Beobachtetes Signal · 27. Aug. 2026 · Technical Release · Quelle: persoenlich.com News · Relevanz: 1/5 · Sentiment: Neutral
MeteoSchweiz optimiert Gewitterprognosen durch Einsatz von Deep-Learning-Modellen
MeteoSchweiz hat im Sommer 2026 nach vierjähriger Entwicklungszeit ein neues Deep-Learning-Modell in den operativen Betrieb überführt. Das System verarbeitet flächendeckend für die gesamte Schweiz alle fünf Minuten aktuelle Radar- sowie Blitzdaten und berechnet daraus probabilistische Gefahrenprognosen für die jeweils kommende Stunde. Das Training des KI-Modells erfolgte auf Supercomputern in Lugano unter Nutzung umfangreicher historischer Datensätze. Nach Angaben des Bundesamts verlängert die KI-gestützte Nowcasting-Lösung die Vorwarnzeiten signifikant und senkt zugleich die Fehlalarmquote. Die generierten Vorhersagen fließen direkt in die MeteoSchweiz-App sowie das Webportal des Bundesamts ein und unterstützen Unwetterwarnungen, die Flugsicherung sowie den Zivilschutz. Die finale Lagebeurteilung in komplexen meteorologischen Szenarien verbleibt weiterhin bei den Meteorologen.
Der produktive Einsatz angewandter KI in der nationalen Meteorologie belegt den technologischen Fortschritt bei Echtzeit-Prädiktionsmodellen, besitzt jedoch keine unmittelbare strategische Relevanz für den AdTech- und MarTech-Sektor.
Marktsignale zu persoenlich.com in Echtzeit verfolgen
Polaris7 erfasst behördliche Registrierungen, Primärquellen, Führungswechsel und Deal-Aktivitäten rund um die Uhr. Erstellen Sie Ihren kostenlosen Explorer-Workspace, um automatisierte Executive Briefings zu erhalten.
Wichtigste Kernpunkte & Evidenz
- MeteoSchweiz hat im Sommer 2026 ein Deep-Learning-Modell nach vierjähriger Entwicklungsphase in den Produktivbetrieb übernommen.
- Das System analysiert alle fünf Minuten Radar- und Blitzdaten der Schweiz und ermittelt probabilistische Gewitterrisiken für die Folgestunde.
- Das KI-Training erfolgte auf Supercomputern in Lugano auf Basis umfangreicher Radar-, Blitz- und Satellitendatensätze.
- Die Technologie erhöht die Vorwarnzeiten, reduziert Fehlalarme und speist Warnsysteme, Zivilschutz, Flugsicherung sowie digitale Endnutzerkanäle.
Verknüpfte Unternehmen
2 verknüpfte UnternehmenOntologie & Marktkonzepte
Verwandte Marktsignale & Trends
Aktuelle verifizierte Unternehmensentwicklungen und Deal-Aktivitäten in diesem Marktsegment.
Schweizer KI-Modell Apertus erweitert Funktionen um Bild- und Audioanalyse
Das von Schweizer Forschungsinstitutionen entwickelte KI-Modell Apertus ist laut einem Bericht der Zeitung Le Temps nun in der Lage, Bilder und Töne zu analysieren. Beteiligt an dem Projekt sind die ETH Zürich, die EPFL Lausanne sowie das nationale Hochleistungsrechenzentrum CSCS in Lugano. Trotz der multimodalen Erweiterung betonen die Forschenden, dass Apertus weiterhin ein experimentelles Modell und kein marktreifes Endnutzerprodukt darstelle; ein Einsatz als Suchmaschine berge derzeit noch Risiken, erklärte Imanol Schlag vom ETH AI Center. Das strategische Ziel der Initiative besteht darin, eine vollständig transparente Open-Source-Alternative zu proprietären, kommerziellen Systemen bereitzustellen. Unternehmen, Behörden und die Wissenschaft sollen so eine verlässliche und datenschutzkonforme Grundlage für eigene Implementierungen erhalten.
SRG-Archiv soll Schweizer KI-Modelle trainieren
Das Archiv der SRG soll Schweizer Hochschulen in Zürich und Lausanne zur Verfügung gestellt werden, um das Training eines nationalen KI-Sprachmodells zu unterstützen. SRG-Generaldirektorin Susanne Wille befürwortet die Freigabe der Bestände für die Universitäten. Entwickler des Sprachmodells Apertus betonen, dass das SRG-Audiomaterial dem Modell ermöglichen würde, sämtliche Landessprachen und Dialekte präzise abzubilden und um journalistisch verifiziertes Wissen über die Schweiz zu ergänzen. HSG-Professor Damian Borth bezeichnete die Kooperation als strategisch klug, da die Trainingsdaten damit unter Schweizer Datensouveränität verbleiben. Während urheberrechtliche und rechtliche Rahmenbedingungen noch final geklärt werden müssen, hält Mitentwickler Imanol Schlag eine operative Umsetzung innerhalb weniger Monate für realisierbar.
KI-Superforecaster erreichen nahezu menschliche Parität bei probabilistischen Prognosen
Der Artikel beleuchtet den rasanten Aufstieg von KI-basierten 'Superforecastern': speziell strukturierte LLM-Scaffolds, die eigenständig recherchieren und präzise probabilistische Prognosen erstellen. Start-ups wie FutureSearch und Preseen melden beachtliche Erfolge auf Prediction Markets und im Finanzsektor. Metaculus-Benchmarkings zeigen, dass führende Basismodelle bereits an die Genauigkeit von Crowd-Vorhersagen heranreichen, während spezialisierte Forecasting-Scaffolds den Entwicklungsfortschritt um rund neun Monate beschleunigen. Diese Systeme schließen rasch zu professionellen menschlichen Prognostikern auf und könnten innerhalb weniger Monate vollständige Parität erreichen. Die Entwicklung birgt weitreichende Konsequenzen für Finanzmärkte, politische Entscheidungsfindung und strategische Planung. Die breite Verfügbarkeit solcher Systeme demokratisiert den Zugang zu hochqualitativen Prognosen und transformiert Märkte, in denen Vorhersagen traditionell einen hohen Arbeitsaufwand erfordern.
Marktsignale & Strategische Shifts in Echtzeit verfolgen
Erstellen Sie benutzerdefinierte Watchlists, um automatisierte, evidenzbasierte Executive Briefings zu erhalten, sobald wesentliche Signale oder Marktverschiebungen auftreten.