Google's AI Weersvoorspelling: De Stille Kracht Achter Jouw Energie

Sophie Jansen · 2026-09-08

Stel je voor: je bent verantwoordelijk voor het energiesysteem van een heel land. Elke dag moet je balanceren tussen vraag en aanbod, terwijl het aanbod steeds vaker afhangt van het weer. Wind en zon zijn onvoorspelbaar, en een foutje kan miljoenen kosten. Dat is precies waar Google nu een oplossing voor biedt met hun nieuwste AI-model: WeatherNext 3. Google's nieuwste AI-weersvoorspellingsmodel voorspelt windsnelheid op 100 meter hoogte, ongeveer de hoogte van een moderne windturbine. Het voorspelt ook bewolking en hoeveel zonlicht het oppervlak bereikt, en het wordt elk uur bijgewerkt. Energiehandelaren, netbeheerders en ontwikkelaars van wind- en zonne-energie betalen al andere bedrijven voor die data. De introductie van WeatherNext 3 zet Google nu in die markt. ### Wat maakt WeatherNext 3 zo bijzonder? Google DeepMind en Google Research brachten het model uit op 3 september. Het produceert elk uur een wereldwijde voorspelling met een resolutie tot vijf kilometer voor oppervlaktevariabelen zoals temperatuur en vochtigheid. De vorige versie, WeatherNext 2, werkte op een raster van 25 kilometer en werd elke zes uur vernieuwd. Google zegt dat de nieuwe energievariabelen bedoeld zijn om netbeheerders en ontwikkelaars te helpen voorspellen hoeveel stroom hun wind- en zonne-installaties zullen opwekken, en dat af te stemmen op de vraag. De consumentenkant van de lancering heeft de meeste aandacht gekregen. WeatherNext 3 drijft nu de weerresultaten aan in Google Zoeken, de Gemini-app, Google Maps en de Google Maps Platform Weather API. Daarachter zit een enterprise-laag die commercieel belangrijker is. Dezelfde voorspellingsdata kan worden opgevraagd in BigQuery en Earth Engine of in bulk worden gedownload van Google Cloud Storage, zonder dat de klant zelf een model hoeft op te zetten. ### Waarom de energiesector AI-weersvoorspelling omarmt Netbeheerders draaien een systeem dat aan beide kanten moeilijker te voorspellen is geworden. Aan de opwekkingskant zijn hernieuwbare bronnen nu goed voor het grootste deel van de nieuwe capaciteit. Volgens S&P Global Market Intelligence's US Grid Outlook 2026 zijn zonne-energie en energieopslag dit jaar de primaire bronnen van nieuwe capaciteit, met respectievelijk 51,2 GW en 25,7 GW van de meer dan 90 GW aan geplande toevoegingen. Zon en wind produceren op basis van het weer, niet op basis van de vraag. Elke toegevoegde gigawatt maakt een korte-termijnvoorspelling dus belangrijker. Aan de consumptiekant komt de nieuwe vraag van AI. S&P Global identificeert de verspreiding van datacenters in Noord-Amerika als een primaire drijver van de recente stijging in elektriciteitsvraag, waardoor nutsbedrijven hun belastingsprognoses naar boven moeten bijstellen. Deloitte's 2026 Power and Utilities Industry Outlook voorspelt dat de piekvraag tegen 2035 met ongeveer 26% zal groeien, waarbij de vraag van datacenters alleen al mogelijk 176 GW kan bereiken, vijf keer het niveau van 2024. De kosten van een verkeerde voorspelling zijn duidelijk. Als een netbeheerder onderschat hoeveel windenergie er komt, moet hij op korte termijn vervangende elektriciteit kopen, meestal van gascentrales die duur in stand-by staan. Als hij overschat, worden wind- en zonneparken betaald om uit te schakelen omdat het net niet kan absorberen wat ze produceren. Beide uitkomsten zijn duur, en beide zijn voorspellingsfouten. ### De markt die Google betreedt Het verkopen van weersvoorspellingen aan de energiesector is een gevestigde business. Vaisala, Solcast, DNV's WindGEMINI en IBM's HyperWatch concurreren er allemaal in. Dat geldt ook voor Jua, een Zwitsers bedrijf dat beweert dat zijn EPT-2-model Microsoft Aurora en DeepMind's eerdere GraphCast verslaat op nauwkeurigheid, terwijl het 24 keer per dag updatet, tegen wat het beschrijft als een typische vier updates per dag bij concurrenten. Google's voordeel is bereik. Dezelfde voorspelling verschijnt als een tabel in BigQuery, een laag in Earth Engine, een API in Google Maps Platform en het standaardantwoord in Google Zoeken. Geen enkele gespecialiseerde leverancier heeft die spreiding, en de uurelijkse verversing dicht de gat in update-frequentie dat die leveranciers gebruikten om zich te onderscheiden. De gevestigde partijen hebben nog één technisch argument. Jua's gepubliceerde standpunt is dat natuurkundige modellen zoals ECMWF's HRES nog steeds beter presteren dan puur datagedreven AI-modellen tijdens recordbrekende extreme weersomstandigheden, omdat natuurkundige modellen regels coderen over hoe energie en massa zich door de atmosfeer bewegen, terwijl AI-modellen patronen leren van eerdere data. Jua verkoopt een natuurkundig beperkt product, dus de claim dient hun eigen belang. Toch is het een debat dat de komende jaren gevoerd zal worden, vooral naarmate extreem weer vaker voorkomt. ### Wat betekent dit voor jou? Als je in de energiesector werkt, of je nu bij een netbeheerder zit, een windpark ontwikkelt of een datacenter bouwt, dan gaat AI-weersvoorspelling je werk veranderen. De vraag is niet of je het gaat gebruiken, maar wanneer. Google's stap betekent in ieder geval één ding: de concurrentie in deze markt wordt heviger, en dat kan de prijzen drukken en de nauwkeurigheid verbeteren. En dat is goed nieuws voor iedereen die afhankelijk is van een stabiel energienet. > De echte winnaar is misschien niet Google of Jua, maar de netbeheerder die eindelijk betrouwbare voorspellingen krijgt. Wil je meer weten over hoe AI de energiesector verandert? Houd onze komende artikelen in de gaten, waarin we dieper ingaan op de technische aspecten en de impact op de Nederlandse markt.