Wetter und Thermik

Thermik- & XC-Vorhersage (Sudelfeld)

Unsere KI sammelt derzeit stündliche Vergleiche zwischen dem großräumigen ICON-D2 Wettermodell und den tatsächlichen Messwerten unserer Holfuy-Station am Startplatz. Sobald genügend Trainingsdaten vorhanden sind, wird hier die korrigierte, hyper-lokale Windvorhersage angezeigt.

Modell-Architektur

Das System nutzt ein Deep LSTM Ensemble (5 parallel trainierte künstliche neuronale Netze). LSTM steht für Long Short-Term Memory – das bedeutet, die Netze haben ein "Kurzzeitgedächtnis". Im Gegensatz zu normalen Wettermodellen kann unsere KI dadurch den zeitlichen Verlauf und die komplexen Dynamiken des lokalen Mikroklimas am Startplatz erlernen und die makroskopischen Großwetter-Modelle (wie ICON-D2) feinkorrigieren.

Zuverlässigkeits-Metrik (Epistemische Unsicherheit)

Die angezeigte Zuverlässigkeit ist keine statistische Regen- oder Windwahrscheinlichkeit. Sie misst stattdessen die interne Einigkeit der 5 Ensemble-Netze. Kommen alle Netze bei der Berechnung auf exakt dasselbe Ergebnis, ist sich das System extrem sicher (Lehrbuchbedingungen). Widersprechen sich die Netze bei einer chaotischen oder völlig neuartigen Wetterlage, fällt die Zuverlässigkeit ab und warnt den Piloten defensiv vor schwer berechenbaren Bedingungen.

Data Maturity Penalty: Da das System noch jung ist, wird die Zuverlässigkeit derzeit algorithmisch auf maximal % gedeckelt, um falsche Sicherheit (Overfitting) zu vermeiden. Ein niedriger Prozentwert bedeutet in dieser Lernphase also nicht zwangsläufig, dass die Vorhersage falsch ist, sondern primär, dass der KI noch Trainingsdaten aus allen Jahreszeiten fehlen.