Windvorhersagen: Mit KI und Messstationen zur perfekten Vorhersage für Gardasee und Walchensee?

Addicted Sports betreibt gleich eine ganze Reihe von Webcams und Windmessstationen an Surfspots. Die Gründer, Andy Mattausch und Rainer Motloch, haben ihre gespeicherte Datenbasis dieser Messstationen jetzt mit Hilfe neuronaler Netzwerke (KI) mit bis zu 80 Vorhersageparametern aus der Open-Meteo-Datenbank seit 2022 verknüpft und daraus eine ganz neue eigene Windvorhersage programmiert. So fließen verschiedene “Treiber” für Wind, unter anderem die Sonneneinstrahlung, die genaue Windrichtung, verschiedene Druckgradienten in den Alpen, der Höhenwind, Luftschichtung oder die Föhnvorhersage in das Modell mit. Daraus entsteht die Prognose für Grundwind und Böen - mit einer Einschätzung, ob es ein “Windtag” wird oder eher nicht. Wir wollten wissen, wer so viel Energie und Engagement in diese Projekt steckt und was die “Treiber” dahinter sind.

​Andy, erzähl doch zum Einstieg einmal: Wer seid ihr eigentlich, wie hat alles angefangen und wo steht ihr heute?

Addicted Sports haben Rainer Motloch und ich vor etwa 15 Jahren gegründet. Der Auslöser war ganz einfach: Wir sind viel surfen gegangen und immer wieder mit Leidenschaft zum See gefahren. Damals sind wir oft von München an den Walchen- oder Kochelsee gefahren – du fährst im Dunkeln los, um dann am Spot zu stehen und festzustellen, dass gar kein Wind ist. Das wollten wir nicht mehr. Die Lösungen, die es damals gab, waren mal gut, mal weniger gut. Also haben wir gesagt: Das können wir auch selbst machen. Damals kam auch Foto-Webcam.eu auf. Die Idee, hochwertige Spiegelreflexkameras als Webcams einzusetzen, fanden wir super. Damit konnte man auch nachts noch erkennen, ob Wind ist. Das war im Grunde die Geburtsstunde von Addicted Sports. Unser erster Standort war das Trimini am Kochelsee – und wir hatten das Glück, dort trotz fehlender Referenzen mit dem Projekt starten zu dürfen.

Eure Basis war also ursprünglich die Übertragung von Webcam-Bildern für Windsurfer?

Genau. Wir wollten wissen, ob Wind ist. Deshalb haben wir Webcams aufgebaut und gleich Wetterstationen dazu installiert. Tagsüber sieht man das Bild, nachts helfen die Winddaten weiter. Daraus hat sich das gesamte Portal entwickelt.

Eigene Webcams und Wetterstationen

Viele denken wahrscheinlich, ihr nutzt vorhandene Webcams oder Wetterstationen. Ist das so?

Nein. Die Webcams gehören alle uns, genauso wie die Wetterstationen. Am Walchensee haben wir zum Beispiel eine ganz besondere Messstation: Der Windmesser sitzt auf einer Boje mitten auf dem See. Das ist eine eigene Installation von uns. So bekommen wir genau die Daten, die wir brauchen.

Und wie funktioniert das vor Ort?

Wir arbeiten mit Partnern zusammen, die uns die Standorte ermöglichen. Die gesamte Technik stammt aber von uns.

Was für Kameras verwendet ihr?

Digitale Spiegelreflexkameras, meist Canon EOS 2000D, manchmal auch eine 600D. Dadurch erreichen wir eine sehr hohe Bildqualität. Nachts belichten die Kameras bis zu 30 Sekunden. Dadurch sieht man sogar Gewitter, Blitze, Sterne und manchmal auch Polarlichter. Wer sich die Galerie der besten Bilder anschaut, findet dort viele beeindruckende Nachtaufnahmen.

Finanzierung und persönlicher Hintergrund

Wie finanziert ihr das Ganze?

Über Werbung und Partner auf der Plattform.

Ist Addicted Sports euer Hauptberuf?

Nein.

Du hast Informatik studiert und Meteorologie im Nebenfach. War das schon mit Blick auf Addicted Sports?

Addicted Sports gab es zur Zeit meines Studiums schon längst. Das Meteorologie-Nebenfach habe ich tatsächlich wegen dieses Interesses gewählt. Weil ich das Wetter besser verstehen und den Wind am Walchensee besser einschätzen wollte.

Die Wettervorhersagen auf eurer Seite sind noch ziemlich neu. Seit wann gibt es sie?

Erst seit wenigen Wochen. Die eigentliche Entwicklung läuft allerdings schon deutlich länger. Den ersten Versuch habe ich 2018 im Rahmen meiner Masterarbeit gemacht. Damals habe ich bereits mit neuronalen Netzen gearbeitet. Man kann das als neuronale Netze bezeichnen, oder als Machine Learning oder als KI. Das sind aus meiner Sicht alles Synonyme. Das Grundprinzip hat funktioniert, aber es fehlten die historischen Vorhersagedaten als Trainingsgrundlage. Erst seit 2022 zeichnet Open-Meteo solche historischen Vorhersagen auf. Genau diese Daten haben es möglich gemacht, das Modell jetzt umzusetzen.

Ihr habt über die Jahre ja auch selbst viele Daten gesammelt.

Genau. Auf unserer Seite gibt es für jeden Spot eine Historie. Dort sieht man, seit wann eine Webcam existiert, wie viele Bilder aufgenommen wurden, welche Wetterdaten vorhanden sind oder wie viele Windtage es gab. Nutzer können dort auch selbst festlegen, ab wann ein Tag für sie als Windtag gilt. Für die Vorhersagen selbst verwenden wir allerdings eine feste Definition: Ein sogenannter Windtag beginnt bei elf Knoten Grundwind über mindestens eine Stunde. So entstehen die Vorhersagen: das neuronale Netz lernt.

Kannst du möglichst einfach erklären, wie eure Vorhersage funktioniert?

Wir trainieren ein neuronales Netz. Als Eingabe dienen historische Wettervorhersagen von Open-Meteo. Als Ausgabe verwenden wir die gemessenen Winddaten unserer eigenen Wetterstationen. Das neuronale Netz lernt also, welche Wetterlage später tatsächlich welchen Wind an genau diesem Spot erzeugt hat.

​Das neuronale Netz lernt also, welche Wetterlage später tatsächlich welchen Wind an genau diesem Spot erzeugt hat

Welche Daten verarbeitet das Modell konkret?

Je nach Spot sind das rund 80 verschiedene Parameter. Am Walchensee gehört dazu zum Beispiel Sonneneinstrahlung, Bewölkung, Temperatur, Windrichtung in der Höhe oder die Temperatur in der Nacht. Es gibt außerdem einige besonders wichtige Einflussgrößen, die wir unter jeder Vorhersage auch anzeigen. So können erfahrene Nutzer die Wetterlage zusätzlich selbst beurteilen. Die meisten wissen z.B., dass ohne Sonnenschein die Chancen am Walchensee eher klein sind. Das Modell selbst verarbeitet allerdings deutlich mehr Daten als diese Übersicht zeigt.

Wie oft werden die Modelle neu berechnet?

Dreimal täglich – jeweils nach den neuen Vorhersagedaten von Open-Meteo um 6, 12 und 18 Uhr. Danach werden unsere Modelle automatisch neu berechnet.

Warum sind eure Vorhersagen an Spots wie Walchensee oder Gardasee besser als klassische Wettermodelle?

Die großen Wettermodelle rechnen für Gitterzellen von mehreren Kilometern Größe. Für Thermikspots ist das zu grob. Unser Modell wird dagegen direkt auf den jeweiligen Spot trainiert und lernt dessen lokale Besonderheiten. Die Unsicherheit bleibt natürlich die gleiche wie bei jedem Wettermodell: Wenn die großräumige Wettervorhersage falsch ist, kann auch unsere lokale Vorhersage nicht stimmen. Denn auf den Daten beruht ja die Prognose.

Welcher Spot war besonders schwierig?

Für den Gardasee habe ich mehrere Anläufe gebraucht. Nach und nach habe ich weitere Einflussgrößen ergänzt, etwa Wetterentwicklungen nördlich der Alpen. Schwieriger sind vor allem seltene Wetterlagen, die vielleicht nur wenige Male pro Jahr auftreten. Seit 2022 stehen dafür nicht ausreichende Trainingsdaten zur Verfügung. Je mehr Jahre jetzt dazukommen, desto besser werden dann auch unsere Modelle. Außerdem wollen wir die Nutzer stärker einbinden. Wer vor Ort war, kann am besten beurteilen, ob die Vorhersage gepasst hat. Über unsere Reports können die Nutzer eine Bewertung der Vorhersage abgeben. Diese Bewertung fließt in das Training der zukünftigen Modelle ein. Jeder kann also dazu beitragen, die Vorhersage in Zukunft noch besser zu machen und ich möchte hiermit alle ermutigen dies auch zu tun.

So treffsicher sind die Windvorhersagen

Thermik ist deutlich schwieriger vorherzusagen als ein Starkwindtag in Dänemark. Wie gut funktioniert das inzwischen?

Für die Ora am Gardasee erreichen wir aktuell etwa 76 Prozent Trefferquote. Lässt man eine Abweichung von einem Knoten zu, steigt sie auf rund 80 Prozent. Uns war außerdem wichtig, die Vorhersagen transparent zu machen. Deshalb kann man sich ältere Vorhersagen zusammen mit den tatsächlich gemessenen Winddaten ansehen und selbst vergleichen, wie gut das Modell war.

Ihr zeigt vier Tage Vorhersage. Wann wird sie wirklich belastbar?

Je näher der Zeitpunkt rückt, desto besser wird die Vorhersage – genauso wie bei klassischen Wettermodellen. Vier Tage liefern eher einen Trend. Einen Tag vorher ist die Aussage natürlich deutlich zuverlässiger. Deshalb zeigen wir auch Wahrscheinlichkeiten an. Wenn ein Tag mit hoher Wahrscheinlichkeit als Windtag eingestuft wird, dann bin ich inzwischen sehr zuversichtlich, dass dort auch Wind sein wird.

​Wenn ihr zum Beispiel 12 bis 17 Knoten vorhersagt – worauf beziehen sich diese Werte?

Immer auf unsere jeweilige Messstation. Das Modell ist genau auf diese Station trainiert. Wer den Spot kennt, weiß oft, wie sich diese Werte auf den eigentlichen Surfbereich übertragen lassen. Diese Transferleistung muss der Nutzer selbst übernehmen. Dafür gibt es die Stationen und ihre Messwerte schon eine ganze Weile, sodass viele Surfer die Besonderheiten ihres Reviers gut kennen.

Wollt ihr künftig weitere Reviere aufnehmen?

Ja. Grundsätzlich möchten wir alle Spots abdecken, an denen unseren eigenen Messstationen stehen. Das gilt nicht nur für Thermikreviere, sondern auch für klassische Windspots wie Ammersee, Starnberger See oder Chiemsee. Überall dort gibt es ebenfalls lokale Effekte, die in großen Wettermodellen nicht vollständig berücksichtigt werden und die wir mit unseren Modellen erfassen können.

Andy, vielen Dank für das Interview und weiterhin viel Erfolg mit euren Projekten!