Die Frage, welches Modell „das beste" ist, stellt sich in der operativen Meteorologie kaum. Entscheidend ist das Zusammenspiel: Ein globales Modell liefert den großräumigen Rahmen, ein regionales verfeinert ihn für den konkreten Ort.

Vier Modelle, vier Profile

Das ICON-Modell des Deutschen Wetterdienstes deckt Europa mit einer Auflösung von 7 km ab, Deutschland selbst mit 2,8 km. Es liefert Prognosen bis zu 120 Stunden, also fünf Tage. Das amerikanische GFS reicht mit 22 km Auflösung bis zu 16 Tage in die Zukunft — erkauft sich die Reichweite aber mit grober Körnung. Das ECMWF, Sitz in Reading, gilt als international genauestes globales Modell und rechnet 15 Tage weit. Météo-Frances AROME schließlich ist ein Kurzstreckenläufer: 1,3 km Auflösung, 36 Stunden Horizont — für sehr lokale Ereignisse wie Stadtgewitter das schärfste Instrument.

Globale Modelle berechnen die gesamte Erdatmosphäre, regionale Modelle starten ihre Simulation erst an den Rändern eines kleineren Gebiets, gespeist durch die Ausgabe der globalen Laufkollegen. Die höhere Auflösung kommt nicht umsonst: Je kleiner das Gitter, desto mehr Rechenkapazität und — wichtiger noch — desto höhere Anforderungen an die Eingangsdaten.

Der Küsteneffekt und Polen im Vergleich

Bremen liegt rund 80 Kilometer von der Nordseeküste entfernt. Das Meer funktioniert als thermischer Puffer: Es wärmt sich langsamer auf als das Binnenland und gibt Wärme gleichmäßiger ab. Die Folge ist eine gedämpfte Temperaturschwankung, eine lokale Land-Seewind-Zirkulation und — in den Übergangsmonaten — eine erhöhte Nebelneigung. Diese Strukturen sind meteorologisch gut erfasst; Küstenregionen profitieren zudem von einer dichteren Messinfrastruktur auf See und an Land.

Polen präsentiert sich anders. Das Land ist von Atlantik und Mittelmeer weiter entfernt, die thermische Trägheit des Meeres fehlt. Kontinentale Luftmassen können schneller eindringen, Temperatursprünge fallen größer aus. Die Topographie ist im Norden und Mitte flach — was die Modellierung vereinfacht — aber die Karpaten im Süden erzeugen orographische Effekte: Staut sich Luft an den Hängen, kondensiert der Wasserdampf, es regnet auf der Luvseite; auf der Leeseite fällt die Luft trocken und erwärmt sich adiabatisch. Solche Föhnlagen verlangen feine Gitter und gute Geländedaten — beides ist in Europa vorhanden, aber in der Tiefe begrenzter als in dicht vermessenen Küstenstreifen.

Das Genauigkeitsproblem: warum Prognosen vergessen

Eine Drei-Tages-Vorhersage liegt mit 80 bis 90 Prozent Genauigkeit im verlässlichen Bereich. Fünf Tage: 89 bis 91 Prozent, wenn die Großwetterlage stabil ist. Sieben Tage: 80 bis 85 Prozent. Danach bricht die Kurve. Die Atmosphäre ist ein chaotisches System im mathematischen Sinn: Kleine Anfangsunsicherheiten wachsen exponentiell. Nach etwa zehn Tagen liefert eine Prognose im Mittel kaum mehr Information als der klimatologische Durchschnitt des Datums. GFS reicht zwar 16 Tage, aber ab Tag 8 ist der Nutzwert für konkrete Tagesplanung gering.

Diese Grenzen gelten unabhängig davon, ob ein physikalisches oder ein KI-gestütztes Modell rechnet.

KI beschleunigt — und hat eine blinde Stelle

Der DWD betreibt seit März 2026 das KI-Modell AICON parallel zu ICON. Trainiert auf 15 Jahren historischer Wetterdaten, berechnet es eine Zwei-Wochen-Vorhersage in acht Minuten — wofür physikalische Modelle mehrere Stunden brauchen. Googles GraphCast schnitt in einer Evaluation über 1.320 Szenarien aus dem Jahr 2019 in 97 Prozent der Fälle besser ab als das ECMWF-Ensemble.

Das ist beeindruckend — und trügt bei der entscheidenden Frage. Das Karlsruher Institut für Technologie publizierte im Frühjahr 2024 einen direkten Vergleich: KI-Modelle unterschätzen systematisch die Intensität und Häufigkeit von Extremereignissen — Hitzespitzen, Starkregenzellen, Sturmböen. Der Mechanismus ist strukturell: KI-Systeme lernen aus historischen Mustern und extrapolieren schlecht auf Zustände außerhalb ihres Trainingsbereichs. Physikalische Modelle basieren auf Naturgesetzen und sind auch für noch nicht beobachtete Wetterzustände zuverlässiger — weil sie nicht erinnern, sondern rechnen.

Der Klimawandel verschärft dieses Problem. Wärmere Luft speichert mehr Wasserdampf, etwa 7 Prozent pro Grad Erwärmung, was Starkregenereignisse intensiviert. Hitzewellen und Extremniederschläge verschieben sich über die Verteilung hinaus, die als Trainingsgrundlage diente. KI-Systeme, deren Trainingsdaten aus einer klimatisch stabileren Periode stammen, sehen diesen Schwanz des Spektrums unterrepräsentiert.

Hybride Ansätze — physikalisches Modell als struktureller Rahmen, KI für Feinabstimmung und Ensemble-Gewichtung — gelten derzeit als vielversprechendste Richtung. Das ECMWF hat als weltweit erster Wetterdienst ein KI-Ensemble-Modell in den Regelbetrieb übernommen.

Das unsichtbare Fundament: europäische Datennetze

Kein Modell rechnet mit eigenen Daten allein. Die WMO koordiniert über ihr Global Telecommunication System den Echtzeit-Datenaustausch zwischen nationalen Wetterdiensten weltweit. EUMETNET, ein Zusammenschluss von 33 europäischen Wetterdiensten, bündelt seit 30 Jahren gemeinsame Beobachtungsnetze, harmonisiert Radarverbunde und betreibt das grenzüberschreitende Warnsystem Meteoalarm. EUMETSAT liefert rund um die Uhr Satellitendaten, die für Analyse und Vorhersage unersetzlich sind — Ozeane, über denen kaum Bodenstationen existieren, sind nur über Satelliten überhaupt meteorologisch erfasst.

Für Bremen bedeutet das: Die Prognose vom 12. Juli 2026 stützt sich auf Radiosondendaten aus dem Atlantik, Satellitendaten über der Nordsee, Bodendruckmessungen aus ganz Europa und Flugzeugmessungen der oberen Troposphäre — synthetisiert von Modellen, die ohne diesen Datenfluss schlicht blind wären.

Die spannendste offene Frage ist nicht, ob KI die Meteorologie übernimmt. Sie lautet, wann hybride Systeme die Schwäche bei Extremereignissen überwinden — und wie schnell die Trainingsdaten mit einem sich verschiebenden Klima Schritt halten können. Ein Modell, das mit der Klimatologie von 2010 trainiert wurde, sieht den Sommer 2040 durch eine Linse, die trübt, je extremer er wird.