Elke ochtend nemen luchtvaartdispatchers, netbeheerders en boeren over de hele wereld beslissingen op basis van hetzelfde: een weersverwachting. Terwijl de meeste mensen er twee seconden naar kijken, beïnvloeden weersvoorspellingen belangrijke strategische beslissingen in veel industrieën, met echt geld, levensonderhoud en zelfs echte levens op het spel. Boeren gebruiken ze om te bepalen welk gewas ze moeten zaaien, wanneer te bemesten, hoeveel te investeren in irrigatie-infrastructuur en hoe lang vee moet grazen. Nutsbedrijven gebruiken ze om te beslissen waar ze zonne- en windparken bouwen en hoe ze groothandelsprijzen voor elektriciteit vaststellen. Voorspellingen worden gebruikt om mensen te waarschuwen voor extreem weer en om noodmaatregelen te activeren. Meer recent zijn weersvoorspellingen relevant geworden voor een opkomende industrie: voorspellingsmarkten, waar mensen geld inzetten op allerlei gebeurtenissen in de echte wereld, inclusief het weer.

De verleiding om weergegevens te manipuleren om een voorsprong te krijgen in deze markten, gecombineerd met een collectieve verschuiving naar datagedreven AI-weersvoorspellingen, begint echter de nauwkeurigheid van weersvoorspellingen in gevaar te brengen. Deze risico's zijn voor nu nog relatief beheersbaar, maar als experts in het veld kunnen we scenario's voorzien waarin ze uitgroeien tot veel grotere, meer systemische problemen.

Om weersvoorspellingen te ontwikkelen, hebben we nauwkeurige waarnemingen van de huidige omstandigheden nodig. Deze worden verzameld uit verschillende bronnen, waaronder weerstations op luchthavens, nutsbedrijven of transportdiensten. Traditionele operationele systemen zoals het Weather Research and Forecasting model of het European Centre for Medium-Range Weather Forecast (ECMWF) Integrated Forecasting System combineren deze waarnemingen met numerieke benaderingen om toekomstige weerpatronen te schatten. Soms hebben weerstations problemen door bijvoorbeeld instrumentstoringen of upgrades van apparatuur. Deze kunnen in realtime worden opgemerkt (via controle en correctie) of achteraf. Traditionele voorspellingssystemen hebben ook een ingebouwde veiligheidsmaatregel genaamd data-assimilatie: elke binnenkomende meting wordt afgewogen tegen wat het fysieke model zou moeten gebeuren en tegen metingen van nabijgelegen stations. Samen helpen deze mechanismen weerswaarnemingen betrouwbaar en voorspellingen robuust te houden.

Maar nieuwe bedreigingen brengen de observationele nauwkeurigheid in gevaar. Eerder dit jaar meldden nieuwsmedia dat het weerstation op Paris Charles de Gaulle Airport (CDG) was gemanipuleerd om verdachte temperatuurpieken te registreren op 6 en 15 april 2026. Autoriteiten vermoeden dat een handmatige haardroger of aansteker in het spel was. Hoe dan ook leidde het tot grote uitbetalingen voor online gokkers op voorspellingsmarkten die hadden ingezet op een temperatuur van 22 °C (71,6 °F) op dagen dat het gemiddelde rond de 18 °C (64,4 °F) lag. Eén persoon won $20.000. Gelukkig kan manipulatie van een enkel station zoals dit meestal worden opgemerkt door menselijk toezicht of huidige statistische methoden. In dit geval merkten leden van een Franse klimaatorganisatie zonder winstoogmerk de afwijkingen bij toeval op en sloegen alarm.

Maar wat als er geen menselijke monitorsystemen zijn? En wat met andere vormen van manipulatie? Wat als iemand in plaats van één station te manipuleren, op afstand de metingen van veel stations tegelijk aanpaste - elke verandering klein genoeg om op zichzelf plausibel te lijken? Bestaande kwaliteitscontroles hebben moeite om dit soort gecoördineerde manipulatie op te sporen. En tijd werkt tegen ons; zorgvuldige controles van gegevens en metadata duren uren of dagen, maar voorspellingen moeten op schema worden uitgebracht, wat het weer ook doet.

De verschuiving naar kunstmatige intelligentie in weersvoorspellingen verhoogt de inzet. Deze methoden zijn nog afhankelijker van nauwkeurige, betrouwbare weerswaarnemingen; ze staan zelfs bekend als 'datagedreven modellen'. ECMWF-onderzoekers onderzoeken bijvoorbeeld of hoogwaardige weersvoorspellingen direct uit ruwe waarnemingen kunnen worden geproduceerd, waarbij de assimilatiestap wordt overgeslagen die momenteel als kwaliteitscontrole fungeert.