Las tormentas eléctricas ponen en peligro la vida y la infraestructura. Por lo tanto, la predicción precisa y exacta de las tormentas eléctricas es útil para habilitar medidas de protección y reducir los riesgos. Este manuscrito presenta los últimos desarrollos para mejorar la predicción de tormentas eléctricas en las primeras horas. Esto incluye la descripción y discusión de un nuevo método basado en Julia (JuliaTSnow) para la extrapolación temporal de tormentas eléctricas y la combinación de este método con el modelo de predicción numérica del tiempo (NWP) ICON. La combinación de ICON y JuliaTSnow intenta superar las limitaciones asociadas con la pura extrapolación de observaciones con vectores de movimiento atmosférico (AMVs) y, por lo tanto, aumentar el horizonte de predicción. Para la combinación, se utiliza el ICON-D2 operativo, pero también el ICON-RUC experimental, que se implementa con un ciclo de actualización de asimilación de datos más rápido. Los productos combinados se evalúan en comparación con los datos de rayos. El índice de éxito crítico (CSI) para el producto RUC combinado es más alto para todos los pasos de tiempo de predicción. Esto se debe principalmente a la mayor resolución de los AMVs (horas de predicción 0-2) y al ciclo de actualización rápida de ICON-RUC (horas de predicción 2-6). Los resultados demuestran el potencial del ciclo de actualización rápida para mejorar las predicciones a corto plazo de tormentas eléctricas. Además, la transición entre la predicción ahora-cast impulsada por AMV y NWP es mucho más fluida en el producto RUC combinado, lo que señala las ventajas de la rápida asimilación de datos para predicciones sin interrupciones. El CSI está muy por encima del valor crítico de 0.5 para las predicciones de 0-2 h. Los valores por debajo de 0.5 significan que el número de aciertos (informaciones correctas) es menor que el número de fallos, que resulta de las celdas perdidas más las falsas alarmas. El producto ya no es útil para predecir tormentas eléctricas con una precisión espacial de 0.3 grados. Desafortunadamente, con RUC, el CSI también cae por debajo de 0.5 cuando la última predicción está a más de 3 h de la última asimilación de datos, lo que indica la falta de física del modelo para predecir con precisión las tormentas eléctricas. Esta falta es simplemente un resultado de la teoría del caos. En este contexto, se discute el papel de NWP en comparación con la inteligencia artificial (IA) y se concluye que la IA podría reemplazar las predicciones físicas a corto plazo en un futuro cercano.