Analyse

Das Wetter von gestern reicht nicht fürs Stromnetz von morgen

Historische Wetterdaten allein können langfristige Energieinvestitionen riskant machen. Was domain-informed AI leisten soll – und wo ihre Grenzen liegen.

Von Wolfgang

05. Sep. 20266 Min. Lesezeit

Historische Wetterdaten allein können langfristige Energieinvestitionen riskant machen. Was domain-informed AI leisten soll – und wo ihre Grenzen liegen.

Energie · Deep Analysis

Das Wetter von gestern reicht nicht fürs Stromnetz von morgen

Netze, Kraftwerke und Speicher werden für Jahrzehnte gebaut. Ihre Planung stützt sich jedoch oft auf Wetterreihen aus einer Vergangenheit, deren Muster sich verändern. Ein Policy Brief der UN University plädiert deshalb dafür, Klimaprojektionen und fachlich eingeordnete KI stärker in Energieentscheidungen einzubeziehen. Dahinter steht weniger eine fertige Technologie als ein anderer Umgang mit Unsicherheit.

Unbeschriftete Hochspannungsmasten führen durch eine offene Landschaft zu einer kleinen Umspannanlage unter wechselndem Wolkenlicht. — Hochspannungsmasten und eine Umspannanlage stehen in einer offenen Landschaft unter wechselnden Licht- und Wetterbedingungen; das Motiv zeigt keinen bestimmten Netzstandort oder dokumentierten Klimaschaden – durch KI erzeugt

Ein Stromnetz muss mehr leisten, als den Bedarf von heute zu decken. Es muss auch dann stabil bleiben, wenn sich Erzeugung und Nachfrage über Jahre verschieben: wenn Hitze den Kühlbedarf steigen lässt, Dürren Wasserkraft und Kühlwasser einschränken oder Stürme, Überflutungen und Waldbrände Leitungen und Anlagen bedrohen. Für Planer ist deshalb nicht allein entscheidend, was bislang passiert ist. Sie müssen klären, unter welchen künftigen Bedingungen ein System noch robust funktioniert.

Genau hier setzt ein am 4. September 2026 veröffentlichter Policy Brief des Institute for Water, Environment and Health der UN University (UNU-INWEH) an. Er warnt davor, langfristige Energie- und Netzentscheidungen zu stark auf historische Wetter- und Klimatrends zu stützen. Bei Infrastruktur mit Planungs- und Lebensdauerhorizonten von 15 bis 20 Jahren können physische und finanzielle Risiken wachsen, wenn Klimaprojektionen außen vor bleiben.

Vergangenheitsdaten sind unverzichtbar – aber kein Zukunftsvertrag

Historische Wetterdaten bleiben wichtig. Sie helfen dabei, Modelle zu kalibrieren, frühere Belastungen zu verstehen und Annahmen zu prüfen. Wer etwa nachvollziehen will, wie eine Leitung auf Windlasten oder ein Stromsystem auf Kälteperioden reagiert hat, ist auf verlässliche Rückblicke angewiesen.

Problematisch wird es, wenn aus dem Rückblick stillschweigend eine belastbare Vorschau wird. Der Klimawandel kann Mittelwerte, jahreszeitliche Abläufe und die Wahrscheinlichkeit von Extremereignissen verschieben. Für die Energieversorgung ist das besonders heikel, weil mehrere Belastungen zugleich auftreten können: Hitze verändert die Nachfrage und kann Anlagenleistung beeinträchtigen. Trockenheit trifft Wasserkraft und die Verfügbarkeit von Kühlwasser. Starkregen, Überflutung, Sturm oder Waldbrand können Netzinfrastruktur beschädigen.

Die europäische Anpassungsplattform Climate-ADAPT zählt Hitze und Dürre zu den dringlichen Klimarisiken für die Energieversorgung. Das bedeutet nicht, dass sich jeder einzelne Stromausfall dem Klimawandel zuschreiben lässt. Ob ein Risiko in einem konkreten Netz tatsächlich zunimmt, hängt auch von Region, Technologie, Wartung, Redundanzen, Schutzmaßnahmen und vielen weiteren Faktoren ab.

Originalgrafik verbindet historische Reihen, Klimaensembles und ein Energiesystemmodell über eine gekennzeichnete Übersetzung mit Unsicherheitsprüfung. — Die Originalgrafik verbindet historische Reihen, Klimaensembles und Energiesystemmodell über Downscaling und Bias-Korrektur; sie beschreibt eine Planungslogik, keinen konkreten Modelllauf – durch KI erzeugt

Wo Wettermodelle und Investitionsentscheidungen auseinanderlaufen

Die fachliche Lücke ist groß. Energiesystemmodelle benötigen häufig hochaufgelöste, zeitlich aufeinander abgestimmte Daten: Wie stark weht der Wind gleichzeitig in verschiedenen Regionen? Wann steht Solarstrom bereit? Wie fallen Lastspitzen mit geringer erneuerbarer Erzeugung zusammen? Klimamodelle liefern dagegen langfristige Projektionen in Ensembles – also mehrere plausible Entwicklungspfade, die Modellunsicherheit und natürliche Schwankungen abbilden sollen.

Die Forschung zur Energie-Klima-Modellierung beschreibt genau diesen Bruch. Kurzfristig detaillierte und synchronisierte Energieinputs lassen sich nicht ohne Weiteres mit langfristigen Klimaensembles verbinden. Eine verbreitete Vereinfachung ist es, einzelne historische Wetterjahre als repräsentativ zu behandeln. Das spart Rechenaufwand, kann aber die Bandbreite künftiger Bedingungen unterschätzen.

Für Investitionen heißt das: Ein Netz kann in einer Rechnung wirtschaftlich und ausreichend wirken, weil es einen bestimmten Satz historischer Jahre gut übersteht. Dennoch kann es verwundbar sein, wenn künftige Kombinationen aus Hitze, geringer Wasserkraft, Windflaute oder hohen Lasten anders ausfallen als in der Vergangenheit. Planung unter Unsicherheit bedeutet daher nicht, das eine „richtige“ Zukunftswetter erraten zu wollen. Sie muss prüfen, welche Entscheidungen unter mehreren plausiblen Entwicklungen tragfähig bleiben.

Was „domain-informed AI“ leisten soll – und was nicht

Der UNU-INWEH-Brief setzt auf „domain-informed AI“: KI-Verfahren, die nicht losgelöst über große Datenmengen laufen, sondern mit Wissen aus Klimaforschung, Energiesystemen und Planungsregeln verbunden werden. Sie sollen bestehende Klima- und Energiemodelle ergänzen und vorwärtsgerichtete, fachlich nachvollziehbare Informationen für Investitionsentscheidungen liefern.

Konkret könnte ein solcher Ansatz helfen, viele Klimaszenarien, Wettervarianten und technische Randbedingungen schneller durchzurechnen. Ihre Folgen für Erzeugung, Nachfrage oder Netzengpässe ließen sich so vergleichbar machen. Entscheidend ist das Wort könnte: Der Policy Brief beschreibt eine Richtung, keine nachgewiesene Betriebssoftware. Er enthält keinen Code, keinen Benchmark, keine detaillierte Datenbasis und keinen Beleg dafür, dass eine bestimmte KI-Architektur bestehenden Planungsmethoden überlegen wäre.

Der sinnvolle Maßstab ist deshalb nicht, ob KI eine bessere Wettervorhersage verspricht. Entscheidend wäre, ob sie Planern nachvollziehbar zeigt, welche Annahmen ein Ergebnis tragen, welche Unsicherheiten offenbleiben und wie empfindlich eine Investition auf andere Klimapfade reagiert. Ein Modell, das eine präzise Zahl ausgibt, aber seine Unsicherheit verbirgt, verbessert keine öffentliche Infrastrukturplanung.

Originalgrafik ordnet Hitze, Dürre, Starkregen und Flut sowie Sturm und Waldbrand möglichen Folgen für Stromnachfrage, Wasser und Netzanlagen zu. — Die Grafik ordnet Hitze, Dürre, Starkregen und Flut sowie Sturm und Waldbrand möglichen Belastungen für Nachfrage, Kühlung, Wasser, Wasserkraft und Netzanlagen zu; regionale Wirkung bleibt abhängig von Technik und Schutzmaßnahmen – durch KI erzeugt

Warum die Frage jetzt drängt

Die Debatte trifft auf eine Phase großer Ausbaupläne. Die Internationale Energieagentur erwartet bis 2030 mehr als 5.500 Gigawatt neue erneuerbare Stromkapazität weltweit. Zugleich verweist sie auf rund 1.650 Gigawatt an Projekten in fortgeschrittenen Anschlusswarteschlangen. Diese Zahlen sind weder eine Baugarantie noch ein Beweis für den Nutzen von KI. Sie zeigen aber, wie viele Investitions- und Anschlussentscheidungen parallel auf Netze zukommen.

Auch die EU-Kommission wirbt für antizipative Netzinvestitionen auf Basis robuster Szenarien. Sie beziffert den geschätzten Investitionsbedarf bis 2040 auf 730 Milliarden Euro für Verteilnetze und 477 Milliarden Euro für Übertragungsnetze. Das sind Bedarfsabschätzungen, keine bereits bewilligten Projekte. Gerade bei solchen Summen wird deutlich, dass die Wahl der Annahmen kein technisches Detail ist: Sie beeinflusst, wo Leitungen, Speicher, Schutzmaßnahmen und Anschlusskapazitäten entstehen.

Die entscheidende Innovation wäre: Unsicherheit sichtbar machen

Der stärkste Gedanke im UNU-Vorschlag ist nicht die Automatisierung der Planung. Es ist die Forderung, Klimarisiken und Unsicherheit systematischer in Entscheidungen einzubauen, die sonst leicht in vertrauten Vergangenheitsdaten stecken bleiben.

Dafür müssen jedoch Voraussetzungen erfüllt sein. Klimadaten müssen zur jeweiligen Region und Fragestellung passen. Modelle müssen dokumentiert und überprüfbar sein. Ergebnisse dürfen nicht als scheinbar objektive KI-Entscheidungen in Genehmigungsprozesse einziehen, wenn politische Prioritäten und Verteilungsfragen darin verborgen bleiben. Und es braucht Menschen, die Annahmen hinterfragen, lokales Wissen einbringen und Verantwortung für Entscheidungen übernehmen.

Historische Reihen werden daher nicht verschwinden. Sie bleiben ein wichtiger Prüfstein. Für ein Stromnetz, das bis weit in eine veränderte Klimazukunft hinein funktionieren soll, reichen sie allein jedoch nicht mehr als Planungsgrundlage. KI kann helfen, große Datenmengen zu übersetzen. Die Verantwortung, aus unsicheren Zukunftsbildern belastbare und faire Infrastrukturentscheidungen zu machen, bleibt bei den Menschen.

Für diesen Artikel wurden KI-gestützte Recherche- und Editierwerkzeuge verwendet. Der Inhalt wurde redaktionell geprüft.