Jemand hat mit einem Haartrockner eine Wetterstation manipuliert und 20.000 Dollar gewonnen. Das ist in Ordnung.

Jeden Morgen treffen Fluglotsen, Netzbetreiber und Landwirte auf der ganzen Welt Entscheidungen auf Basis derselben Sache: einer Wettervorhersage. Während die meisten Menschen nur zwei Sekunden darauf schauen, beeinflussen Wettervorhersagen wichtige strategische Entscheidungen in vielen Branchen, bei denen es um echtes Geld, Existenzen und sogar Menschenleben geht. Landwirte nutzen sie, um zu entscheiden, welche Pflanzensorte sie aussäen, wann sie düngen, wie viel sie in Bewässerungsinfrastruktur investieren und wie lange Vieh weiden soll. Versorgungsunternehmen nutzen sie, um zu entscheiden, wo sie Solar- und Windparks bauen und wie sie den Großhandelsstrom bepreisen. Vorhersagen werden genutzt, um Menschen vor Extremwetter zu warnen und Notfallmaßnahmen auszulösen. In jüngster Zeit sind Wettervorhersagen auch für eine aufstrebende Branche relevant geworden: Prognosemärkte, in denen Menschen auf alle möglichen realen Ereignisse wetten, einschließlich des Wetters.

Die Versuchung, Wetterdaten zu manipulieren, um sich auf diesen Märkten einen Vorteil zu verschaffen, gepaart mit einer kollektiven Hinwendung zu datengetriebener KI-Wettervorhersage, beginnt jedoch die Genauigkeit von Wettervorhersagen zu gefährden. Diese Risiken sind derzeit noch relativ beherrschbar, aber als Experten auf diesem Gebiet können wir Szenarien vorhersehen, in denen sie sich zu weitaus größeren, systemischen Problemen auswachsen.

Um Wettervorhersagen zu entwickeln, benötigen wir genaue Beobachtungen der aktuellen Bedingungen. Diese werden aus verschiedenen Quellen gesammelt, darunter Wetterstationen an Flughäfen, Versorgungsunternehmen oder Verkehrsbetrieben. Traditionelle operationelle Systeme wie das Weather Research and Forecasting Model oder das Integrierte Vorhersagesystem des Europäischen Zentrums für mittelfristige Wettervorhersage (EZMW) kombinieren diese Beobachtungen mit numerischen Näherungen, um zukünftige Wettermuster abzuschätzen. Manchmal haben Wetterstationen Probleme, zum Beispiel durch Instrumentenausfälle oder Geräte-Upgrades. Diese können entweder in Echtzeit (durch Überprüfung und Korrektur) oder nachträglich erkannt werden. Traditionelle Vorhersagesysteme haben auch eine eingebaute Sicherheitsvorkehrung namens Datenassimilation: Jede eingehende Messung wird gegen das abgewogen, was das physikalische Modell vorhersagt, und gegen Messwerte benachbarter Stationen. Zusammen helfen diese Mechanismen, die Zuverlässigkeit der Wetterbeobachtungen und die Robustheit der Vorhersagen zu gewährleisten.

Doch neue Bedrohungen gefährden die Beobachtungsgenauigkeit. Anfang dieses Jahres berichteten Nachrichtenmedien, dass die Wetterstation am Flughafen Paris Charles de Gaulle (CDG) manipuliert worden sei, um am 6. und 15. April 2026 verdächtige Temperaturspitzen aufzuzeichnen. Die Behörden vermuten, dass ein handelsüblicher Haartrockner oder ein Feuerzeug im Spiel gewesen sein könnte. Jedenfalls führte dies zu hohen Auszahlungen für Online-Prognosemarkt-Spieler, die darauf gewettet hatten, dass es an Tagen, an denen die tatsächliche Durchschnittstemperatur bei etwa 18 °C lag, 22 °C erreichen würde. Eine Person gewann 20.000 Dollar. Glücklicherweise kann eine Manipulation einer einzelnen Station wie dieser in der Regel durch menschliche Überwachung oder aktuelle statistische Methoden erkannt werden. In diesem Fall fielen Mitgliedern einer französischen Klima-Non-Profit-Organisation die Anomalien zufällig auf und schlugen Alarm.

Aber was ist, wenn es keine menschlichen Überwachungssysteme gibt? Und was ist mit anderen Arten der Manipulation? Was wäre, wenn jemand statt einer Station die Messwerte vieler Stationen gleichzeitig fernsteuert – jede Änderung klein genug, um für sich genommen plausibel zu wirken? Bestehende Qualitätskontrollen tun sich schwer, diese Art koordinierter Manipulation zu erkennen. Und die Zeit arbeitet gegen uns; sorgfältige Überprüfungen von Daten und Metadaten dauern Stunden oder Tage, aber Vorhersagen müssen pünktlich raus, egal was das Wetter macht.

Die Hinwendung zur künstlichen Intelligenz in der Wettervorhersage erhöht den Einsatz. Diese Methoden sind noch stärker auf genaue, zuverlässige Wetterbeobachtungen angewiesen; tatsächlich werden sie als „datengetriebene Modelle“ bezeichnet. Zum Beispiel untersuchen Forscher am EZMW, ob hochwertige Wettervorhersagen direkt aus Rohbeobachtungen erstellt werden können, unter Umgehung des Assimilationsschritts, der derzeit als Qualitätssicherung dient.