Modelle richtig einordnen
KI gehört inzwischen zum Alltag großer Wetterzentren. Sie kann Vorhersagen mit deutlich weniger Rechenaufwand erzeugen. Damit wird auch der Vergleich vieler möglicher Wetterentwicklungen einfacher. Für die Bewertung einer konkreten Lage bleiben Unterschiede zwischen den Modellen und ihre jeweiligen Grenzen entscheidend.
Vom Forschungsmodell in den Betrieb
Beim Europäischen Zentrum für mittelfristige Wettervorhersage, dem ECMWF, läuft das KI-System AIFS seit 2025 im operationellen Betrieb. Im Juli 2025 kam eine Ensemble-Version hinzu. Sie berechnet unterschiedliche mögliche Entwicklungen und ergänzt das physikbasierte Vorhersagesystem IFS.
Solche Ensembles helfen, Unsicherheit zu erkennen: Liegen die berechneten Verläufe eng zusammen, ergibt sich ein anderes Bild als bei stark auseinanderlaufenden Szenarien. Eine einzelne Wetterkarte zeigt diese Spannweite nicht vollständig.
Was ein guter Modellvergleich bedeutet
GraphCast von Google DeepMind war ein wichtiger Schritt in dieser Entwicklung. In der veröffentlichten Untersuchung schnitt es bei mehr als 90 Prozent der untersuchten Kombinationen aus Wettergrößen und Vorhersagezeitpunkten besser ab als das Vergleichssystem HRES.
Das ist keine allgemeine Trefferquote von 90 Prozent. Bewertet wurde ein bestimmter Vergleich mit festgelegten Größen und Zeiträumen. Daraus lässt sich nicht ableiten, dass jede lokale Windböe oder jeder Schauer zuverlässig vorhergesagt wird.
Was das für die Wetterberatung bedeutet
Mehr verfügbare Modelle liefern zusätzliche Perspektiven auf dieselbe Lage. In der Beratung müssen ihre Ergebnisse mit aktuellen Beobachtungen und den Anforderungen des Einsatzes zusammengebracht werden. Für eine Schiffsroute sind beispielsweise Wind, Wellen und Strömung gemeinsam relevant; ein gutes Ergebnis für eine einzelne Wettergröße beantwortet diese Aufgabe noch nicht.
Quellen: ECMWF zum operationellen AIFS-Ensemble, Google DeepMind zur GraphCast-Auswertung.
Überarbeitet am 11. September 2026.

