Vijftig jaar lang vereiste het voorspellen van het weer supercomputers die urenlang de vergelijkingen van de atmosfeer oplossen. In twee jaar tijd hebben machine-learningmodellen de kaarten herschud: GenCast verslaat het Europese referentie-ensemble op 97,2 % van de doelen en maakt een wereldwijde 15-daagse voorspelling in 8 minuten, het ECMWF draait sinds februari 2025 zijn eigen AI-model operationeel met ongeveer 1 000 keer minder energieverbruik, en het National Hurricane Center rangschikte in 2025 een AI-model als eerste voor traject en intensiteit van cyclonen. Voor bedrijven waarvan de vraag, de productie of de risico's van de hemel afhangen, is dit een concrete verandering. Ziehier welke, bekeken vanuit België.
Het wetenschappelijke kantelpunt dateert van december 2024: Google DeepMind publiceert in Nature het model GenCast, getraind op 40 jaar ERA5-heranalysedata. Op 1 320 combinaties van variabelen en termijnen verslaat GenCast het ENS, het referentie-ensemble van het Europees Centrum voor Weersverwachtingen op Middellange Termijn (ECMWF), in 97,2 % van de gevallen, en in 99,8 % van de gevallen voorbij 36 uur. Waar een supercomputer uren rekent, produceert GenCast een ensemble van 50 en meer scenario's over 15 dagen, met een resolutie van 0,25 graden, in 8 minuten op één enkele TPU v5-chip. Zijn voorganger GraphCast, eind 2023 gepubliceerd in Science, versloeg het deterministische referentiemodel al op meer dan 90 % van 1 380 doelen.
De institutionele omslag volgde binnen enkele maanden. Het ECMWF, de Europese intergouvernementele organisatie waarvan België lid is, nam zijn eigen machine-learningmodel in gebruik: AIFS Single op 25 februari 2025, het eerste volledig operationele AI-model van een groot weercentrum, met winsten tot 20 % op het traject van tropische cyclonen en een energieverbruik per voorspelling dat ongeveer 1 000 keer lager ligt; daarna AIFS ENS op 1 juli 2025, een ensemble van 51 voorspellingen dat de fysische modellen op tal van indicatoren overtreft, waaronder de oppervlaktetemperatuur, en meer dan 10 keer sneller draait. Beide systemen werken zij aan zij met het fysische IFS-model, en hun output is beschikbaar als open data.
De softwaregiganten verbreden het veld. Aurora, het foundationmodel van Microsoft, gepubliceerd in Nature in mei 2025 en getraind op meer dan een miljoen uur geofysische data, overtreft de operationele voorspellingen voor luchtkwaliteit, golven en cycloontrajecten, tegen een rekenkost die ongeveer 5 000 keer lager ligt; het versloeg het National Hurricane Center (NHC) op de 5-daagse cycloontrajecten van de seizoenen 2022-2023. Google ging verder: in het seizoen 2025 rangschikte het verificatierapport van het NHC WeatherNext als eerste individuele model voor traject en intensiteit van cyclonen; het model voorspelde vijf dagen op voorhand de intensivering van orkaan Melissa tot categorie 5 vóór haar historische landing op Jamaica. Sinds 18 november 2025 voedt WeatherNext 2, 8 keer sneller en met uurresolutie, de voorspellingen van Google Search, Gemini en Pixel.
België kent de prijs van een ernstig genomen voorspelling: de overstromingen van juli 2021 kostten 39 mensenlevens en leidden tot bijna 74 000 schadedossiers voor 2,3 miljard euro, de duurste natuurramp uit de Belgische geschiedenis (Assuralia). De Wereld Meteorologische Organisatie herinnert eraan dat een waarschuwing 24 uur vooraf de schade van een storm tot 30 % kan beperken. Als lid van het ECMWF profiteert België rechtstreeks van AIFS, en zijn weergevoelige sectoren (windenergie op de Noordzee, landbouw, bouw, havenlogistiek) behoren tot de eerste potentiële gebruikers van deze preciezere, frequentere en goedkopere voorspellingen.
Het weer is geen nicheonderwerp: Munich Re raamt de verliezen door natuurrampen in 2025 op 224 miljard dollar, waarvan 92 % weergerelateerd (en 97 % van de verzekerde verliezen). Onder de rampen weegt de gewone weersvariabiliteit elke week op de vraag, de termijnen en de kosten. Betere en goedkopere voorspellingen vertalen zich rechtstreeks in terugkerende beslissingen.
Drie factoren komen samen. De snelheid: een ensemblevoorspelling die uren supercomputertijd vereiste, rolt in minuten uit één chip, waardoor scenario's vermenigvuldigd kunnen worden (WeatherNext 2 genereert er honderden) en vaker ververst kan worden. De kostprijs: ongeveer 1 000 keer minder energie per voorspelling met AIFS; met hetzelfde budget kan een nationale weerdienst of een bedrijf veel meer produceren. De toegang: de AIFS-output is open data, Aurora is open source gepubliceerd, de code en gewichten van GenCast zijn vrijgegeven; topvoorspellingen zijn niet langer voorbehouden aan wie een supercomputer bezit. De humanitaire uitdaging volgt dezelfde lijn: slechts de helft van de landen beschikt over multirisico-waarschuwingssystemen, en de VN mikt op universele dekking eind 2027 met het initiatief Early Warnings for All; de Wereldbank schat dat universele toegang tot vroege waarschuwing jaarlijks minstens 13 miljard dollar aan activaverliezen zou vermijden.
AI-modellen vertrekken niet van nul: ze zijn afhankelijk van de data-assimilatie van de fysische centra voor hun beginvoorwaarden, en dus van de satellieten, radars en stations die deze voeden. Hun resolutie blijft grover (31 km voor AIFS ENS tegenover 9 km voor het fysische ensemble van het ECMWF), wat het zeer lokale beperkt: geïsoleerde onweders, valleiwinden, hagel. En gebeurtenissen zonder precedent blijven het pijnpunt van systemen die op het verleden getraind zijn. De weercentra spreken over complementariteit en hybride systemen, niet over vervanging.
Welke beslissingen hangen af van het weer: vraag, productie, werven, transport, veiligheid? Wat kostte een slechte voorspelling over 12 maanden? Deze becijfering kadert het project.
Open data van het ECMWF (AIFS), diensten van het KMI, commerciële API's die de AI-modellen integreren: begin met de bestaande stromen vooraleer aan een eigen model te denken.
Vraagvoorspelling, teamplanning, onderhoudsvenster, interne waarschuwing: één casus, vóór/na-indicatoren, één testseizoen.
Gebruik ensembles in plaats van één scenario, vergelijk AI en fysisch model, behoud menselijke validatie voor veiligheidsbeslissingen, en breid daarna uit naar de andere weergevoelige beslissingen.
Nee, ze vullen ze aan. AI-modellen zoals AIFS van het ECMWF zijn afhankelijk van fysische data-assimilatie voor hun beginvoorwaarden, en hun resolutie (31 km voor het AIFS-ensemble) blijft lager dan die van het fysische model (9 km). De weercentra draaien beide zij aan zij en verkennen hybride systemen die de sterktes van beide benaderingen combineren.
GenCast (Google DeepMind, Nature, december 2024) verslaat het referentie-ensemble van het ECMWF op 97,2 % van 1 320 verificatiedoelen, en op 99,8 % voorbij 36 uur. AIFS van het ECMWF verbetert het traject van tropische cyclonen tot 20 %. In het cycloonseizoen 2025 rangschikte het verificatierapport van het National Hurricane Center WeatherNext van Google als eerste individuele model voor traject en intensiteit.
In drie stappen: de weerblootstelling van de activiteit identificeren (vraag, productie, logistiek, werven, risico's), toegang krijgen tot de voorspellingen (de AIFS-output van het ECMWF is open data, Aurora is open source, commerciële leveranciers integreren ze), en deze data aansluiten op de terugkerende beslissingen: vraagvoorspelling, team- en werfplanning, energiedekking, interne waarschuwingen. Meet het effect vóór/na op een beperkte perimeter, en breid daarna uit.
Ze gaan snel vooruit: WeatherNext voorspelde vijf dagen op voorhand de intensivering van orkaan Melissa tot categorie 5 in oktober 2025, en GenCast overtreft de Europese referentie op extremen. Maar zeldzame gebeurtenissen blijven het pijnpunt: de modellen leren op het verleden, en een fenomeen zonder precedent is er per definitie ondervertegenwoordigd. De goede praktijken blijven het gebruik van ensembles (50 scenario's en meer), de vergelijking met de fysische modellen en menselijke validatie voor veiligheidsbeslissingen.
Molderez Consult helpt Belgische bedrijven hun weerblootstelling te becijferen, AI-voorspellingen (open data van het ECMWF, gespecialiseerde API's) aan te sluiten op hun beslissingen rond vraag, planning en risico, en de winst te meten, van de eerste indicator tot het interne waarschuwingssysteem.
Mijn project bespreken