Deep Take
Eine Wetter-KI kann in vielen Vergleichen besser abschneiden und für eine konkrete Aufgabe trotzdem die schwächere Wahl sein. Das ist kein Widerspruch, sondern eine Eigenschaft solcher Vergleiche. Temperatur, Wind, Niederschlag, Ort und Vorlaufzeit stellen unterschiedliche Anforderungen. Für Menschen, die nach einer Vorhersage handeln müssen, ist deshalb weniger der Gesamtsieger interessant als die passende Prüfung.
Ein gutes Beispiel liefert die Entwicklung am Europäischen Zentrum für mittelfristige Wettervorhersage, ECMWF. Dort ging das KI-Ensemblesystem AIFS ENS im Juli 2025 in den Betrieb. Es läuft neben dem physikalisch berechneten IFS. Ein Ensemble enthält mehrere mögliche Wetterentwicklungen und soll damit Unsicherheit abbilden, statt nur einen einzigen Verlauf auszugeben.
Derselbe Himmel, unterschiedliche Prüfaufgaben
Zur Betriebsaufnahme berichtete ECMWF von Vorteilen der KI bei vielen Kennzahlen. Zugleich beschrieb das Zentrum die beiden Ansätze als Ergänzung. Schon damals war der physikalische Ansatz unter anderem für fein aufgelöste Felder und gekoppelte Vorgänge im Erdsystem wichtig. Die damaligen Leistungsangaben sind ein historischer Entwicklungsstand, kein unveränderliches Gütesiegel.
Ein im Juni 2026 veröffentlichter Preprint von Kocsis und Baran untersucht eine deutlich enger gefasste Aufgabe: Windgeschwindigkeit in zehn Metern Höhe. Verglichen werden operative Ensemblevorhersagen von Juli bis November 2025 mit Beobachtungen an mehr als 9.000 Stationen weltweit.
Bei den unbearbeiteten Vorhersagen schnitt IFS in dieser Untersuchung über die betrachteten Vorlaufzeiten besser ab als AIFS. Eine statistische Nachbearbeitung verbesserte beide Systeme und verringerte ihre Unterschiede deutlich. Die Arbeit ist ein Preprint und untersucht einen begrenzten Zeitraum sowie eine bestimmte Messgröße. Sie begründet keine Rangliste für alle Wetterfragen.
Der Befund ist gerade deshalb nützlich. Ein globaler Erfolg bei mehreren Kennzahlen sagt nicht automatisch voraus, welcher Ansatz beim bodennahen Wind an Messstationen gewinnt. Umgekehrt macht ein Rückstand in diesem Vergleich die KI nicht generell unbrauchbar.
Zwischen Modell und Nutzer liegt weitere Arbeit
Statistische Nachbearbeitung klingt wie ein nebensächlicher technischer Schritt. Für den Vergleich kann sie jedoch viel verändern. Sie nutzt Zusammenhänge zwischen früheren Vorhersagen und Beobachtungen, um systematische Abweichungen zu korrigieren.
Damit wird deutlich, warum „Modell gegen Modell“ die Qualität eines fertigen Wetterprodukts nicht immer vollständig beschreibt. Ein Anbieter kann rohe Ausgaben anzeigen, ein anderer zusätzliche Korrekturen anwenden. Wer diese Produkte vergleicht, bewertet dann mehr als den eigentlichen Rechenkern.
Für einen fairen Vergleich müssen dieselben Bedingungen gelten. Die Vorhersagen brauchen denselben Zielzeitpunkt, dieselbe Messgröße und eine passende Beobachtungsgrundlage. Sonst lässt sich eine scheinbar klare Differenz möglicherweise auf die Gestaltung des Vergleichs zurückführen, statt auf eine überlegene Prognose.
Modellnamen stehen nicht für einen festen Zustand
Die aktuelle ECMWF-Datenbeschreibung führt operative KI-Vorhersagen, offene Daten und Archive auf. Sie nennt vier Produktionsläufe pro Tag und einen Horizont bis zu 15 Tagen. Das schafft eine Grundlage für neue Prüfungen. Zugleich entwickeln sich Modellversionen und Produkte weiter.
Ein Vergleich mit Daten aus dem Jahr 2025 bleibt deshalb für die getestete Fassung aussagekräftig. Er muss aber erneut geprüft werden, bevor sein Ergebnis auf eine spätere Version übertragen wird. Dass ein bekannter Modellname gleich bleibt, bedeutet nicht, dass darunter dieselbe Technik arbeitet.
Auch die Vorlaufzeit ist Teil der Aussage. Eine gute Vorhersage für mehrere Tage im Voraus beantwortet eine andere Aufgabe als die möglichst genaue Einordnung der nächsten Stunden. Ebenso wenig lässt sich aus einem globalen Durchschnitt unmittelbar ableiten, wie ein Modell an einem bestimmten Ort abschneidet.
Fortschritt wird im passenden Vergleich sichtbar
Für Nutzer ergibt sich daraus kein Bedarf, jedes Modell selbst zu testen. Wohl aber ein brauchbarer Maßstab für Leistungsversprechen: Es sollte erkennbar sein, welche Größe, welcher Zeitraum und welche Version verglichen wurden. Eine Aussage wie „besser als bisher“ bleibt ohne diesen Rahmen unvollständig.
Die Entwicklung der Wetter-KI ist damit auch eine Geschichte guter Überprüfung. Neue Verfahren erweitern die verfügbaren Werkzeuge; unabhängige Vergleiche zeigen, wo ihre Stärken im konkreten Einsatz liegen. Entscheidend ist nicht, ob eine Vorhersage das richtige Technologieetikett trägt. Sie muss die Unsicherheit der anstehenden Entscheidung möglichst gut beschreiben.
Vertiefend bei TechZeitGeist: Weather Lab und Melissa: Was 50 Hurrikan-Szenarien bedeuten.
Quellen
- ECMWF: Ensemble AI forecasts become operational (2025-07-01)
- Kocsis/Baran: AI and physics-based weather forecasting: A comparative study (2026-06-01)
- ECMWF: AIFS Machine Learning data (abgerufen am15.09.2026)
Für diesen Artikel wurden KI-gestützte Recherche- und Editierwerkzeuge verwendet. Der Inhalt wurde redaktionell geprüft.
