Ressort III

Prognose-TÜV

Wochenrückblick · Modell-Arena · Verifikation

Wie gut waren die Vorhersagen wirklich? Hier treten die Wettermodelle nachträglich gegen die echte Beobachtung an — KI gegen klassische Physik. Wir vergleichen — Sie wissen besser.

Podcast · TÜV erklärt

Anna & Lukas

0:00 –:––

Transkript

Sonderfolge · Skript & Stimmen: Google Gemini · Untertitel: Whisper · Visualisierung: Web Audio

Spitzenreiter

Die aktuellen Sieger

Schnellurteile aus der laufenden Verifikation — dieselbe Datenbasis wie Liga und Modell-Arena, gemessen am Tageshöchstwert gegen die Beobachtung.

Modell des Tages

NOAA GFS

Physik-Modell · Ø 0,3 °C daneben

Bestes Tageshoch-Urteil (24 h Vorlauf) am Sonntag, 9. August

Modell der Woche

ECMWF IFS

Physik-Modell · Ø 0,6 °C daneben

Bester Schnitt über die letzten 7 verifizierten Tage (24 h)

Bester 7-Tage-Tipp

ECMWF AIFS

KI-Modell · Ø 3,3 °C daneben

Wer eine Woche im Voraus am nächsten dran war (168 h Vorlauf)

Prognose-Liga · Spieltag

Die Hessen-Wetterliga

Wer sagt das Hessen-Wetter am besten voraus? Sechs Modelle, ein Tabellenstand — bewertet gegen das wirklich eingetroffene Wetter. Je kleiner der mittlere Fehler in Grad, desto besser.

🏆 Tabellenführer

ECMWF IFS

Physik-Modell · ECMWF

Ø Fehler · 30 Tage

1,35 K

vor ECMWF AIFS (1,46 K)

⚔ KI gegen Physik

KI vs Physik

ECMWF IFS führt mit 1,35 K vor 1,46 K.

🎯 Volltreffer der Woche

ECMWF IFS

traf Frankfurt am 3. Aug. auf den Punkt — 34,8° genau (3-Tage-Vorlauf).

💥 Größter Patzer

NOAA GFS

lag in Marburg am 6. Aug. um 12,0 K daneben (37,0° statt 25,0°, 7-Tage-Vorlauf).

📈 Form (24 h · 14 Tage)

▲ Aufwärtsform

niedriger = treffsicherer

Tabellenstand = mittlerer Tageshöchst-Fehler (MAE) gegen die ERA5-Beobachtung über sechs hessische Städte, 30 Tage. Volltreffer/Patzer aus der jüngsten Auswertungswoche. Voller Tabellen-Drilldown in der Modell-Arena unten.

Prognose-TÜV

Wochenrückblick

03. August – 09. August 2026 · vier Episoden · 34 Sekunden

Sechs Modelle, sechs Städte, eine Woche — wer hat richtig vorhergesagt, wer lag daneben? Die größten Treffer und Patzer als animierter Wochenrückblick.

Prognose-TÜV · Das Duell

Modell-Arena

Wer sagt das Wetter wirklich am besten voraus? · KI gegen Physik · Tageshöchst-MAE in Kelvin

ECMWF AIFS

Neuronales Netz

1,46

Ø MAE · 30 Tage

ECMWF IFS

Physik-Gleichungen

1,35

Ø MAE · 30 Tage · führt

„Physik kurz, KI spät"

Wochenurteil · automatisch getextet von GPT-5.x

Worum geht es hier?

Wetterdienste sagen das Wetter mit verschiedenen Modellen voraus. Klassische Physik-Modelle rechnen die Atmosphäre Schritt für Schritt mit physikalischen Gleichungen durch — etwa ICON vom Deutschen Wetterdienst oder das Modell des ECMWF. Neuere KI-Modelle rechnen nicht, sondern haben Wettermuster aus jahrzehntelangen Daten gelernt — zum Beispiel ECMWF AIFS oder Googles WeatherNext.

Die Modell-Arena vergleicht beide Lager fair und im Nachhinein: Jede Vorhersage wird gegen das tatsächlich eingetroffene Wetter gemessen (die ERA5-Beobachtung). Je kleiner der mittlere Fehler in Grad (MAE), desto näher lag das Modell an der Wirklichkeit. So zeigt sich Woche für Woche, wer wirklich am besten vorhersagt — und ob die KI die klassische Physik inzwischen schlägt.

Wochenurteil · Hochdeutsch uff Hessisch

In den vergangenen 30 Tagen über sechs hessische Städte lagen die Physik-Modelle bei den Tageshöchsttemperaturen gegen ERA5 auf kurze Sicht vorn: 1,17 K MAE nach 24 Stunden gegenüber 1,27 K bei KI, 1,21 zu 1,46 K nach 48 Stunden und 1,51 zu 1,68 K nach 72 Stunden. Auf sieben Tage dreht sich das Bild deutlich: Die zwei KI-Modelle kommen im Mittel auf 2,44 K, die vier Physik-Modelle auf 3,49 K, was eher eine Tendenz als ein endgültiges Urteil ist, weil die Besetzung klein und ungleich bleibt. Bester Allrounder über alle vier Vorlaufzeiten ist das ECMWF IFS als Physik-Modell mit 1,32 K im Schnitt; ICON-D2 wirkt zwar niedrig, liefert aber nur 24 Stunden und zählt damit nicht als Allrounder. Der Branchenkontext 2026 passt dazu: Das ECMWF hat Anfang 2026 die externen KI-Modelle GraphCast, Pangu, Aurora und FourCastNet im Betrieb abgeschaltet und konzentriert sich auf AIFS, die Wetterdienste bauen ihre KI inzwischen selbst; mit Googles WeatherNext 2 von DeepMind ist zudem ein zweites KI-Modell dazugekommen, sodass die Arena nun auch ein Duell KI gegen KI ist.

In de vergangene 30 Daach über sechs hessische Städt hawwe die Physik-Modelle bei de Tageshöchsttemperaturen gege ERA5 uff kurze Sicht vorn geleche: 1,17 K MAE nach 24 Stund gege 1,27 K bei de KI, 1,21 zu 1,46 K nach 48 Stund und 1,51 zu 1,68 K nach 72 Stund. Uff sieben Daach dreht sich des Bild klar: Die zwei KI-Modelle komme im Mittel uff 2,44 K, die vier Physik-Modelle uff 3,49 K; des is eher e Tendenz als e endgültiges Urteil, weil die Besetzung klein un ungleich bleibt. Bester Allrounder über alle vier Vorlaufzeiten is des ECMWF IFS als Physik-Modell mit 1,32 K im Schnitt; ICON-D2 sieht zwar niedrig aus, sagt aber nur 24 Stund voraus und is drum kaan Allrounder. Der Branchenblick 2026 passt dazu: Das ECMWF hat Anfang 2026 die externe KI-Modelle GraphCast, Pangu, Aurora und FourCastNet im Betrieb abgeschaltet und konzentriert sich uff AIFS, die Wetterdienste baue ihre KI inzwischen selwer; mit Googles WeatherNext 2 von DeepMind is außerdem e zweites KI-Modell dazugekomme, damit is die Arena jetz aach e Duell KI gege KI.

90 Tage 30 Tage

1

ICON-D2 Physik DWD

▲ 0.86 K Bias · Niederschlag 1.1 mm · nur 24 h

1.09

Ø MAE · K
2

ICON-EU Physik DWD

▲ 0.36 K Bias · Niederschlag 1.0 mm · 24–72 h

1.09

Ø MAE · K
3

ECMWF AIFS KI ECMWF

▼ 0.17 K Bias · Niederschlag 1.0 mm · 24–7 Tage

1.28

Ø MAE · K
4

ECMWF IFS Physik ECMWF

▲ 0.19 K Bias · Niederschlag 1.1 mm · 24–7 Tage

1.33

Ø MAE · K
5

WeatherNext 2 KI Google DeepMind

▼ 1.60 K Bias · Niederschlag 1.0 mm · 24–7 Tage

1.87

Ø MAE · K
6

NOAA GFS Physik NOAA

▲ 0.79 K Bias · Niederschlag 1.2 mm · 24–7 Tage

1.97

Ø MAE · K

Modell	24 h	48 h	72 h	7 Tage
ICON-D2	1.09	—	—	—
ICON-EU	0.96	1.09	1.23	—
ECMWF AIFS	0.77	0.93	1.11	2.31
ECMWF IFS	0.70	0.85	1.02	2.74
WeatherNext 2	1.63	1.73	1.79	2.35
NOAA GFS	1.34	1.40	1.71	3.42

1

ICON-EU Physik DWD

▲ 0.57 K Bias · Niederschlag 0.7 mm · 24–72 h

1.18

Ø MAE · K
2

ICON-D2 Physik DWD

▲ 1.05 K Bias · Niederschlag 0.9 mm · nur 24 h

1.18

Ø MAE · K
3

ECMWF IFS Physik ECMWF

▲ 0.40 K Bias · Niederschlag 0.9 mm · 24–7 Tage

1.35

Ø MAE · K
4

ECMWF AIFS KI ECMWF

▼ 0.69 K Bias · Niederschlag 1.0 mm · 24–7 Tage

1.46

Ø MAE · K
5

WeatherNext 2 KI Google DeepMind

▼ 2.23 K Bias · Niederschlag 0.8 mm · 24–7 Tage

2.42

Ø MAE · K
6

NOAA GFS Physik NOAA

▲ 2.18 K Bias · Niederschlag 1.0 mm · 24–7 Tage

2.60

Ø MAE · K

Modell	24 h	48 h	72 h	7 Tage
ICON-EU	1.12	1.14	1.27	—
ICON-D2	1.18	—	—	—
ECMWF IFS	0.77	0.86	1.10	2.69
ECMWF AIFS	0.80	1.10	1.38	2.55
WeatherNext 2	1.86	2.02	2.29	3.50
NOAA GFS	1.85	1.77	2.22	4.56

Score = mittlerer Tageshöchst-Fehler (MAE) gegen die ERA5-Beobachtung, gemittelt über sechs hessische Städte und alle vom Modell abgedeckten Vorlaufzeiten. Niedriger = besser. Niederschlag fließt nicht in den Score ein. Modelle mit kurzer Reichweite (z. B. ICON-D2 nur 24 h) werden nur auf ihren Vorlaufzeiten bewertet — die Reichweite steht in jeder Zeile.

Datenquellen: Vorhersagen über Open-Meteo (ECMWF · DWD · NOAA) und Google Earth Engine (WeatherNext 2 © Google DeepMind, CC BY 4.0); Beobachtung ERA5 (Copernicus / ECMWF).

Niederschlags-Wertung

Ø Tages-Niederschlagsfehler (MAE) gegen ERA5 · letzte 90 Tage · niedriger = besser · separat vom Temperatur-Score

1 ICON-EU · Physik 1.01 mm
2 WeatherNext 2 · KI 1.01 mm
3 ECMWF AIFS · KI 1.03 mm
4 ICON-D2 · Physik 1.06 mm
5 ECMWF IFS · Physik 1.11 mm
6 NOAA GFS · Physik 1.20 mm

Bewusst getrennt gewertet: Niederschlag ist punktgenau schwer vorherzusagen und alle Modelle sind hier schwächer — im Tageshöchst-Score würde er das Bild verzerren. Hier zeigt sich, wer beim Regen am nächsten dran war.

KI gegen Physik

Ø Tageshöchst-MAE je Lager · letzte 30 Tage · 2 KI-Modelle vs. 4 Physik-Modelle · kürzer = genauer

24 h

1.33

Physik

1.23

48 h

1.56

Physik

1.25

72 h

1.83

Physik

1.53

7 Tage

3.02

Physik

3.62

Kontext 2026: Das ECMWF hat Anfang des Jahres die externen KI-Modelle (GraphCast, Pangu, Aurora, FourCastNet) im Betrieb abgeschaltet und konzentriert sich auf sein eigenes AIFS — die Wetterdienste bauen ihre KI inzwischen selbst. Auf der KI-Seite treten hier ECMWF AIFS und Googles WeatherNext 2 (DeepMind, GenCast-Linie) an — damit ist es zugleich ein Duell KI gegen KI. WeatherNext liefert nur 6-stündliche Werte; sein Tageshöchstwert wird aus dem 12-UTC-Schritt (≈ 14 Uhr MESZ, nahe der üblichen Höchstwert-Zeit) genähert, was sehr kurze Vorlaufzeiten leicht unterschätzen kann.

Prognose-TÜV · Die Teilnehmer

Die Modelle im Steckbrief

Wer tritt in der Arena gegeneinander an? Sechs Wettermodelle aus vier Häusern — zwei lernende KIs und vier klassische Physik-Modelle.

Künstliche Intelligenz

Aus Wetterdaten gelernt statt durchgerechnet

🇪🇺ECMWF · Reading / BonnKI

ECMWF AIFS

Das hauseigene KI-Modell des Europäischen Zentrums für mittelfristige Wettervorhersage. Statt die Atmosphäre durchzurechnen, hat es aus über 40 Jahren Wetterdaten gelernt. Seit Februar 2025 im offiziellen Betrieb — das Aushängeschild dafür, dass die Wetterdienste ihre KI inzwischen selbst bauen.

KI · ~0,25° Gitter · bis 7+ Tage

🌐Google DeepMindKI

WeatherNext 2

Googles KI-Wettermodell aus der GenCast-Familie. Es erzeugt ein ganzes Ensemble möglicher Wetterverläufe; wir nutzen das Ensemble-Mittel über Google Earth Engine. Die zweite KI in der Arena — damit wird der Vergleich auch zum Duell KI gegen KI.

KI · Ensemble (GenCast) · 6-stündlich

Klassische Physik

Die Atmosphäre mit physikalischen Gleichungen durchgerechnet

🇪🇺ECMWF · ReadingPhysik

ECMWF IFS

Das „Europäische Modell" — über Jahrzehnte der globale Goldstandard der klassischen Vorhersage. Es rechnet die Atmosphäre weltweit mit physikalischen Gleichungen durch und dient anderen Modellen oft als Referenz.

Physik · global · ~9 km

🇩🇪Deutscher Wetterdienst · OffenbachPhysik

ICON-EU

Das Europa-Regionalmodell des Deutschen Wetterdiensts. Feiner aufgelöst als globale Modelle und auf Europa zugeschnitten — ein verlässlicher Allrounder für Hessen über mehrere Tage.

Physik · Europa · ~7 km

🇩🇪Deutscher Wetterdienst · OffenbachPhysik

ICON-D2

Das hochauflösende Kürzestfrist-Modell des DWD mit rund 2 km Gitter. Stark im Detail — Gewitter, lokale Schauer — aber nur für die nächsten etwa zwei Tage. Deshalb kein Wochen-Allrounder, auch wenn es auf kurze Sicht oft vorn liegt.

Physik · ~2 km · nur ~2 Tage

🇺🇸NOAA · USAPhysik

NOAA GFS

Das US-amerikanische Global Forecast System. Frei verfügbar und weltweit verbreitet; es deckt den ganzen Globus ab, ist im Detail aber meist gröber als die europäischen Modelle.

Physik · global · ~13 km

Prognose-TÜV

Verifikation

Wer lag richtig? · letzte 25 Tage · Tageshöchst-MAE in Kelvin

ECMWF IFS liegt im 24-Stunden-Schnitt vorn — 0.77 K mittlerer Fehler, knapp vor ECMWF AIFS (0.80 K).

24 h

48 h

72 h

7 Tage

ECMWF AIFS

0.80

▼ 0.43 K Bias

1.10

▼ 0.77 K Bias

1.38

▼ 0.86 K Bias

2.55

▼ 0.68 K Bias

WeatherNext 2

1.86

▼ 1.84 K Bias

2.02

▼ 1.97 K Bias

2.29

▼ 2.19 K Bias

3.50

▼ 2.91 K Bias

ECMWF IFS

0.77

▲ 0.33 K Bias

0.86

▲ 0.26 K Bias

1.10

▲ 0.40 K Bias

2.69

▲ 0.60 K Bias

ICON-EU

1.12

▲ 0.76 K Bias

1.14

▲ 0.50 K Bias

1.27

▲ 0.46 K Bias

—

ICON-D2

1.18

▲ 1.05 K Bias

—

NOAA GFS

1.85

▲ 1.80 K Bias

1.77

▲ 1.74 K Bias

2.22

▲ 1.81 K Bias

4.56

▲ 3.36 K Bias

Ø Tmax 30 d · FFM 28.7° · KS 25.9° · FD 26.2° · WI 28.6° · GI 27.4° · MA 27.1°

punktgenau nah dran ungefähr danebenraten kalter Kaffee

▲ Modell prognostiziert zu warm · ▼ zu kalt · ohne Vorzeichen: bias-frei

Aufgeschlüsselt nach Stadt ›

24 h · Forecast

FFM

Obs Ø

28.7°

25.9°

26.2°

28.6°

27.4°

27.1°

ECMWF AIFS

0.96

0.54

0.65

1.26

0.71

0.70

WeatherNext 2

1.53

2.08

2.44

1.70

1.44

1.99

ECMWF IFS

0.87

0.88

0.68

0.76

0.78

0.66

ICON-EU

1.14

1.06

1.52

0.96

1.08

0.97

ICON-D2

1.13

1.03

1.84

0.90

1.18

0.97

NOAA GFS

2.08

1.50

1.96

1.50

2.13

1.94

48 h · Forecast

FFM

Obs Ø

28.7°

25.9°

26.2°

28.6°

27.4°

27.1°

ECMWF AIFS

1.26

0.84

0.98

1.53

0.97

1.04

WeatherNext 2

1.78

2.19

2.58

2.01

1.59

2.00

ECMWF IFS

1.08

0.82

0.66

1.01

0.82

0.74

ICON-EU

1.21

1.11

1.39

0.96

1.10

1.05

ICON-D2

—

NOAA GFS

2.04

1.26

2.04

1.24

2.15

1.88

72 h · Forecast

FFM

Obs Ø

28.7°

25.9°

26.2°

28.6°

27.4°

27.1°

ECMWF AIFS

1.61

1.10

1.28

1.84

1.22

WeatherNext 2

2.08

2.40

2.80

2.41

1.88

2.17

ECMWF IFS

1.20

1.02

1.20

1.09

0.88

ICON-EU

1.36

1.32

1.64

1.16

1.10

1.03

ICON-D2

—

NOAA GFS

2.47

1.86

2.32

1.84

2.48

2.32

7 Tage · Forecast

FFM

Obs Ø

28.7°

25.9°

26.2°

28.6°

27.4°

27.1°

ECMWF AIFS

2.74

2.71

2.51

2.55

2.38

2.40

WeatherNext 2

3.56

3.75

4.15

3.40

2.97

3.15

ECMWF IFS

2.58

3.14

2.88

2.54

2.37

2.60

ICON-EU

—

ICON-D2

—

NOAA GFS

4.46

4.60

4.72

4.16

4.76

4.64