汉莎航空之后前与Google合作，通过优化航班调度减少燃油使用，进一步降低成本支出和碳排之后，双方又公开新一波合作成果，通过预测机场跑道的风速，来提高航班准点率，不只降低运营业亏损失，也能提升乘客服务。
风的大小和风向对机场运行有重大的影响，在瑞士有一种名为白斯风（BISE）的自然现象，这是一种又冷又干的风，会从瑞士东北穿过瑞士高原吹向西南。白斯风会严重影响航班时刻表，迫使飞机改变跑道，而导致航班延误甚至取消等连锁反应。
这种状况在苏黎世机场特别严重，白斯风甚至可能降低机场30%的运量，不只对汉莎航空造成数百万美元的收入损失，同时也会造成乘客不满。因此汉莎航空希望可以通过提前预测白斯风，让网络运营控制团队，能够以更佳的方式运用跑道和时间段来调度班机运营，最大程度减少对航班计划的干扰。
汉莎航空想要知道通过深度学习预测白斯风，所进一步调整的航班，结果是否能够超过内部原本的启发式解决方案，并且衡量深度学习的易用性，以及在生产环境中的实用性。
要预测白斯风并不是一件容易的事，深度学习模型需要用到大型资料集，因此汉莎航空和Google使用了Meteoswiss模拟资料，该资料集由过去5年瑞杂货店个气象站气象传感器的测量值组成，通过该资料集，汉莎航空便能以每10分钟的分辨率，获得风向、速度、压力、温度和湿度等天气资料，以及气象站位置相关的海拔高度等资讯。
由于白斯风并非一个直接可用的变量，因此他们设计跑道周围的顺风速度作为代理目标变量，当此数值高于特定阈值，则代表跑道出现白斯风，这项项目创建在Google全托管机器学习平台Vertex AI之上。实验结果显示新系统给出的预测，优于汉莎航空内部的启发式算法，而且随着预测的时间加长，出现了明显的性能差异，新系统能够获得更高的召回率（Recall）和精确度。
在预测未来2小时的白斯风，新的预测模型相较于汉莎航空内部的启发式算法，高了40%精确度，在6小时的预测性能差距更进一步扩大，也由于提前数小时的预测，能使汉莎航空更有余地防止航班延误，因而提高该解决方案的实用性。
汉莎航空计划将这个预测白斯风实验性项目，集成到运营决策支持组件中并用于生产环境，供苏黎世克洛滕机场的运营控制中心使用。