Elf Modelle — wie viele Meinungen?

Diese Seite legt elf Wettermodelle nebeneinander und zeigt ihre Spanne statt einer einzelnen Zahl. Darin steckt eine stille Annahme: dass elf Rechnungen auch elf Meinungen sind. Wir haben sie am eigenen Archiv nachgezählt — und sie stimmt nur für die ersten beiden Tage.

Zwei Dinge kommen zusammen. Erstens hören nicht alle Modelle nach acht Tagen auf, sondern schon vorher: MeteoFrance nach Vorlauftag 3, GRAPES nach 4, UKMO nach 6. Zweitens — und das ist der eigentliche Fund — geben drei Modelle ab Tag 3 bitgenau denselben Wert aus. Wer sie zählt, zählt dreimal dieselbe Zahl.

Drei Modelle, ein Wert

Wie oft geben zwei Modelle für denselben Ort, denselben Zieltag und denselben Vorlauf exakt dieselbe Zahl aus? Bei unabhängigen Rechnungen wäre das selten. Alle 55 Modellpaare des Archivs, ausgezählt:

Archivdaten werden geladen …

Geliefert ist nicht dasselbe wie verschieden

Dieselbe Frage von der anderen Seite: Wie viele Modelle antworten je Vorlauftag überhaupt noch — und wie viele verschiedene Zahlen sagen sie dabei? Der Abstand zwischen beiden Balken ist die Redundanz.

Archivdaten werden geladen …

Was das für die Spanne bedeutet — und was wir daran korrigiert haben

Die Seite Trefferquote prüft, wie oft die gemessene Temperatur wirklich zwischen dem kältesten und dem wärmsten Modell lag. Sie vergleicht das mit dem Wert, den eine ehrlich gestreute Spanne aus N gleichrangigen Zahlen erreichen müsste: (N−1)/(N+1).

Bis zum 09.09.2026 haben wir dafür die falsche Zahl eingesetzt. Wir nahmen die Zahl der Modelle, die einen Wert geliefert hatten — am Tag +7 also sieben, macht 75,0 %. Richtig ist die Zahl der verschiedenen Werte. Die liegt am Tag +7 bei rund fünf, und der Erwartungswert sinkt damit auf etwa 65 %. Die gemessene Quote lag also näher am Erwartbaren, als wir geschrieben hatten. Die Aussage „die Spanne ist am Ende der Woche zu eng“ bleibt — der Abstand schrumpft. Die Trefferquote-Seite rechnet seither mit den verschiedenen Werten und führt den alten Wert unter erwartung_wenn_alle_unabhaengig mit, damit die Korrektur nachvollziehbar bleibt.

Das ist der Grund, warum diese Seite existiert: Eine Zahl, die auf der Startseite als „Spanne aus elf Modellen“ angekündigt wird, muss auch dann stimmen, wenn das Ergebnis unbequem ist. Die Formulierung „bis zu elf Modelle“ war übrigens schon vorher richtig — sie war nur nie begründet.

Was wir wissen — und was wir nur vermuten

Gemessen ist die Gleichheit der Zahlen. Sie steht in unserem Archiv, Tag für Tag, und jeder kann sie aus der Datei nachrechnen.

Nicht gemessen ist ihre Ursache. Naheliegend ist, dass die drei „seamless“-Ketten für längere Vorläufe auf dieselbe Quelle zurückfallen: KNMI und DMI rechnen beide Varianten des gemeinsam entwickelten HARMONIE-AROME, MET Nordic ist ein nachbearbeitetes Kurzfristmodell — alle drei sind auf die ersten Tage gebaut (siehe Die Wettermodelle). Was danach kommt, blendet der Anbieter ein. Belegen können wir aus unserem Archiv nur, dass die Zahlen gleich sind, nicht warum. Wir schreiben deshalb keine Erklärung hin, die wir nicht geprüft haben.

Was diese Seite nicht behauptet

Gleiche Zahlen heißen nicht gleiche Modelle. Geprüft wird genau eine Größe: die Tageshöchsttemperatur an 25 Orten. Für Wind, Niederschlag oder Bewölkung kann das anders aussehen — das haben wir nicht gezählt.
Die Quote ist eine Untergrenze für Ähnlichkeit. Open-Meteo liefert eine Nachkommastelle; 21,4 gegen 21,5 zählt hier als verschieden. Zwei Modelle können sich also sehr nahe sein, ohne in dieser Tabelle aufzutauchen.
Das Archiv ist jung. Es wächst alle sechs Stunden, und die bisherigen Zieltage liegen überwiegend im Sommer. Eine Winterlage kann andere Verhältnisse zeigen.
Kein Modell wird hier schlechtgemacht. Dass zwei Ketten denselben Antrieb benutzen, ist kein Fehler, sondern eine völlig übliche Bauweise. Der Fehler wäre, sie danach als zwei unabhängige Meinungen zu zählen — und das haben wir getan.

Wie das gerechnet wird

Aus zwei Dateien des eigenen offenen Archivs, ohne jede fremde Quelle: /data/modellprofil.json (Wertgleichheit je Paar) und /data/trefferquote.json (antwortende gegen verschiedene Modelle). Beide entstehen im Sechs-Stunden-Schnappschuss und tragen ihre Rechenregeln im Feld regeln mit — welcher Lauf je Ausgabetag gewertet wird, was „wertgleich“ heißt und dass eine DWD-Stationsmessung gegen einen Modellgitterpunkt verglichen wird. Wer das nachrechnen will, braucht dafür nichts von uns zu glauben. Mehr zum Archiv: Das offene Datenarchiv.

Die Gegenprobe zur Genauigkeit — nicht wie viele Meinungen, sondern wie gut sie waren — steht auf Feldbericht. Und was jedes einzelne Modell systematisch falsch macht, auf Jedes Modell hat eine Schlagseite.