ECMWF erweitert AIFS v3 mit HourGlass um stündliche Vorhersagen am Boden

ECMWF will AIFS Single und AIFS ENS später im Jahr 2026 mit stündlichen Oberflächenvorhersagen erweitern. Dafür ist HourGlass vorgesehen, ein gemeinsam mit MET Norway entwickeltes probabilistisches System zur zeitlichen Verfeinerung. Laut ECMWF wird diese Funktion mit AIFS v3 Teil des operativen Vorhersagesystems.

Damit ist die geplante Erweiterung bestätigt, die Datenbereitstellung hat jedoch noch nicht begonnen. ECMWF hat weder einen genauen Termin für die operative Einführung noch einen Zeitraum für Tests oder Parallelbetrieb, ein operatives Variableninventar oder die vollständige Aufnahme der stündlichen Felder in den Open-Data-Dienst angekündigt. Die aktuellen operativen AIFS-v2-Produkte bleiben sechsstündlich.

Die Stunden zwischen AIFS-Vorhersagen rekonstruieren

Die meisten globalen KI-Wettersysteme, darunter das aktuelle AIFS, sagen atmosphärische Zustände in Sechs-Stunden-Abständen vorher. HourGlass verwendet die Vorhersagezustände am Anfang und Ende eines solchen Zeitfensters und rekonstruiert die stündliche Entwicklung dazwischen.

Das geht über eine geglättete Linie zwischen zwei Werten hinaus. HourGlass erzeugt räumliche Wetterfelder und wird auf eine konsistente Entwicklung der gesamten Sequenz trainiert. Bei prognostischen Variablen bleibt der Sechs-Stunden-Endpunkt an die zugrunde liegende Vorhersage gebunden. Diagnosevariablen wie Niederschlag erzeugt die zeitliche Verfeinerung selbst.

Das Verfahren berechnet alle sechs Zeitpunkte eines Fensters gemeinsam. Für jedes Mitglied der zugrunde liegenden Vorhersage entsteht eine konsistente Realisierung. Derselbe Ansatz kann deshalb auf das deterministische AIFS Single und jedes Mitglied von AIFS ENS angewendet werden.

Warum HourGlass probabilistisch arbeitet

Deterministische Verfahren zur zeitlichen Verfeinerung, die mit dem mittleren quadratischen Fehler trainiert werden, neigen zum Glätten kleinräumiger Strukturen. Das gilt besonders für die Mitte des Sechs-Stunden-Fensters, wo die Unsicherheit am größten ist. HourGlass verwendet stattdessen Varianten des Continuous Ranked Probability Score sowie Verlustterme, die Unterschiede, Minimum, Maximum und Mittelwert innerhalb des Fensters berücksichtigen.

Die Trainingsdaten stammen außerdem aus kontinuierlichen Vorhersagetrajektorien und nicht aus stündlichen Zuständen, die über aufeinanderfolgende Analyse- oder Reanalysezyklen zusammengesetzt wurden. Dadurch soll das Modell keine künstlichen Sprünge lernen, die an den Grenzen von Assimilationszyklen entstehen.

Ergebnisse der Forschungsauswertung

Die begleitende Vorabveröffentlichung wertete das globale HourGlass-Modell mit AIFS Single v1 und AIFS ENS v1 sowie eine regionale Version mit dem Bris-Ensemble von MET Norway aus. Der Vergleich mit SYNOP-Beobachtungen aus dem Jahr 2025 ergab, dass die stündlichen Vorhersagen die Vorhersagegüte der zugrunde liegenden Systeme bewahrten. Zugleich blieben realistische kleinräumige Variabilität und eine konsistente Entwicklung von Stunde zu Stunde erhalten.

Sturm Amy ist dafür ein anspruchsvoller Test. In der obigen Sequenz erhält AIFS-HourGlass die großräumige Wind- und Druckstruktur des Zyklons, während sie sich zwischen den ursprünglichen Vorhersagezeitpunkten entwickelt. Die Studie nennt auch wichtige Grenzen: Die Windgradienten nahe dem Zyklonzentrum waren schwächer als im IFS, und einige Maxima der Windgeschwindigkeit westlich von Norwegen wurden nicht erfasst. Diese Unterschiede blieben im gesamten Zeitfenster bestehen und wurden hauptsächlich auf Einschränkungen der gröber aufgelösten zugrunde liegenden AIFS-Vorhersage zurückgeführt.

Die Auswertung liefert Belege für das Verfahren, nicht für die endgültige Konfiguration von AIFS v3. ECMWF hat noch keine Verifikationsergebnisse der operativen v3-Version, die endgültige Modellkonfiguration oder ein Inventar für die Einführung veröffentlicht.

Stündlicher Niederschlag bleibt das schwierigste Feld

HourGlass verbessert die räumliche Struktur des Niederschlags gegenüber stärker geglätteten KI-Ausgaben, unterschätzt aber weiterhin die intensivsten stündlichen Niederschläge. In den globalen Experimenten ist Niederschlag ein Diagnosefeld: Die zeitliche Verfeinerung sagt ihn aus dem atmosphärischen Zustand vorher, statt Niederschlag aus der sechsstündlichen AIFS-Vorhersage als Eingabe zu erhalten.

Die Fallstudien zeigten eine insgesamt konsistente Verlagerung der Regenbänder, aber auch breitere Gradienten und Schwierigkeiten bei lokalen Extremen. Stündliche Ausgaben werden dabei helfen, den Zeitpunkt von Niederschlagsänderungen innerhalb eines Sechs-Stunden-Fensters zu untersuchen. Die bisherigen Ergebnisse rechtfertigen jedoch nicht die Annahme, HourGlass habe die Vorhersage extremer Niederschläge bereits gelöst.

Warum stündliche AIFS-Ausgaben wichtig sind

Sechsstündliche Zustände reichen für viele mittelfristige Anwendungen aus, können aber den Zeitpunkt schneller Änderungen und täglicher Extremwerte zwischen den Vorhersageschritten verpassen. ECMWF nennt Hochwasservorhersage, den Betrieb erneuerbarer Energien und rasch fortschreitende Wetterereignisse als wichtige Anwendungen für eine feinere zeitliche Auflösung. In der regionalen Auswertung stellte die Studie außerdem fest, dass HourGlass die täglichen Maxima von Temperatur und Wind besser darstellen kann als die ursprüngliche sechsstündliche Sequenz oder eine Referenz mit kubischen Splines.

Das operative AIFS v3 wird stündliche Vorhersagen für wichtige Oberflächenvariablen in AIFS Single und AIFS ENS bereitstellen. ECMWF hat nicht angekündigt, dass jedes AIFS-Feld oder jede Druckfläche stündlich wird. Die Meldung belegt daher noch keine Versechsfachung des gesamten AIFS-Katalogs.

Worauf GribStream-Nutzer achten sollten

GribStream stellt die operativen AIFS-Produkte von ECMWF derzeit über AIFS Operational (aifsoper) und AIFS Ensemble (aifsenfo) bereit. Wenn ECMWF die HourGlass-Felder über die reguläre AIFS-Verteilung veröffentlicht, sollten sie als Aktualisierungen dieser Modellfamilien erscheinen und nicht zu einem getrennten Dataset werden.

Als Nächstes sind eine ECMWF-Seite zur Einführung, Testdaten oder ein aktualisiertes Inventar der Datenverteilung und Open-Data-Auswahl entscheidend. Vor der Aufnahme der Felder müssen wir Folgendes bestätigen:

• den genauen Einführungstermin und einen möglichen Parallelbetrieb
• welche Oberflächenvariablen, Vorhersageschritte, Reichweiten und Ensemble-Produkte stündlich werden
• die Konventionen für Datenstrom, Dateinamen, Parameter und Akkumulation
• ob die stündlichen Produkte Teil der öffentlichen Open-Data-Auswahl sind
• ob AIFS v3 das aktuelle Gitter und die aktuellen Lizenzbedingungen beibehält

Die aktuellen AIFS-v2-Ausgaben sind in GRIB2 auf einem regelmäßigen 0,25-Grad-Gitter verfügbar. Sie stehen für Weiterverbreitung und kommerzielle Nutzung mit Namensnennung unter CC BY 4.0. ECMWF hat die künftigen HourGlass-Felder nicht gesondert dokumentiert. Deshalb sollten diese aktuellen Zugangsbedingungen nicht auf AIFS v3 übertragen werden, bevor der entsprechende Katalog veröffentlicht ist.

HourGlass ist die zweite konkrete AIFS-v3-Entwicklung, die ECMWF in diesem Monat vorgestellt hat. Zuvor erschien die Vorschau auf das Eingabefeld für städtische Wärmeinseln. Die Ankündigung geht einen Schritt weiter: HourGlass ist nun für eine operative Version später im Jahr 2026 vorgesehen. Die genauen Bedingungen für Produktion und Datenzugang sind jedoch noch offen.

Quellen

• ECMWF: HourGlass—filling in the gaps between forecasts, 20. August 2026
• Ingstad et al.: HourGlass—A Probabilistic Data-Driven Temporal Downscaler for Hourly Global and Regional Weather Forecasting, 13. Juli 2026
• ECMWF AIFS Machine Learning data
• AIFS Operational auf GribStream
• AIFS Ensemble auf GribStream