Am 3. September 2026 haben Google DeepMind und Google Research WeatherNext 3 vorgestellt und es als ihr bislang fortschrittlichstes und genauestes globales Wettermodell bezeichnet. Neu ist nicht, dass es das Wetter vorhersagt — das geschieht seit Jahrzehnten —, sondern dass es Vorhersagen für jede Stunde des Tages liefert, mit einer räumlichen Auflösung von bis zu 5 Kilometern für Oberflächenvariablen wie Temperatur und Luftfeuchtigkeit, nach zuvor 25 Kilometern.

Für Unternehmer ist dieser Unterschied keine wissenschaftliche Fußnote. Der Abstand zwischen einer Vorhersage, die ein Quadrat von 25 Kilometern abdeckt, und einer, die ein Quadrat von 5 Kilometern abdeckt, ist der Abstand zwischen dem Wissen, dass es in der Region nass ist, und dem Wissen, dass es auf Ihrer Baustelle nass ist. Und sobald die Vorhersage stündlich statt sechsstündlich kommt, verschiebt sich die Frage von „Arbeiten wir morgen?“ zu „Wann genau arbeiten wir morgen?“. Das ist eine Planungsfrage, keine Wetterfrage.

Was Google tatsächlich angekündigt hat

Die Zahlen, wie sie in der offiziellen Ankündigung veröffentlicht wurden:

  • Die Auflösung hängt von der Variable ab. Fünf Kilometer für Oberflächenvariablen wie Temperatur und Luftfeuchtigkeit, zehn Kilometer für andere Oberflächenvariablen und fünfundzwanzig Kilometer für atmosphärische Variablen wie die Windgeschwindigkeit. Die Auflösung ist nicht eine einzige Zahl; sie hängt davon ab, wonach Sie fragen.
  • Stündliche Vorhersagen. Google beschreibt es als das erste globale Wettermodell, das Vorhersagen für jede Stunde des Tages erzeugt.
  • Die Niederschlagsgenauigkeit verbessert sich bei Planungen einen Tag oder länger im Voraus um bis zu 50%, gemessen mit CRPS, einem Standardmaß für die Qualität probabilistischer Vorhersagen.
  • Die Datenquelle hat sich geändert. Das Modell lernt direkt aus Echtzeitdaten geostationärer Satelliten und aus Stationsbeobachtungen, statt sich ausschließlich auf die Ergebnisse der klassischen numerischen Wettervorhersage zu stützen.
  • Wo es erscheint. In der Google Suche, der Gemini-App, Google Maps, der Weather API der Maps Platform sowie in Google Earth Engine und BigQuery für analytische Zwecke.

Der letzte Punkt ist für alle, die Systeme bauen, der wichtigste: Eine genaue Vorhersage, die in einer API und in BigQuery bereitsteht, ist eine Dateneingabe, die Sie an Ihr eigenes System anbinden können, kein Bildschirm, den Sie öffnen und anschauen.

Warum der Zeitpunkt gerade in Saudi-Arabien wichtig ist

Am 15. September 2026 endet das Verbot von Arbeiten im Freien zur Mittagszeit. Es begann am 15. Juni und untersagt Arbeiten in offenen Bereichen bei Betrieben des Privatsektors von 12:00 Uhr mittags bis 15:00 Uhr. Drei Monate lang wurde die Planung von Arbeiten im Freien von einer festen und bekannten Regel bestimmt: jeden Tag drei gesperrte Stunden.

Nach dem 15. September kehrt das volle Tageslichtfenster zurück, und mit ihm geht die Verantwortung wieder auf das Unternehmen selbst über. Nicht mehr die Vorschrift entscheidet, wann die Arbeit ruht — sondern Hitze, Wind, Regen und Ihre eigene Entscheidung. Genau hier wird eine genaue Vorhersage von einer Information zu einem Managementwerkzeug. Ein Unternehmen, das von einer festen Regel zu gar keiner Regel wechselt, verliert Disziplin; ein Unternehmen, das von einer festen Regel zu einer datengestützten Regel wechselt, gewinnt eine Flexibilität, die es den ganzen Sommer über nicht hatte.

Wichtig: Das Ende des Verbotszeitraums hebt nur diese konkrete zeitliche Beschränkung auf. Es beseitigt nicht die allgemeinen Pflichten des Arbeitgebers zu Arbeitssicherheit und Gesundheitsschutz.

Wo das tatsächlich in den Betrieb einfließt

Das Wetter fließt über vier Türen in den Betrieb ein, und alle vier sind messbar:

  • Bauwesen und Arbeiten im Freien. Betonieren, Arbeiten in der Höhe und Malerarbeiten reagieren alle empfindlich auf Wind, Regen und Hitze. Eine stündliche Vorhersage bedeutet, dass ein Arbeitsfenster am Morgen festgelegt statt mittags abgesagt wird — und der Unterschied zwischen beidem ist ein voller Arbeitstag für eine ganze Kolonne.
  • Zustellung und Logistik. Regen verändert Fahrzeiten, die Quote fehlgeschlagener Zustellungen und das Anrufaufkommen im Kundenservice. Wenn Sie einen Tag im Voraus wissen, dass es in einem bestimmten Stadtteil drei Nachmittagsstunden lang regnen wird, können Sie die Zahl der Fahrer und die Lieferzusagen anpassen, bevor sie platzen, statt hinterher.
  • Veranstaltungen und Einzelhandel. Das Wetter gehört zu den stärksten Treibern der Besucherfrequenz in Einkaufszentren, Restaurants und Ausflugszielen im Freien. Wer die Vorhersage an den Schichtplan koppelt, macht aus einer festen Personalstärke eine, die sich anpasst.
  • Landwirtschaft, Wasser und Gebäudemanagement. Bewässerungspläne und die vorbeugende Wartung exponierter Anlagen lassen sich auf Grundlage einer probabilistischen Vorhersage um ein oder zwei Tage verschieben, statt an einem Tag zu laufen, der dafür ungeeignet ist.

Was kein Modell ändert, so genau es auch sein mag

Das ist der Teil, der meist übersprungen wird. Das Modell liefert Ihnen eine bessere Vorhersage; es liefert Ihnen keine Entscheidung. Ein Unternehmen, das die genaueste Datenquelle der Welt abonniert und die Entscheidung dann der täglichen Improvisation überlässt, wird überhaupt keinen Unterschied bemerken.

  • Vorhersagen sind probabilistisch, nicht endgültig. Die Modellqualität wird probabilistisch bewertet, und eine Regenwahrscheinlichkeit von 70% ist kein Regenversprechen. Wer eine binäre Entscheidung „arbeiten oder nicht“ auf eine Wahrscheinlichkeitszahl stützt, wird den Eindruck haben, dass das Modell oft danebenliegt — der Fehler liegt in der Nutzung, nicht im Modell.
  • Die Auflösung unterscheidet sich je nach Variable. Fünf Kilometer für die Temperatur bedeuten nicht fünf Kilometer für den Wind. Wenn Ihre Arbeit besonders windempfindlich ist, sollten Sie wissen, dass Sie Daten mit einer Auflösung von fünfundzwanzig Kilometern lesen.
  • Entscheidungen brauchen schriftliche Schwellenwerte. Solange Sie nicht vorab schriftlich festgelegt haben, ab welcher Windgeschwindigkeit Arbeiten in der Höhe eingestellt werden und ab welcher Regenwahrscheinlichkeit eine Betonage verschoben wird, haben Sie kein System — Sie haben einen Bildschirm.
  • Offizielle Stellen bleiben unersetzlich. Offizielle Wetterwarnungen und Unwetterhinweise im Königreich werden von den zuständigen Behörden herausgegeben. Ein kommerzielles Modell ist eine Planungsgrundlage, kein Ersatz für eine offizielle Warnung.

Wie Sie daraus innerhalb von zwei Wochen etwas Funktionierendes machen

  • Wählen Sie einen Prozess, der tatsächlich wetterabhängig ist und dessen Kosten Sie messen können: ein verlorener Tag auf einer Baustelle oder die Quote fehlgeschlagener Zustellungen an einem Regentag.
  • Erfassen Sie einen Monat lang eine Ausgangsbasis. Wie viele Arbeitstage verloren gingen, wie oft eine Aufgabe umgeplant wurde und was die Umplanung gekostet hat.
  • Schreiben Sie Ihre Schwellenwerte auf eine einzige Seite. Variable, Zahl, Entscheidung und wer für die Entscheidung verantwortlich ist. Drei oder vier Zeilen reichen für den Anfang.
  • Binden Sie die Vorhersage an die Planung an, nicht an die E-Mail. Daten zeigen ihren Wert, wenn sie automatisch eine Schicht oder eine Route ändern oder einen Vorgesetzten in dem System alarmieren, in dem er ohnehin arbeitet — nicht, wenn sie als Nachricht ankommen, die jemand gelegentlich liest.
  • Überprüfen Sie nach einem Monat anhand derselben Kennzahlen. Hat sich die Zahl nicht bewegt, liegt das Problem bei den Schwellenwerten oder der Umsetzung, nicht bei der Datenquelle.

Die Sicht von Origami

Origami ist ein Technologieunternehmen, und wir lesen diese Ankündigung als Lehrbuchbeispiel für ein wiederkehrendes Muster: Eine Fähigkeit, die einst spezialisierten Einrichtungen vorbehalten war, sinkt auf die Ebene einer API herab, die jedes Unternehmenssystem nutzen kann. Profitieren werden nicht die technikbegeistertsten Unternehmen — sondern diejenigen, bei denen bereits ein schriftlich festgelegter Prozess auf bessere Daten wartet.

Wenn uns ein Kunde bittet, eine externe Datenquelle an sein System anzubinden, beginnen wir deshalb nicht mit der technischen Integration. Wir beginnen mit einer einfacheren Frage: Welche Entscheidung ändert sich, wenn diese Daten eintreffen, wer ist für sie verantwortlich und ab welchem Schwellenwert? Ist diese Antwort nicht klar, fügt die Integration einen neuen Bildschirm und neue Kosten hinzu, ohne ein Ergebnis hinzuzufügen. Ist sie klar, ist die Umsetzung selbst weit einfacher, als die meisten Unternehmer erwarten.

Fazit

WeatherNext 3 macht die Wettervorhersage räumlich schärfer, zeitlich dichter und in APIs und Analysewerkzeugen verfügbar. In Saudi-Arabien kommt es wenige Tage, bevor am 15. September das Mittagsarbeitsverbot endet — genau dann, wenn die Verantwortung für die Planung von Arbeiten im Freien wieder auf das Unternehmen selbst übergeht. Behandeln Sie das Wetter als Nachricht, und Sie werden weiterhin umplanen, nachdem der Verlust bereits eingetreten ist; behandeln Sie es als Dateneingabe mit einem schriftlichen Schwellenwert und einem namentlich benannten Verantwortlichen, und Sie planen vorher um. Der Unterschied zwischen beiden liegt nicht in der verfügbaren Technologie, die identisch ist, sondern darin, ob ein Prozess existiert, der sie aufnimmt.

Quellen

Zahlen wie in den oben genannten Quellen veröffentlicht, Stand 4. September 2026.