Neuere Fortschritte im Bereich der Künstlichen Intelligenz (KI) zeigen ein erhebliches Potenzial, das Wettervorhersage grundlegend zu verändern. Die meisten künstlich-intelligenzgesteuerten Modelle hängen jedoch von numerischen Wettermodellen (Numerical Weather Prediction, NWP) zur Vorbereitung der Anfangsbedingungen ab, was oft Stunden auf Supercomputern erfordert. In diesem Beitrag stellen wir XiChen vor, das erste beobachtungsskalierbare vollständig künstlich-intelligenzgesteuerte globale Wettermessystem, dessen gesamter Prozess – von der Datenassimilation (Data Assimilation, DA) bis zur mittelfristigen Vorhersage – innerhalb von nur 17 Sekunden abgeschlossen werden kann. XiChen basiert auf einem Grundmodell, das für die Wettermessung vortrainiert wurde. Dieses Modell wird anschließend weiter angepasst, um sowohl als Beobachtungsoperatoren als auch als DA-Modelle zu dienen, wodurch es in der Lage ist, konventionelle und rohe Satellitenbeobachtungen skalierbar zu assimilieren. Darüber hinaus stellt die Integration von vierdimensionalem variationalem Wissen sicher, dass die Genauigkeit der DA und der mittelfristigen Vorhersage von XiChen mit jener operativer NWP-Systeme mithalten kann und überraschenderweise eine fähige Vorhersagehorizont von mehr als 8,25 Tagen erreicht. Diese Ergebnisse zeigen, dass XiChen ein starkes Potenzial besitzt, eine vollständig künstlich-intelligenzgesteuerte Wettermessung unabhängig von NWP-Systemen zu ermöglichen.