← Zurück zu Projekten

EDXE Thermik-X • AI Weather Coach

Segelflug-Wettervorhersage mit GPT-4 Vision Meteogramm-Analyse und physikalischen TCI-X Scores

🎯 Das Projekt

Als Segelflieger am Flugplatz EDXE Eschendorf ist eine präzise Wettervorhersage entscheidend für sichere und erfolgreiche Flugtage. EDXE Thermik-X kombiniert klassische meteorologische Modelle mit moderner KI-Analyse und schafft damit einen einzigartigen Hybrid-Ansatz.

Phase 1 – Physikalische Analyse:
Das System berechnet den TCI-X Score (Thermal Confidence Index, 0-100) aus CAPE, Deardorff Velocity, B/S Ratio, LCL und Bodenfeuchte. Datenquelle: Open-Meteo ICON-D2 Modell (2.2 km Auflösung).

Phase 2 – KI-Validierung:
GPT-4 Vision analysiert das Meteoblue Thermal-Meteogramm (Cu-Entwicklung, LCL, CAPE, Updrafts) und erstellt eine unabhängige Bewertung der Thermik-Qualität – ohne Kenntnis des TCI-X Scores.

Phase 3 – Plausibility Check:
Das System vergleicht TCI-X Score mit der KI-Bewertung und warnt bei Abweichungen > 25 Punkte – ein Hinweis auf mögliche Modellfehler oder ungewöhnliche meteorologische Bedingungen.

Bonus:
Porta Westfalica Hangflug-Check mit Höhenwind-Integration (120m/180m) und differenzierter Wind-Bewertung für sicheren Hangflug am Wiehengebirge.

🚀 Live-Version aufrufen

Die Wettervorhersage ist als eigenständige Web-App verfügbar und aktualisiert sich bei jedem Aufruf mit den neuesten Daten:

→ Live-Vorhersage öffnen

🤖 AI Weather Coach – Wie funktioniert's?

1. N8N Workflow Automation

Backend-Automatisierung für KI-Analyse:

  • Webhook empfängt Datum + Standort vom Frontend
  • Meteogramm-Download von Meteoblue (Thermal-Version mit Cu, LCL, CAPE, Updrafts)
  • GPT-4 Vision API Call mit spezialisiertem Prompt für Thermik-Analyse
  • Rückgabe als JSON: thermal_window, cloud_base, quality, quality_score, risks

2. GPT-4 Vision Meteogramm-Analyse

Das Meteoblue Thermal-Meteogramm visualisiert:

  • Cu-Entwicklung: Cumulus-Wolken (Indikator für Thermik)
  • LCL: Lifting Condensation Level (Wolkenbasis-Höhe)
  • CAPE: Convective Available Potential Energy (Thermik-Energie)
  • Updrafts: Steigwerte in m/s

GPT-4 Vision wertet diese visuellen Indikatoren aus und gibt zurück:

  • thermal_window: Beste Flugzeit (z.B. "11-16 Uhr")
  • cloud_base: Konvektive Wolkenbasis (nur bei echter Cu-Konvektion!)
  • quality: Thermik-Qualität (Unfliegbar/Schwach/Mittel/Gut/Sehr gut/Exzellent)
  • quality_score: 0-100 Bewertung (vergleichbar mit TCI-X)
  • risks: Warnungen (Gewitter, Böen, Inversion, etc.)

3. Konvektive Wolkenbasis-Logik

Problem erkannt: GPT-4 gab anfangs immer LCL aus, auch wenn keine Thermik existierte (z.B. bei Schichtbewölkung oder stabiler Inversion).

Lösung: TCI-X basierte Schwellenwerte im Prompt:

  • TCI-X 0-25 (keine/sehr schwache Thermik): "Schichtbewölkung, keine Konvektion"
  • TCI-X 26-40 (schwache Thermik): "Blaue Thermik (kein Cu)" oder "< 600m, keine Cu-Bildung"
  • TCI-X 41-55 (moderate Thermik): "800-1400m MSL"
  • TCI-X 56-70 (gute Thermik): "1400-2000m MSL"
  • TCI-X 71-100 (starke Thermik): "2000m+ MSL" oder "2200m MSL, Cb-Risiko"

Frontend versteckt cloud_base automatisch, wenn Keywords wie "keine Konvektion", "Schichtbewölkung" oder "Blaue Thermik" erkannt werden.

4. Plausibility Check

Vergleicht quality_score (KI, 0-100) mit TCI-X Score (Physik, 0-100):

  • Abweichung ≤ 10: ✓ Plausibel (grün) – KI und Physik sind sich einig
  • Abweichung 11-25: ⚠️ Prüfen (gelb) – Leichte Unterschiede, Vorsicht empfohlen
  • Abweichung > 25: ❌ Kritisch (rot) – Signifikante Diskrepanz, mögliche Modellfehler oder ungewöhnliche Bedingungen

Tooltip zeigt Details: "TCI-X: 67, AI: 45 → Δ22 – Prüfen empfohlen"

Dieser Check ist besonders wertvoll, da KI und physikalische Modelle unterschiedliche "Blickwinkel" haben und sich gegenseitig validieren.

🏔️ Porta Westfalica – Höhenwind-Integration

Porta Westfalica am Wiehengebirge (~100 km östlich von EDXE) ist ein beliebtes Hangflug-Gebiet. Die neue Version integriert Höhenwind-Daten (120m und 180m AGL) für präzisere Hangflug-Bewertung.

Bodenwind Höhenwind Richtung Bewertung Icon
ANY > 70 km/h – Höhenwind kritisch 🔴
> 60 km/h – – Gefährlich 🔴
40-50 km/h < 60 km/h 190-210° Anspruchsvoll 🟠
40-50 km/h > 60 km/h o. ungünstig ANY Zu stürmisch ⚠️
15-40 km/h < 70 km/h 190-210° Ideal/Gut 🟢🟡
< 15 km/h – – Zu schwach 💨
Höhenwind kritisch 🔴
Bodenwind ANY
Höhenwind > 70 km/h
Richtung –
Gefährlich 🔴
Bodenwind > 60 km/h
Höhenwind –
Richtung –
Anspruchsvoll 🟠
Bodenwind 40-50 km/h
Höhenwind < 60 km/h
Richtung 190-210°
Zu stürmisch ⚠️
Bodenwind 40-50 km/h
Höhenwind > 60 km/h o. ungünstig
Richtung ANY
Ideal/Gut 🟢🟡
Bodenwind 15-40 km/h
Höhenwind < 70 km/h
Richtung 190-210°
Zu schwach 💨
Bodenwind < 15 km/h
Höhenwind –
Richtung –

Kritische Erkenntnis:

  • ~40 km/h Bodenwind in günstiger Richtung (190-210°) ist noch machbar, aber anspruchsvoll.
  • Mit Böen, Höhenwind oder ungünstiger Richtung steigt das Risiko schlagartig!
  • Höhenwind > 70 km/h in 1.000-1.500m = NICHT starten (Rotor, Strömungsabriss, Böen in Bodennähe)

⚙️ Tech-Stack

Frontend

  • Vanilla JavaScript – Keine Frameworks, maximale Performance und Wartbarkeit
  • CSS Variables – Papercraft Design-System von The Coding Cortex
  • Responsive Design – Mobile-first, optimiert für Smartphone-Nutzung am Flugplatz
  • Fetch API – Parallele API-Calls für EDXE und Porta Westfalica

Backend / Automation

  • N8N Workflow – Self-hosted Automatisierung (Webhook → Download → GPT-4 Vision)
  • OpenAI GPT-4 Vision API – Meteogramm-Analyse
  • Meteoblue Thermal Meteogram – Visualisierung von Cu, LCL, CAPE, Updrafts

APIs

  • Open-Meteo ICON-D2 – 2.2 km Auflösung, Deutschland, stündliche Daten
  • Parallele API-Calls – EDXE (52.27669, 7.4925) + Porta (52.244, 8.920)
  • Höhenwind-Daten – wind_speed_120m, wind_speed_180m für Porta Westfalica

Algorithmen (eigene Entwicklung)

  • TCI-X Score – Thermal Confidence Index basierend auf CAPE, W*, B/S Ratio, LCL, Bodenfeuchte
  • Konvektive Wolkenbasis-Logik – TCI-X basierte Schwellenwerte für GPT-4 Prompt
  • Plausibility Check – Vergleich TCI-X vs AI quality_score mit Ampel-System
  • Porta Wind-Bewertung – Höhenwind-Integration mit differenzierter Risikobewertung

💡 Besonderheiten

  • ✅ KI + Physik Hybrid – GPT-4 Vision analysiert visuelle Meteogramm-Indikatoren, TCI-X liefert physikalische Scores. Plausibility Check validiert beide Ansätze.
  • ✅ Live-Daten – Aktualisiert bei jedem Aufruf (keine veralteten Caches)
  • ✅ Konvektive Wolkenbasis – Nur echte Cu-Konvektion wird angezeigt (keine theoretische LCL bei Schichtbewölkung oder stabiler Luftmasse)
  • ✅ Höhenwind-Warnung – Porta Westfalica mit 120m/180m Wind-Daten. Kritisch bei > 70 km/h: Rotor, Strömungsabriss, Böen!
  • ✅ Differenzierte Wind-Bewertung – 40-50 km/h Wind wird nach Richtung, Böen und Höhenwind bewertet (anspruchsvoll vs. zu stürmisch)
  • ✅ Dynamische Risk Labels – "Flugbedingungen" bei Unfliegbar, "⚠️ Warnungen" bei hoher Severität, "Hinweise" bei mittlerer, "Status" bei niedriger
  • ✅ Mobile-optimiert – Speziell für Smartphone-Nutzung am Flugplatz entwickelt
  • ✅ No-Framework – Pure JavaScript für maximale Performance und Wartbarkeit
  • ✅ Plausibility Check – Warnt bei signifikanten Abweichungen zwischen KI und Physik-Modell (> 25 Punkte Differenz)

🧪 Entwicklungsprozess

Das Projekt wurde in mehreren Phasen entwickelt:

  1. Phase 1 – TCI-X Algorithmus: Entwicklung des physikalischen Thermik-Index basierend auf meteorologischen Parametern
  2. Phase 2 – N8N Integration: Automatisierung der Meteogramm-Analyse mit GPT-4 Vision
  3. Phase 3 – Konvektive Wolkenbasis-Fix: Erkennung und Behebung des LCL-Problems durch TCI-X basierte Schwellenwerte
  4. Phase 4 – Plausibility Check: Implementierung des Validierungs-Systems (KI vs. Physik)
  5. Phase 5 – Porta Höhenwind: Integration von 120m/180m Wind-Daten und differenzierter Risikobewertung
  6. Phase 6 – UI/UX Polish: Dynamische Risk Labels, Tooltips, Spacing, Header-Navigation

📊 Datenquellen

  • Open-Meteo ICON-D2 – Deutsches Wettermodell mit 2.2 km Auflösung
  • Meteoblue Thermal Meteogram – Visualisierung von Cu-Entwicklung, LCL, CAPE, Updrafts
  • TCI-X Algorithmus – Eigene Berechnung basierend auf CAPE, W*, B/S Ratio, LCL, Bodenfeuchte
  • GPT-4 Vision – KI-Analyse des Meteogramms für unabhängige Validierung

🔗 Weiterführende Links