Eine Gruppe von Ballons ohne Triebwerke, die sich vollständig vom Wind treiben lässt, hat gerade einen Großauftrag von der US-Luftwaffe erhalten. WindBorne Systems, ein Unternehmen für autonome Wetterballons, gab bekannt, einen neuen Vertrag mit der US-Luftwaffe gewonnen zu haben, der den Erwerb der von der globalen Ballonflotte gesammelten Daten vorsieht; der Gesamtwert des Vertrags kann bis zu 49 Millionen Dollar betragen. Für ein Startup, das „das Ausspähen der Atmosphäre mit Ballons“ als Geschäft betreibt, ist dies der bedeutendste Deal, an dem das Unternehmen bisher beteiligt war.
WindBorne hat derzeit etwa 700 Wetterballons an verschiedenen Orten der Erde in der Luft. Sie lesen kontinuierlich Daten atmosphärischer Sensoren aus; ein Teil davon wird an zahlende Kunden verkauft, ein anderer fließt zurück in das eigene KI-Wettervorhersagemodell des Unternehmens. Das 2015 in Redwood City, Kalifornien, gegründete Unternehmen gehört zu den ersten Organisationen, die echte Beobachtungsdaten direkt in Deep-Learning-Wettermodelle einspeisten. Es pflegt seit langem Beziehungen zur US-Regierung; der National Weather Service, die Luftwaffe und die Marine sind alte Bekannte. Doch erst dieser Luftwaffenvertrag hebt die Zusammenarbeit auf eine neue Größenordnung.
Das Geld wird nicht leichtfertig ausgegeben. Der Vertrag ist auf 49 Millionen Dollar gedeckelt, aber die Luftwaffe kauft „so viel, wie sie braucht“ – sie bestellt nur dann Daten, wenn sie sie benötigt, für bestimmte Regionen und bestimmte Zeiträume. Bislang wurden tatsächlich erst Aufträge über 1,7 Millionen Dollar erteilt; Führungskräfte des Unternehmens erwarten weitere Nachbestellungen. Der Mitgründer und CTO Andrey Sushko beschrieb den Vertrag als „im Wesentlichen ein Vehikel, das die kontinuierliche Expansion der Konstellation sowie die Forschung und Entwicklung zur stetigen Verbesserung der Ballonhardware und -leistung trägt“. Er hob besonders hervor, dass der Vertrag ohne Ausschreibung direkt vergeben wurde – die Regierung sei davon überzeugt, dass „wir beim Sammeln globaler Daten das einzige Unternehmen sind, das diese Leistung in einer Weise erbringen kann, die ihre operativen Anforderungen erfüllt“.
WindBorens Selbstbewusstsein beruht auf handfestem technischem Know-how. CEO John Dean gab im August bekannt, dass das Unternehmen gerade eine Serie-B-Finanzierungsrunde über 37 Millionen Dollar abgeschlossen hat, um das Geschäftswachstum weiter zu speisen. Das zu Beginn dieses Sommers veröffentlichte Vorhersagemodell WeatherMesh6 sei, so das Unternehmen, bereits genauer als das traditionelle Modell des Europäischen Zentrums für mittelfristige Wettervorhersage (ECMWF), das die Atmosphäre mit physikalischen Gesetzen simuliert. Seit dem Aufkommen der Transformer-Architektur und der Veröffentlichung riesiger meteorologischer Datensätze durch das ECMWF ist die KI-Wettervorhersage eine der leistungsstärksten Anwendungen des Deep Learnings – früher mussten Meteorologen teure Supercomputer nutzen, um komplexe Gleichungen zu lösen, die das Verhalten der Atmosphäre annähern; heute schlucken End-to-End-Lernmodelle jahrzehntelange Daten und liefern Vorhersagen schneller. Die Modelle von Spitzenlabors und Regierungsbehörden werden zwar tatsächlich immer genauer, doch beide Arten von Vorhersagen müssen sich weiterhin ergänzen, damit man das Wetter wirklich versteht; so ist etwa das Hurrikan-Vorhersagetool von Google DeepMinds neuestem Wettermodell für die staatliche Reaktion auf die Sturmsaison immer wichtiger geworden.
Den größten Triumph für WindBorne bedeutete, dass es im August die erste Organisation wurde, die ein unbemanntes, triebwerksloses Fliegensystem ins Auge eines Taifuns sandte, um dort Daten zu sammeln. Diese Ballons haben keine Motoren; sie steuern sich allein durch Anpassung der Flughöhe, durch Ablassen von Gas oder durch Abwerfen von Sand als Ballast mit dem Wind dorthin, wo sie hin sollen. Sushko sagte, das sei ein äußerst neuartiger Schachzug: „Zwei Voraussetzungen: Erstens braucht man gute Wind- und Wettermodelle und muss verstehen, wie man sie nutzt; zweitens muss die Konstellation groß genug sein, damit die Ballons genau an der richtigen Stelle auftauchen.“ Er fügte einen Satz mit großem Gewicht hinzu – dies sei eine der ersten Male, dass Deep-Learning-Modelle für echte operative Entscheidungen im laufenden Betrieb eingesetzt wurden. Mit anderen Worten: Diese mit dem Wind treibenden Ballons sind längst kein Forschungsspielzeug mehr, sondern beginnen, für das Militär und Wetterbehörden echte Entscheidungen zu treffen.