Das Archiv selbst nutzen — wie du /data/ programmatisch abrufst

Kurz: was da liegt

Ein JSON-Schnappschuss alle sechs Stunden für 25 deutsche Städte: die Tageshöchsttemperatur-Vorhersage von elf Wettermodellen und die echte DWD-Stationsmessung als Gegenprobe. Alles als statische Dateien — kein Backend, keine Datenbank, keine Abfrage-Parameter. Für den Einstieg reichen die ersten drei Dateien; die übrigen kommen dazu, wenn du mehr willst:

• index.json — das Verzeichnis: Schema-Version, Städteliste mit Slugs und Koordinaten, Modell-Liste und welche Vorhersage-Schnappschüsse verfügbar sind.
• measured.json — die echte Messung: je Stadt die DWD-Station und der gemessene Tageshöchstwert pro Datum (tmax); seit dem 26.09.2026 auch tmin und niederschlag, jeweils nur für vollständig gemessene Tage.
• forecasts/<datum>T<hhmm>Z.json — ein einzelner Vorhersage-Schnappschuss: was die elf Modelle zu diesem Zeitpunkt für die kommenden Tage vorhergesagt haben (tmax, seit dem 26.09.2026 auch tmin und niederschlag). Der Dateiname trägt den Ausgabetag (Berlin) und die UTC-Uhrzeit des Laufs, denn gespeichert wird mehrmals am Tag; ältere Dateien im Format <datum>.json (ohne Uhrzeit) bleiben gültig.
• ensemble/<datum>T<hhmm>Z.json — die Streuung des größten Ensembles (ECMWF IFS, 51 Rechnungen) für den vorhergesagten Tageshöchstwert: je Stadt und Zieltag min, q25, median, q75, max und die Zahl der Rechnungen n. Wichtig: Je Rechnung wurde erst der Tageshöchstwert gebildet und danach die Streuung darüber — nicht Minimum und Maximum über alle Stunden, das wäre der Tag-Nacht-Gang und nicht die Unsicherheit. Angeschnittene Tage mit weniger als 20 Stunden bleiben weg. Verzeichnet in index.json unter ensembles[] (rein additiv — wer das Feld nicht kennt, liest den Index wie bisher). Seit dem 26.09.2026 trägt jeder Tag zusätzlich regen: von n Rechnungen, wie viele eine Tagessumme ab 0,1 mm (ab_0_1) bzw. ab 1 mm (ab_1) hatten. Ausgewertet wird das auf der Seite Der Ensemble-Fächer und in der Regenprobe.
• warnlage/<datum>T<hhmm>Z.json — Zählung der amtlichen Unwetterwarnungen in 38 europäischen Ländern (Quelle MeteoAlarm/EUMETNET, CC BY 4.0): je Land die Zahl der Warnungen, aufgeschlüsselt nach standardisierter Warnart (arten) und Stufe (stufen), dazu die Zahl betroffener Regionen und die grünen Einträge getrennt. Keine Einzelwarnungen — ein Schnappschuss alle sechs Stunden taugt nicht als Warndienst, wohl aber als Chronik. Aus rund 50 MB Rohfeeds werden so etwa 6 KB. Verzeichnet in index.json unter warnlagen[]. Ausgewertet auf Warnlage Europa.

Die Details (Herkunft, Aktualisierung, wie Vorhersage und Messung zusammenpassen) stehen auf Daten. Die Modellherkunft und die Grenzen erklärt Methodik & Quellen.

Die URLs

Alles liegt unter https://wetter.kaipfstr.de/data/. Es gibt kein Verzeichnis-Listing — welche Vorhersage-Dateien existieren, steht in index.json. Maßgeblich ist das Feld snapshots: eine Liste von Objekten {file, date, utc} (Dateiname, Ausgabetag, UTC-Zeit des Laufs). Daraus baust du die URL /data/forecasts/<file>. Zusätzlich gibt es forecasts — die distinkten Ausgabetage — für einfache Fälle.

• https://wetter.kaipfstr.de/data/index.json Verzeichnis: Städte, Modelle, verfügbare Schnappschüsse.
• https://wetter.kaipfstr.de/data/measured.json Gemessene Tageshöchstwerte je Stadt und Datum (DWD via Bright Sky).
• https://wetter.kaipfstr.de/data/forecasts/<file> Ein Vorhersage-Schnappschuss. Den genauen <file>-Namen (neu z. B. 2026-07-19T0630Z.json, älter 2026-07-18.json) nimmst du aus index.json → snapshots[].file.

Beispiele zum Abrufen

Drei Wege, dieselben Dateien zu laden. Die Beispiele spiegeln die reale Struktur wider — etwa cities.berlin.tmax in measured.json. Der Slug einer Stadt (z. B. berlin, muenchen, koeln) steht in index.json unter cities[].slug.

curl (Kommandozeile)

# Verzeichnis holen und ansehen
curl -s https://wetter.kaipfstr.de/data/index.json

# gemessene Tageshöchstwerte fuer Berlin herausziehen (mit jq)
curl -s https://wetter.kaipfstr.de/data/measured.json \
  | jq '.cities.berlin.tmax'

# den juengsten Vorhersage-Schnappschuss laden: erst den Dateinamen aus dem
# Verzeichnis holen, dann die Datei. Nicht selbst aus einem Datum zusammenbauen --
# die Namen tragen die Uhrzeit des Laufs.
DATEI=$(curl -s https://wetter.kaipfstr.de/data/index.json | jq -r '.snapshots[-1].file')
curl -s "https://wetter.kaipfstr.de/data/forecasts/$DATEI" \
  | jq '.cities.berlin.tmax.icon_seamless'

JavaScript (fetch, im Browser oder in Node)

const basis = "https://wetter.kaipfstr.de/data";

const res = await fetch(`${basis}/measured.json`);
const daten = await res.json();

const berlin = daten.cities.berlin;
console.log(berlin.station.name);            // z.B. "Berlin-Friedrichshain/Spree"
console.log(berlin.tmax["2026-07-16"]);      // gemessener Tageshöchstwert in Grad C

// CORS ist offen (Access-Control-Allow-Origin: *) — dieser fetch
// funktioniert auch von einer beliebigen fremden Seite aus.

Python (requests)

import requests

basis = "https://wetter.kaipfstr.de/data"

# 1. Verzeichnis: welcher Vorhersage-Schnappschuss ist da?
index = requests.get(f"{basis}/index.json").json()
datei = index["snapshots"][-1]["file"]       # juengster Lauf, MIT Uhrzeit im Namen

# 2. Diesen Schnappschuss laden
fc = requests.get(f"{basis}/forecasts/{datei}").json()
berlin = fc["cities"]["berlin"]
tage = berlin["dates"]                        # Zieltage, zu denen die Reihen passen

for modell, reihe in berlin["tmax"].items():
    for tag, wert in zip(tage, reihe):
        if wert is not None:                  # fehlende Werte sind null / None
            print(modell, tag, wert)

Die Code-Blöcke sind reiner Anzeigetext — diese Seite führt nichts davon aus. Kopiere sie in deine eigene Umgebung.

Schema der drei Dateitypen

Jede Datei trägt ihre Schema-Version im Feld schema. Ändert sich das Format grundlegend, ändert sich diese Kennung — darauf kannst du prüfen. Die folgenden Felder stammen direkt aus den ausgelieferten Dateien.

index.json — Schema wetter.kaipfstr.de/index/1

measured.json — Schema wetter.kaipfstr.de/measured/1

forecasts/<datum>.json — Schema wetter.kaipfstr.de/forecasts/1

Fehlende Werte sind null — nicht jedes Modell reicht gleich weit in die Zukunft. Rechne immer damit und überspringe null, statt es als Zahl zu behandeln.

Zugriff, Cache und Grenzen — ehrlich

Das ist kein API-Versprechen. Schema-Kennungen und URLs sind stabil gehalten, aber es gibt keine Zusicherung über Verfügbarkeit oder Antwortzeit. Wer darauf aufbaut, sollte einen eigenen Zwischenspeicher führen.