KI-Wetter für sechs Wochen: „Verdoppelt“ heißt hier von 3 auf 6 Prozent

Darum geht es

Seit Mitte Oktober kursiert eine Meldung, die gerade wieder durch europäische Medien läuft: KI sagt das Wetter sechs Wochen voraus. Grundlage ist eine Studie in Nature vom 14. Oktober 2026. Ein Team um Judah Cohen (MIT) und Lester Mackey (Microsoft Research) hat zusammen mit Forschenden des Europäischen Zentrums für mittelfristige Wettervorhersage (ECMWF) ein Verfahren namens Probabilistic Bias Correction (PBC) entwickelt. PBC sagt das Wetter nicht selbst voraus. Es lernt aus den früheren Fehlern eines bestehenden Modells und korrigiert dessen Ausgabe, ähnlich wie man eine Uhr stellt, von der man weiß, dass sie immer drei Minuten nachgeht. Microsoft schreibt, PBC habe die Genauigkeit des ECMWF-KI-Systems „verdoppelt“. Notebookcheck titelte daraufhin, Forscher hätten die „Zuverlässigkeit für 2 bis 6 Wochen verdoppelt“.

Das stimmt, verschweigt aber die Größenordnung. Wir haben ins Paper geschaut: Verdoppelt hat sich ein Wert von etwa 0,03 auf etwa 0,06. Was das bedeutet und ob KI uns sagen kann, ob es an Weihnachten schneit, erklären wir hier.

Was ein Skill-Score misst und warum 0,06 wenig ist

Vorhersagen für Woche 3 und später geben keine Temperaturen für einzelne Tage an, sondern Wahrscheinlichkeiten. Im Vorhersagewettbewerb AI Weather Quest des ECMWF, an dem sich das Paper orientiert, sieht das so aus: Alle bisherigen Werte einer Kalenderwoche werden in fünf gleich große Klassen eingeteilt (Quintile), von „sehr kalt“ bis „sehr warm“. Die Prognose verteilt 100 Prozent auf diese fünf Klassen.

Die Messlatte heißt RPSS (Ranked Probability Skill Score). Er vergleicht die Prognose mit der Klimatologie, also der denkbar einfachsten Vorhersage: Jede Klasse bekommt 20 Prozent, weil man nichts weiß. RPSS 0 bedeutet „nicht besser als das langjährige Mittel“, 1 wäre perfekt, negative Werte sind schlechter als das Mittel. Ein RPSS von 0,06 heißt grob: Der Fehler der Prognose ist 6 Prozent kleiner als der Fehler des Ratens nach Statistik.

Das erklärt, warum „verdoppelt“ so beeindruckend klingt. Wer von 0,03 auf 0,06 kommt, verdoppelt. Wer von 0,001 auf 0,002 kommt, verdoppelt ebenfalls. Der Klimaberater Robert Monjo (Stiftung für Klimaforschung FIC, Spanien) sagte dem Science Media Centre Spanien, relative Zuwächse seien hier irreführend, so ähnlich wie „durch null zu teilen“:

„Einen bescheidenen Ausgangswert zu verdoppeln, garantiert noch keine nützliche Vorhersage.“

Was das Paper tatsächlich zeigt

Die Zahlen stammen aus dem Preprint (arXiv 2604.16238). Die letzte Spalte haben wir selbst berechnet. Weil nicht klar ist, welche Untergrenze zu welchem Zuwachs gehört, sind das nur grobe Spannen.

Das Muster ist deutlich: Je niedriger der Ausgangswert, desto höher die Prozentzahl. Wo ein Modell schon etwas kann, etwa PoET bei der Temperatur, bringt PBC 5 bis 7 Prozent. Auch die vielzitierten „98 Prozent bei Niederschlag, 92 bei Temperatur“ beschreiben nicht die Größe der Verbesserung. Sie geben den Anteil der Gitterzellen an, in denen PBC das nachkorrigierte ECMWF-Modell überhaupt übertrifft, egal um wie viel.

Drei weitere Punkte fallen beim Lesen auf:

• Keine sechs Wochen. Laut Methodenteil wird ausschließlich Woche 3 (Tag 19 bis 25) und Woche 4 (Tag 26 bis 32) ausgewertet. „Zwei bis sechs Wochen“ ist im Paper nur die Definition des Fachgebiets, und Microsofts Produkt liefert Wochenwerte bis sechs Wochen. Daten zu Woche 5 und 6 enthält das Paper nicht.
• Grobes Raster. Ausgewertet wurden Wochenmittel von Temperatur, Wochensummen von Niederschlag und der Luftdruck auf einem 1,5-Grad-Gitter. Eine Zelle ist in Deutschland etwa 165 mal 105 Kilometer groß. Temperatur und Niederschlag wurden nur über Land bewertet, Schnee gar nicht.
• Die Referenz hat eigene Schwächen. Als „Wahrheit“ dient ERA5, eine Reanalyse, also eine nachträgliche Rekonstruktion des Wetters aus Messungen und Modell. Monjo merkt an, dass ERA5 keine Niederschlagsmessungen einspeist. Gerade bei der Größe mit dem stärksten Zuwachs ist die Referenz also selbst ein Modellprodukt.

Die Fairness gebietet auch die Gegenseite: PBC wurde nicht nur rückblickend getestet. Im echten Wettbewerb AI Weather Quest belegte der PBC-Beitrag „MicroDuet“ im Herbst 2025 und im Winter 2025/26 Platz eins. Er schlug 34 Teams sowie die Modelle von sechs Wetterdiensten (ECMWF, NOAA, JMA, KMA, ECCC und der russische Wetterdienst). Das ECMWF bestätigt in seinem Blog, dass MicroDuet das eigene physikalische Modell IFS „bei allen Größen und Vorlaufzeiten signifikant übertrifft“. Bei Überschwemmungen steigerte PBC den Skill laut Paper um 76 bis 92 Prozent. Der Ausgangswert lag allerdings auch hier nur bei 0,04 bis 0,06.

Tropen ja, Europa kaum

Für Leser in Deutschland ist die Kritik der Geowissenschaftlerin Froila M. Palmeiro (IGEO, CSIC-UCM) entscheidend: Die Zugewinne konzentrieren sich auf die Tropen und sind in Europa „ziemlich begrenzt“. Das Paper selbst weist regionale Werte nur in einer Zusatzabbildung aus. In der Einleitung heißt es, dynamische und KI-Modelle schnitten in dieser Frist „besonders außerhalb der Tropen“ schlechter ab als die Klimatologie. Als Anwendungsbeispiele nennen die Autoren halbtrockene Regionen in Ost- und Südafrika. Der Wetterdienst Kenias interessiert sich laut MIT bereits für den Einsatz in der Regenzeit.

Darío Redolat (FIC) mahnt, große Prozentzuwächse skeptisch zu sehen. Das Verfahren müsse in mehr Regionen, feiner aufgelöst und bei Extremereignissen geprüft werden. Matthew Chantry, ML-Leiter des ECMWF, lobt den Beitrag, hält die Überführung in den Regelbetrieb aber für „sehr herausfordernd“. Er hat einen möglichen Interessenkonflikt, weil PBC auf ein ECMWF-Modell angewendet wurde. Laut Erklärung im Paper sind mehrere Autoren außerdem Microsoft-Angestellte oder halten Microsoft-Aktien. Microsofts Angabe, MicroDuet habe zwei US-Winterstürme Anfang 2026 schon 19 bis 26 Tage vorher erkannt, sind Einzelfälle aus eigener Darstellung.

Was Wetterdienste und Apps heute für Woche 3 bis 6 liefern

Das ECMWF rechnet seit Juni 2023 täglich eine erweiterte Ensemblevorhersage mit 101 Varianten über 46 Tage, bei rund 36 Kilometern Auflösung. Ein Ensemble ist eine Schar leicht unterschiedlich gestarteter Modellläufe, deren Streuung die Unsicherheit zeigt. Der Deutsche Wetterdienst greift für seine Witterungsvorhersagen über drei bis sechs Wochen auf diese ECMWF-Läufe zurück. Seit Juli 2026 gibt es mit AIFS-SUBS auch ein eigenes KI-Modell des ECMWF für diese Frist. Laut Preprint ist es so treffsicher wie das physikalische Modell und braucht rund 200-mal weniger Energie. Im Wettbewerb liegt es knapp vor dem IFS, ist aber noch nicht begutachtet. Das ECMWF nennt die Frist von zwei bis sechs Wochen selbst „notorisch schwierig“. Noch ist es eine Ausnahme, dass ML-Modelle die besten physikalischen Systeme deutlich übertreffen, und die Ausnahmen bauen auf physikalischen Eingangsdaten auf.

Wetter-Apps zeigen dagegen oft 14, 16 oder sogar 42 Tage mit Symbol und Gradzahl. Meteorologen halten konkrete Vorhersagen für etwa fünf bis sieben Tage für seriös, grobe Trends für bis zu zehn bis vierzehn Tage. ORF-Meteorologe Marcus Wadsak kritisiert laut futurezone, dass Apps oft einzelne Modellläufe samt Ausreißern ungefiltert übernehmen. Unsere Einschätzung: Eine Tageszahl in Woche 4 suggeriert eine Genauigkeit, die selbst die besten Systeme mit einem Skill um 0,1 nicht haben.

Hilft der Super-El-Niño?

Dieses Jahr gibt es eine Besonderheit: Im tropischen Pazifik entwickelt sich ein außergewöhnlich starker El Niño. Laut Carbon Brief lag die Temperaturabweichung in der Schlüsselregion Niño 3.4 im September im Monatsmittel bei 2,84 Grad, ein Rekord seit Mitte des 19. Jahrhunderts. Die Auswertung von 14 Klimamodellen erwartet den Höhepunkt mit rund 4 Grad im Dezember. Langsame Prozesse wie Meerestemperaturen sind genau das, woraus Vorhersagen für mehrere Wochen ihre Kraft ziehen, und sie wirken vor allem in den Tropen. Unsere Einschätzung: Das passt zu den Befunden, dass PBC dort am meisten bringt.

Für Mitteleuropa winkt der DWD ab. Die Signale seien „wesentlich schwächer“. Zwar treten bei starken El-Niño-Ereignissen häufiger Störungen des Polarwirbels und eine negative Nordatlantische Oszillation (NAO) auf. Die NAO ist die Luftdruckschaukel zwischen Azoren und Island, und ihre negative Phase begünstigt Kaltluftvorstöße. Im Frühwinter war es bei früheren Ereignissen aber oft mild und nass. Das Fazit des DWD:

„Damit lässt sich aus einem starken El Niño allein kein kalter Winter in Europa ableiten!“

Und Weihnachten?

Vom 9. November aus ist Heiligabend Tag 45, also gerade noch innerhalb der 46-Tage-Reichweite des ECMWF. In die Wochen 3 und 4, die das Paper geprüft hat, fällt Heiligabend erst bei Vorhersagen, die zwischen dem 22. November und dem 5. Dezember gerechnet werden. Selbst dann gibt es keine Aussage wie „Schnee in Köln am 24.“. Möglich ist nur eine Wahrscheinlichkeit für ein Wochenmittel über einer Fläche von der Größe eines halben Bundeslands, zum Beispiel: Die Weihnachtswoche gehört mit erhöhter Wahrscheinlichkeit zum kältesten Fünftel. Ob daraus eine Schneedecke wird, hängt an Details, die drei Wochen vorher niemand kennt.

Die ehrlichste Prognose bleibt deshalb die Statistik. Im Flachland lag die Chance auf eine geschlossene Schneedecke über Weihnachten laut DWD-Auswertungen bei rund zehn Prozent, in den Mittelgebirgen bei 30 bis 50 Prozent. Seit den 1960er-Jahren ist sie deutlich gesunken.

Nebenbei: Was hinter „94,6 Prozent“ bei Waldbränden steckt

Das gleiche Muster zeigt eine zweite Schlagzeile, die gerade kursiert: Eine KI sage die Ausbreitung von Waldbränden „12 Stunden im Voraus“ mit „94,6 Prozent Treffern“ voraus. Laut phys.org stammt sie von der NYU Tandon School of Engineering, einem Prototyp namens „Digital Fire Twin“. Die 94,6 Prozent beziehen sich auf eine einzelne Prognose für das Grasshopper Fire in Oregon, gemessen mit einem nicht näher genannten „Standardmaß für räumliche Überlappung“. Eine andere Prognose für denselben Brand kam nach einer längeren Lücke zwischen Satellitenbildern auf 72,4 Prozent. Getestet wurden insgesamt drei Brände. Eine begutachtete Veröffentlichung wird nicht genannt, wohl aber eine vorläufige Patentanmeldung. Der spanische Bericht von okdiario nennt in seiner Einleitung sogar 96,4 statt 94,6 Prozent.

Einordnung

PBC ist solide Arbeit: Das Verfahren ist leichtgewichtig, offen verfügbar (GitHub: mouatadid/pbc, MIT-Lizenz) und hat einen echten, vom ECMWF ausgerichteten Wettbewerb gewonnen. Dass Niederschlagsprognosen für Woche 3 und 4 von „schlechter als Raten“ auf „etwas besser als Raten“ kommen, ist fachlich ein Fortschritt. Für Wetterdienste in Ostafrika kann das konkret nützen. Microsoft testet ein eigenes Produkt darauf bereits mit ausgewählten Kunden in einer Private Preview.

Die Schlagzeile „KI sagt Wetter sechs Wochen voraus“ deckt das Paper aber nicht. Woche 5 und 6 wurden nicht ausgewertet, das Niveau bleibt niedrig, und in Europa ist der Effekt nach Expertensicht gering. Unsere Einschätzung: Wer eine Prozentzahl liest, sollte immer nach der Basis und nach der Messgröße fragen, ob beim Wetter oder bei Waldbränden. Und auf die Frage nach weißen Weihnachten gibt es in diesem Jahr dieselbe Antwort wie ohne KI: wahrscheinlich nicht, im Flachland etwa eine zu zehn.