StormScope EU: Was NVIDIAs Europa-Nowcasting belegt und was offen bleibt

StormScope EU sagt Wolken in 16 Meteosat-Kanälen alle zehn Minuten voraus

NVIDIA hat auf der GTC Berlin StormScope EU vorgestellt, das jüngste Modell der Earth-2-Familie. Nach Angaben des Unternehmens handelt es sich um eine regionale Version des Modells StormScope für Kurzfristprognosen, trainiert mit europäischen Wetter- und Klimadaten. Das Modell verarbeitet Satellitenbeobachtungen der EUMETSAT und sagt die Entwicklung der Bewölkung in 16 Meteosat-Kanälen im Abstand von zehn Minuten voraus.

Earth-2 beschreibt NVIDIA als Familie offener KI-Modelle und Werkzeuge. Entwickler und Forschende können sie mit eigenen Daten anpassen, und sie laufen auf NVIDIA-Rechentechnik. Sie sollen globale Wettervorhersage, detaillierte regionale Prognosen und Umweltforschung unterstützen. Alle Angaben dieses Kapitels stammen von NVIDIA selbst. Eine unabhängige Bestätigung liegt nicht vor.

Die Live-Demo mit Earthmover zeigt eine Pipeline, aber keine europäischen Anwender

Auf der GTC Berlin führt NVIDIA eine Live-Pipeline von StormScope EU in einer interaktiven Wetterdemo vor. Sie entstand gemeinsam mit Earthmover. Earth2Studio führt die Prognosen aus, während Earthmovers Datenplattform die Echtzeitergebnisse verwaltet und als Kartenkacheln ausliefert. Besucher erkunden die Vorhersagen für Europa, ohne ganze Datensätze herunterladen zu müssen. Die Ergebnisse aktualisieren sich, sobald eine neue Satellitenbeobachtung eintrifft, also alle zehn Minuten.

Earth2Studio ist ein Open-Source-Python-Paket. Es enthält KI-Wetter- und Klimamodelle, Datenquellen, Inferenz-Schnittstellen und Verifikationsmetriken. Adressiert sind unter anderem Wetterdienste, die Prognosen auf eigener Infrastruktur betreiben, feinabstimmen und einsetzen wollen.

Die Demo zeigt jedoch nicht, welche europäische Organisation beteiligt ist. Das Material nennt weder einen Anwendungsfall noch einen Betriebsstatus als Pilot oder Produktion, noch Ergebnisse. Earthmover ist der einzige belegte Partner. Offen bleibt, ob für StormScope EU eine neue Lizenz gilt und ob weitere Partner beteiligt sind. Ein Hinweis auf einen Workflow, der StormScope mit dem Modell CorrDiff kombiniert, bricht im vorliegenden Beleg mitten im Satz ab. Er lässt sich deshalb nicht auswerten.

Die genannten Leistungszahlen stammen von NVIDIA und beziehen sich auf die US-Variante

Ein Vortragsabstract aus einem ECMWF-Seminar, verfasst aus der Perspektive von NVIDIA Research, beschreibt StormScope als Nowcasting-Modell auf Basis von Diffusion Transformern mit Neighborhood Attention. Laut NVIDIA übertrifft es das NOAA-System Warn on Forecast bei objektbasierten probabilistischen Scores für Prognosen über null bis drei Stunden deutlich. Das gilt auch für Gewitter, die erst nach der Initialisierung entstehen.

Diese Aussage ist mehrfach einzuschränken. Sie ist eine Herstellerangabe zum eigenen Produkt. Die Wortwahl ist wertend, und die zugrunde liegenden Zahlen stehen im vorliegenden Material nicht. Außerdem bezieht sie sich auf die US-Variante. Für StormScope EU ist sie kein Nachweis. Prüfbar wäre sie durch eine begutachtete Veröffentlichung oder einen Preprint zu StormScope sowie durch unabhängige Verifikation, insbesondere für Europa.

Auch die Selbstbeschreibung von Earth2Studio ist Eigenwerbung. Das Paket wird als „führende Sammlung“ von KI-Modellen mit „produktionsreifen“ Datenquellen und „reproduzierbaren“ Prognosen dargestellt. Belegen ließe sich das durch unabhängige Reproduktion der Modelle und Benchmarks, durch Issues im Code-Repository und durch Berichte von Nutzern.

Zwei Studien, zwei Befunde: Schwächeln KI-Modelle bei Extremen?

Zur Frage, wie KI-Wettermodelle mit Extremen umgehen, liegen widersprüchliche Befunde vor. Eine Studie in Science Advances vom 29. April 2026 erschien zuvor als Preprint. Laut Science Media Center kommt sie zu dem Ergebnis, dass KI-Modelle Rekord-Hitze, -Kälte und -Wind schlechter vorhersagen als klassische numerische Modelle. Erstautor ist Zhongwei Zhang vom Karlsruher Institut für Technologie, beteiligt sind Koautoren aus der Schweiz und Deutschland. Als Grund wird genannt, dass die Modelle mit historischen Mustern arbeiten. Bei Ereignissen außerhalb dieses Bereichs haben sie Schwierigkeiten.

Eine arXiv-Studie wertet dagegen zehn Monate Beobachtungen europäischer Wetterstationen aus. Sie vergleicht zwölf physikalische und KI-Modelle mit dem ECMWF-Modell IFS. Ein einheitliches KI-spezifisches Defizit in den Extremen findet sie nicht. Einige KI-Modelle sind unter Extrembedingungen genauer als das IFS, andere deutlich schlechter. Vergleichbare Streuung zeigt sich auch bei den physikalischen Modellen. Gemeinsam ist allen Modellen ein Muster: Sie unterschätzen hohe und überschätzen niedrige Werte.

Woran der Widerspruch liegt, lässt sich aus dem Material nicht auflösen. Vermutlich spielen unterschiedliche Definitionen von „Extrem“ und unterschiedliche Verifikation eine Rolle. Die eine Studie betrachtet Rekordereignisse, die andere Regime aus einer ERA5-Klimatologie von 1991 bis 2020 gegen Stationsdaten. Das ist eine Vermutung, kein Befund. Entscheidend ist: Beide Studien betreffen globale Modelle, nicht StormScope EU.

ECMWF-Befunde: Großräumig stark, bei lokalen Windmaxima zeigen sich Unterschiede

Das ECMWF liefert weiteren Kontext, betrifft StormScope aber nicht. In einer Fallstudie zu Sturm Amy vom Oktober 2025 erfassten das physikalische IFS, das KI-System AIFS Single und der Kontrolllauf von AIFS ENS Zugbahn, Druckmuster und Tiefe des Tiefs bei kurzen Vorhersagezeiten gut. Die ML-Systeme schneiden bei großräumigen Strömungsmerkmalen weiterhin gut ab. Unterschiede zeigen sich bei lokalen Windmaxima.

In seiner Auswertung für 2024 räumt das ECMWF ein, bei Oberflächenparametern derzeit nicht führend zu sein, vor allem in kurzen Zeiträumen. Bei Parametern in der Höhe erreichte der Ensemble-Skill nach dem Zyklus 48r1 dagegen einen Höchststand.

Ein weiteres ECMWF-Dokument benennt den grundsätzlichen Unterschied. KI-Modelle lernen empirische Zusammenhänge aus Reanalysedaten, ohne die Atmosphärenphysik explizit zu simulieren. Dafür bieten sie Geschwindigkeits- und Kostenvorteile. Für kurzfristige, lokale Vorhersagen bedeutet das: Die Güte bei Details wie Windspitzen muss gesondert geprüft werden. Eine Übertragung auf StormScope EU lässt das Material nicht zu.

Was Wetterdienste und Anwender vor dem Einsatz selbst prüfen müssen

NVIDIA nennt als Zielkreis Energieversorger, Versicherer, Verkehr, Schifffahrt, Wetterdienste und Forschung. Belegte Nutzer von StormScope EU gibt es im vorliegenden Material nicht. Für NVIDIA liegt der Nutzen in der Bindung an die eigene Plattform, für Earthmover in der Sichtbarkeit durch die Demo. Das erklärt das Interesse der Beteiligten, ersetzt aber keinen Leistungsnachweis.

Wer StormScope EU erwägt, sollte selbst klären, wie gut das Modell für Europa vorhersagt. Die genannte Überlegenheit bezieht sich auf die US-Variante. Ebenso zu prüfen ist das Verhalten bei Extremen, denn die beiden Studien zu globalen Modellen liefern gegensätzliche Ergebnisse. Die Reproduzierbarkeit der Prognosen muss unabhängig getestet werden, etwa mit den in Earth2Studio enthaltenen Verifikationsmetriken. Schließlich ist der Betriebsstatus zu klären. Ob irgendwo in Europa Pilot- oder Produktionsbetrieb besteht, ist nicht belegt. Das gilt ebenso für Lizenz- und Partnerdetails.