing onder: voor officiële verwachtingen en waarschuwingen moet je bij je nationale weerdienst zijn. In Nederland is dat het KNMI, dat de code-oranje- en code-roodwaarschuwingen afgeeft waar hulpdiensten en verzekeraars op acteren.
De onderzoekers die het werk in Nature becommentarieerden leggen de nadruk ergens anders: de techniek kan levens beschermen als hij verantwoord wordt gedeeld (Bron: Nature). Veel landen die het hardst door cyclonen worden geraakt hebben geen eigen supercomputer. Een model dat in minder dan een minuut op één chip draait, verandert daar in theorie iets aan. Of dat ook gebeurt, hangt af van wie de rekenkracht, de data en de expertise heeft om het te draaien. Dat is precies de reden dat er in Nederland discussie is over publieke rekentijd voor onderzoek, zoals bij de AI-fabriek in Groningen.
Wat je er als lezer van kunt meenemen: AI-weermodellen zijn de onderzoeksfase voorbij en zitten nu in het gereedschap van echte weerdiensten. Voor de verwachting boven Nederland verandert er voorlopig weinig zichtbaars. De modellen eronder zijn wel aan het schuiven, en dat gebeurt in Reading en De Bilt net zo goed als in Mountain View.