Google DeepMind voorspelt cyclonen een dag eerder met AI

TL;DR

• Wat: Google DeepMind publiceert WeatherNext, een AI-model dat cyclonen nauwkeuriger voorspelt en gemiddeld 24 uur extra voorbereidingstijd oplevert.
• Waarom relevant: Betere weersvoorspellingen raken direct aan logistiek, verzekeringen en supply chains — ook voor Nederlandse ondernemers.
• Wat je ermee kunt: Houd in de gaten hoe je verzekeraar en leveranciers omgaan met AI-gestuurde weersdata, want dat beïnvloedt je premies en levertijden.

Ik viel over een bericht van Google DeepMind op X: hun AI-model WeatherNext voorspelt het pad en de intensiteit van tropische cyclonen met een nauwkeurigheid die volgens hen een dag extra voorbereidingstijd oplevert. Het onderzoek is gepubliceerd in Nature. Wat mij hier nieuwsgierig maakt: dit soort voorspellingen blijven niet beperkt tot meteorologen — ze werken door in verzekeringen, logistiek en alles wat met planning te maken heeft.

Wat WeatherNext precies doet

WeatherNext is een AI-weermodel dat tropische cyclonen voorspelt: waar ze ontstaan, welk pad ze volgen, hoe sterk ze worden, en zelfs hun omvang en vorm. Het model genereert vijftig mogelijke scenario's tot vijftien dagen vooruit. Dat is wezenlijk anders dan hoe traditionele modellen werken.

Bij klassieke weersmodellen moest je kiezen: óf je voorspelde het pad van een storm goed (met een globaal model op lage resolutie), óf je voorspelde de intensiteit goed (met een regionaal model op hoge resolutie). WeatherNext combineert beide in één model. Vergelijk het met een navigator die je niet alleen vertelt wélke route de file neemt, maar ook hoe lang die file gaat worden — terwijl andere navigatiesystemen maar één van de twee konden.

De technologie achter het model heet een Functional Generative Network (FGN). In het kort: het model voegt bewust een vorm van ruis toe aan zijn berekeningen, waardoor de voorspellingen fysisch realistisch blijven maar toch meerdere scenario's kunnen verkennen. Het resultaat is niet één voorspelling, maar een waaier van waarschijnlijke uitkomsten.

De cijfers: wat levert het op?

De prestaties die Google DeepMind rapporteert zijn concreet:

• Padvoorspelling: bij vijf dagen vooruit is WeatherNext ongeveer 140 kilometer nauwkeuriger dan ENS, het toonaangevende ensemble-model van het Europese weercentrum ECMWF. Google DeepMind stelt dat dit gelijk staat aan anderhalve dag voorsprong — een verbetering waar traditionele modellen doorgaans meer dan tien jaar over doen.
• Intensiteitsvoorspelling: het model presteerde beter dan NOAA's HAFS (Hurricane Analysis and Forecast System) op gemiddelde intensiteitsfout.
• Snelheid: WeatherNext 2, de nieuwste versie, draait acht keer sneller dan zijn voorganger. Een voorspelling die op een supercomputer uren kost, is hier in minder dan een minuut klaar op één TPU (een gespecialiseerde chip van Google).

Een opvallend voorbeeld: tijdens het orkaanseizoen van 2025 voorspelde WeatherNext met 80% zekerheid dat orkaan Melissa zou intensiveren van categorie 1 naar categorie 5 en Jamaica zou bereiken — vijf dagen vóór het zover was. Op dat moment waren traditionele modellen het nog niet eens over de koers.

Ik vind het eerlijk gezegd indrukwekkend dat een AI-model dat soort sprongen kan maken. Tegelijkertijd is het goed om te benoemen dat dit soort claims uit de koker komen van het bedrijf zelf. De validatie is wel gedaan in samenwerking met onder andere het Amerikaanse National Hurricane Center, het Britse Met Office en de Universiteit van Tokyo — dat geeft gewicht, maar onafhankelijke replicatie blijft waardevol.

Waarom dit ook voor Nederlandse ondernemers relevant is

Je denkt misschien: cyclonen, dat is toch iets voor het Caribisch gebied of Zuidoost-Azië? Klopt, direct wel. Maar de effecten werken breder door dan je misschien verwacht.

Supply chains en logistiek

Stel dat je als ondernemer producten importeert uit Azië of het Caribisch gebied. Een cycloon die een haven platlegt, betekent weken vertraging. Met betere voorspellingen — en vooral meer voorbereidingstijd — kunnen rederijen en logistieke partners eerder omschakelen. Dat verschil van 24 uur klinkt bescheiden, maar in de scheepvaart kan het het verschil zijn tussen een container die op tijd vertrekt en een die twee weken vaststaat.

Verzekeringen

De Nederlandse verzekeringssector investeert fors in AI. Volgens KPMG behoort AI inmiddels bij veel verzekeraars tot de top-3 prioriteiten op bestuursniveau, en 67 procent verwacht rendement op AI-investeringen binnen één tot drie jaar. Betere weersmodellen betekenen nauwkeurigere risico-inschatting — en dat vertaalt zich uiteindelijk in premies. Kun je je voorstellen wat het betekent als je verzekeraar het overstromingsrisico van je bedrijfspand beter kan inschatten, puur doordat de weersmodellen scherper zijn geworden?

Nederland als kwetsbaar land

En laten we niet vergeten: Nederland is een laaggelegen land. We zijn geen cycloongebied, maar extreme weersgebeurtenissen — zware stormen, hevige neerslag — nemen ook hier toe. Dezelfde AI-technieken die cyclonen voorspellen, worden ook ingezet voor andere extreme weerspatronen. WeatherNext 2 scoort volgens Google DeepMind beter op 99,9% van alle weersvariabelen en voorspeltijden vergeleken met het vorige model.

Waar de beperkingen zitten

Ik denk dat het belangrijk is om hier eerlijk te zijn: dit is géén vervanging van meteorologen. Google DeepMind positioneert WeatherNext nadrukkelijk als een hulpmiddel voor weerdiensten, niet als een zelfstandig systeem. De samenwerking met instanties als het National Hurricane Center onderstreept dat.

Ook is de validatie tot nu toe vooral gericht op tropische cyclonen. Hoe goed het model presteert bij Europese weersomstandigheden — denk aan de specifieke dynamiek van Noordzee-stormen — is minder uitgebreid gedocumenteerd. Dat is geen kritiek, maar een nuance die ertoe doet als je dit wilt vertalen naar de Nederlandse situatie.

Een ander punt: de data en rekenkracht komen van Google. Dat roept vragen op over afhankelijkheid. Als steeds meer weersvoorspellingen draaien op infrastructuur van een handvol techbedrijven, wat betekent dat voor de onafhankelijkheid van publieke weerdiensten? Ik heb daar geen antwoord op, maar ik vind het een vraag die je mag stellen.

Wat mij dit vertelt

Voor mij is dit vooral een signaal dat AI-toepassingen steeds vaker op plekken opduiken waar je ze als ondernemer niet direct verwacht — maar waar ze indirect wél je bedrijfsvoering raken. Weersvoorspelling klinkt als iets voor meteorologen, maar het zit verweven met verzekeringspremies, leveringszekerheid en risicomanagement.

De trend is helder: de modellen worden sneller, nauwkeuriger en breder inzetbaar. Wat mij betreft is het slim om als ondernemer niet alleen te kijken naar AI-tools die je zelf inzet, maar ook naar hoe AI de systemen verandert waar je van afhankelijk bent — van je verzekeraar tot je logistieke partner.