Messen oder Glauben zu Wissen

Während wir in den letzten beiden Wochen vor allem die CERES-Berechnungen von Li (2024) und Loeb (2024) in den Fokus nahmen, aus denen sich klar und widerspruchsfrei zentrale Faktoren der beobachteten Temperaturentwicklung ableiten lassen, blieb die Funktionsweise des Forcing-Feedback-Frameworks bislang vergleichsweise unangetastet. Das ist aber notwendig, denn dies ist nach wie vor als offizielle Aussage des IPCC die Formel der operativen Gewissheit, die im Ergebnis ganz andere Größenordnungen prognostiziert. Und auch mit diesem Ansatz lässt sich eine in sich konsistente Rechnung aufstellen, aus der wiederum zentrale Größen abgeleitet werden können. Von daher ist eine vergleichen de Untersuchung unerlässlich.

 

Und genau hier beginnt die Herausforderung: Zwei unterschiedliche Erklärungen können intern vollständig konsistent sein und dennoch völlig unterschiedliche Vorgänge beschreiben. Stellen wir uns zum Beispiel einen Fahrradfahrer vor, der nach einer Stunde 20 Kilometer vom Startpunkt entfernt ist. Die erste Theorie lautet: Er ist die gesamte Strecke selbst gefahren. Die zweite lautet: Er ist einen Kilometer mit dem Fahrrad gefahren, wurde anschließend 18 Kilometer mit dem Auto transportiert und ist den letzten Kilometer wieder selbst gefahren. Beide Erklärungen passen exakt zum beobachteten Endergebnis: 20 Kilometer in einer Stunde. Das Endergebnis allein sagt uns nicht, welche Erklärung richtig ist. Dafür brauchen wir zusätzliche Messungen – etwa die tatsächlich mit dem Fahrrad gefahrene Strecke, die Trittleistung oder die Aufzeichnung des Fahrradcomputers. Erst diese Daten zeigen, welche Theorie das Ergebnis besser erklärt.

 

Die entscheidende Frage darf daher nicht lauten: Passt das Ergebnis zur Theorie – das würde in obigem Beispiel tatsächlich auf beide Theorien zutreffen, sondern: Passt das Ergebnis zur Theorie und passt es zusätzlich auch zu ausgewählten Beobachtungen wie Temperaturentwicklung und Strahlungsungleichgewicht? Und noch besser: Bleibt diese Konsistenz auch bestehen, wenn weitere unabhängig gemessene Größen in die Prüfung einbezogen werden? Ein formaler Ansatz mit den Größen Temperatur (T) und Energieungleichgewicht (EEI, NET oder N) kann vollständig konsistent erscheinen, ein passendes Rechenergebnis hervorbringen, aber dennoch an zusätzlicher Information scheitern, etwa wenn die getrennt gemessene Entwicklung von ASR und OLR nicht zu der angenommenen Erklärung passt, obwohl die Rechnung mit T und N aufgeht. Methodisch kann man hier von partieller oder selektiver Konsistenz sprechen: Eine Theorie erklärt einen Teil der Beobachtungen (setzt zum Beispiel N und T in einen Zusammenhang), verliert ihre Übereinstimmung aber, sobald zusätzliche unabhängige Messgrößen berücksichtigt werden, wie zum Beispiel die von CERES gemessenen Werte für die ASR oder die OLR. Genau deshalb prüfen wir heute nicht nur, ob das Endergebnis aufgeht, sondern auch, ob die einzelnen berechneten und geschätzten Komponenten zu den Messungen passen, ob sich unsichere Parameter gegenseitig kompensieren können, ob viele unterschiedliche Parameterkombinationen dasselbe Ergebnis erzeugen, wie empfindlich das Ergebnis auf kleine Änderungen der Annahmen reagiert und ob die Theorie auch außerhalb der Größen besteht, mit denen sie ursprünglich konsistent gemacht wurde. Erst wenn eine Erklärung diese zusätzlichen Prüfungen übersteht, spricht vieles dafür, dass sie nicht nur rechnerisch funktioniert, sondern die beobachtete Wirklichkeit tatsächlich treffend beschreibt.

 

Im letzten Kapitel haben wir gezeigt, dass sich die CERES-Messgrößen mit NET = ASR − OLR direkt und widerspruchsfrei bilanzieren lassen und sich die zusätzliche Messgröße T aus einem unabhängigen Datensatz einbeziehen lässt. Genau deshalb unterscheiden wir im Folgenden zwischen direkter Messung, physikalisch reproduzierbarer Berechnung und modellgestützter Schätzung: Je weiter wir uns von der Messung entfernen, desto wichtiger wird die unabhängige Überprüfung.

 

 

Abbildung 1: Hierarchie der empirischen Prüfbarkeit: von direkter Messung bis zur ungetesteten Theorie. Quelle: Eigene Darstellung.

 

Ein Framework kann rechnerisch vollständig aufgehen und trotzdem die falschen inneren Prozesse beschreiben. Entscheidend ist deshalb, alle Einzelkomponenten unabhängig bestimmt werden können und ob sie neben NET auch die getrennt beobachteten Entwicklungen von ASR und OLR reproduzieren.

 

Genau an diesem Punkt kommen wir zum Forcing-Feedback-Framework des IPCC. Dort werden Größen eingeführt, die nicht einfach direkt gemessen werden können:

 

• Der Strahlungsantrieb F und
• die zusammengefasste Rückwirkung des Klimasystems α

 

Die komplette Theorie des IPCC erklären wir Euch im Folgenden.

 

Wie aus einzelnen Rückkopplungen eine große Gleichung wurde

Das Forcing-Feedback-Framework wirkt beim ersten Blick auf seine Formel wie eine geschlossene Theorie:

 

N = F − αΔT

 

Diese Formel besagt zunächst: Ein äußerer Antrieb F bringt das Klimasystem aus dem Gleichgewicht. Es entsteht eine Earth Energy Imbalance. CERES bezeichnet diese Größe als NET oder EEI, im Forcing-Feedback-Framework wird sie meist mit N bezeichnet. Gilt also N > 0, nimmt die Erde netto mehr Energie auf, als sie wieder an den Weltraum abgibt. Die Temperatur steigt, weil das Klimasystem auf dieses Energieungleichgewicht reagiert und mit zunehmender Erwärmung mehr Energie abstrahlt.

 

Im Forcing-Feedback-Framework verändert zusätzliches CO₂ zunächst den Strahlungstransport und damit die Energiebilanz am Oberrand der Atmosphäre. Solange dadurch mehr Energie im System verbleibt als abgegeben wird, gilt N > 0 und das Klimasystem nimmt Energie auf. Mit steigender Temperatur wächst die thermische Abstrahlung, bis sich ein neues Gleichgewicht einstellt.

 

Nun lautet die entscheidende Frage: Wie stark reagiert die Erde auf eine Erwärmung mit zusätzlicher Energieabgabe? Im einfachsten Fall gäbe es nur die unmittelbare temperaturbedingte Strahlungsreaktion N = F; Strahlung = Gegenstrahlung. Wird ein Körper wärmer, strahlt er mehr Energie ab. Diese grundlegende stabilisierende Reaktion wird häufig als Planck-Antwort bezeichnet. Je wärmer die Erde wird, desto mehr langwellige Wärmestrahlung gibt sie an den Weltraum ab. Diese zusätzliche Abstrahlung wirkt dem ursprünglichen Energieüberschuss entgegen.

 

Nun nimmt die Theorie des Forcing-Feedback-Frameworks aber an, dass diese unmittelbare Planck-Antwort durch weitere Prozesse verändert wird. Wasserdampf, Wolken, Temperaturprofil und Albedo können die gesamte Reaktion des Klimasystems verstärken oder abschwächen. Aus der ursprünglichen Planck-Antwort wird deshalb eine effektive Netto-Gegenreaktion.

 

Diese wird in unserer Schreibweise durch den Ausdruck αΔT beschrieben. Dabei ist ΔT die Temperaturänderung gegenüber dem Ausgangszustand. α beschreibt, wie stark das Klimasystem pro Kelvin Erwärmung auf ein bestehendes Energieungleichgewicht reagiert.

 

Was bedeutet das konkret? Ausgangspunkt ist zunächst ein zusätzliches Forcing F. Dieses Forcing bringt zusätzliche Energie in das Klimasystem beziehungsweise verändert die Strahlungsbilanz so, dass zunächst mehr Energie im System verbleibt. Solange diese zusätzliche Energie nicht vollständig wieder abgegeben wird, gilt N > 0. Die Erde befindet sich also in einem Energieüberschuss. Und solange mehr Energie hineingeht als hinausgeht, steigt die gespeicherte Energie des Systems. Bei der Erde bedeutet das vor allem: Ozeane, Land, Atmosphäre und Eis nehmen Energie auf. Dadurch steigt ihre Temperatur. Und genau diese höhere Temperatur hat eine unmittelbare physikalische Folge: Ein wärmerer Körper strahlt mehr Wärmestrahlung ab. Eine grundlegende Eigenschaft thermischer Strahlung. Deshalb wächst mit steigender Temperatur automatisch auch die Energieabgabe an den Weltraum. Die Erwärmung setzt sich so lange fort, bis die zusätzliche Abstrahlung den zusätzlichen Antrieb ausgleicht.

 

Genau hier kommt α ins Spiel. α beschreibt, wie stark diese Gegenreaktion pro Kelvin Erwärmung ausfällt. Ist α groß, reicht eine relativ kleine Temperaturerhöhung aus, um das zusätzliche Forcing durch die Abstrahlung langwelliger Strahlung auszugleichen. Wird α durch positive Rückkopplungen kleiner, fällt die stabilisierende Reaktion pro Kelvin schwächer aus. Dann muss die Temperatur weiter steigen, bis die gesamte zusätzliche Abstrahlung beziehungsweise Netto-Gegenreaktion wieder groß genug ist, um F vollständig zu kompensieren. Oder kurz gesagt: Kleines α bedeutet: weniger Gegenreaktion pro Kelvin. Deshalb ist mehr Erwärmung nötig, um dasselbe zusätzliche Forcing auszugleichen.

 

Illustriert schadet selten

Ich zeige Euch mal den Unterschied an einem Beispiel. So misst und berechnet die Geophysik zunächst die reale Energiebilanz der Erde: Man schaut darauf, wie viel zusätzliche Energie aufgenommen wird und wie viel zusätzliche Energie wieder ins All abgegeben wird. Genau das zeigt die Grafik. Links steht die Sonnenenergie. Wolken, Aerosole und Albedo bestimmen, wie viel davon reflektiert und wie viel tatsächlich absorbiert wird. Diese aufgenommene Energie landet im Klimasystem, unserer „Wärmekammer“. Rechts verlässt Energie das System wieder als langwellige Wärmestrahlung, also als OLR.

 

 

Abbildung 2: Direkte geophysikalische Energiebilanz: ASR als Energieaufnahme, OLR als Wärmeabgabe und CO₂ als langwellige Strahlungsbremse. Quelle: Eigene Darstellung.

 

Die Grundgleichung ist deshalb denkbar einfach: NET = ASR – OLR. Steigt ASR stärker als OLR, bleibt zusätzliche Energie im Klimasystem. Genau diesen Rest bezeichnet man als Earth Energy Imbalance. Für unseren untersuchten Zeitraum hatten wir aus den CERES-Daten ΔASR ≈ +0,71 W/m² pro Dekade und ΔOLR ≈ +0,26 W/m² pro Dekade. Damit ergibt sich ΔNET = 0,71 − 0,26 = 0,45 W/m² pro Dekade. Die Erde nimmt also pro Dekade rund 0,45 W/m² mehr Energie auf, als sie zusätzlich wieder abstrahlt. Genau diese Differenz erwärmt das Klimasystem weiter.

 

Nun kommt die Temperaturmessung hinzu. UAH zeigt für denselben Zeitraum eine Erwärmung von ungefähr 0,141 °C pro Dekade. Nach der reinen Planck-Antwort müsste eine Erwärmung dieser Größenordnung die OLR um ungefähr 0,141 × 3,22 = 0,454 W/m² pro Dekade erhöhen. Tatsächlich misst CERES aber nur 0,26 W/m² pro Dekade zusätzliche OLR. Die Differenz beträgt also 0,454 − 0,26 = 0,194 W/m² pro Dekade. Genau diese Differenz ist in unserer bisherigen geophysikalischen Rechnung der sichtbare langwellige Dämpfungseffekt: Die Erde strahlt trotz der gemessenen Erwärmung weniger zusätzliche langwellige Energie ab, als es die reine Planck-Antwort erwarten ließe – CO2 und andere reibhausgase betätigen eine so genannte Treibhausbremse, die ca. 1/3 der abzustrahlenden Energie zurückhält und damit ebenfalls für zusätzliche Erwärmung sorgt.

 

Aus dieser sichtbaren langwelligen Dämpfung hatten wir anschließend eine direkte, rein beobachtungsnahe Sensitivität abgeschätzt. Die 0,03 °C pro Dekade beziehen sich auf den CO₂-Anstieg von 371,06 auf 418,32 ppm über 21 Jahre, also insgesamt auf etwa 0,063 °C. Dieser CO₂-Schritt entspricht logarithmisch nur rund einem Sechstel einer Verdopplung: ln(2) / ln(418,32 / 371,06) ≈ 5,78. Hochgerechnet auf eine Verdopplung ergibt sich damit 0,063 × 5,78 ≈ 0,36 °C. Diese 0,36 °C sind die direkte Hochrechnung der in diesem Zeitraum aus CERES, UAH und der Planck-Referenz abgeleiteten sichtbaren langwelligen Dämpfung auf einen CO₂-Verdopplungsschritt. Genau diesen geophysikalisch abgeleiteten Vergleichswert stellen wir nun dem Forcing-Feedback-Framework des IPCC gegenüber.

 

Die zweite Grafik beschreibt dieselbe Erde mit einer völlig anderen Logik. Links steht wieder die konstante Energiezufuhr durch die Sonne. Zusätzlich tritt nun aber ein äußerer Strahlungsantrieb F auf, hier beispielhaft durch CO₂ dargestellt. Dieser zusätzliche Antrieb verschiebt die Energiebilanz des Klimasystems. Solange dadurch mehr Energie im System verbleibt als wieder abgegeben wird, gilt N > 0 und die „Wärmekammer“ Erde wird wärmer.

 

 

Abbildung 3: Schematische Darstellung des Forcing-Feedback-Frameworks N=F−αΔT: äußerer Strahlungsantrieb, Planck-Reaktion und modifizierende Rückkopplungen. Quelle: Eigene Darstellung.

 

Mit steigender Temperatur setzt die grundlegende Planck-Reaktion ein: Eine wärmere Erde gibt mehr thermische Strahlung an den Weltraum ab. In der Grafik ist das die große mechanische Planck-Basis. Sie ist die grundlegende stabilisierende Reaktion des Systems: wärmer → mehr Energie hinaus. Würde ausschließlich diese Planck-Reaktion wirken, läge die stabilisierende Gegenreaktion bei ungefähr 3,2 W/m² pro Kelvin. Für eine CO₂-Verdopplung entspräche das einer Klimasensitivität von nur rund 1,2 °C. Erst die zusätzlichen Rückkopplungen verkleinern die wirksame Netto-Gegenreaktion und erhöhen dadurch die berechnete Gleichgewichtserwärmung.

 

Denn das Forcing-Feedback-Framework nimmt an, dass die Planck-Reaktion nicht allein wirkt. Wasserdampf, Wolken, Eis und Albedo sowie weitere Prozesse verändern die gesamte Strahlungsreaktion des Klimasystems, lassen insgesamt deutlich weniger Gegenstrahlung pro Kelvin zu. Diese einzelnen Rückkopplungen werden zu einer gemeinsamen Netto-Gegenreaktion zusammengefasst: αΔT.

 

Dabei ist ΔT die Erwärmung gegenüber dem Ausgangszustand und α gibt an, wie stark die gesamte stabilisierende Strahlungsreaktion pro Kelvin Erwärmung ausfällt. Positive Rückkopplungen verkleinern dabei die Netto-Gegenreaktion gegenüber der reinen Planck-Antwort. Anschaulich wird der Auspuff enger: Pro Kelvin Erwärmung kann das System weniger zusätzliche Energie ausgleichen als bei einer ungeschwächten Planck-Reaktion. Deshalb muss sich die Erde stärker erwärmen, bis die gesamte Gegenreaktion groß genug geworden ist, um den zusätzlichen Antrieb vollständig zu kompensieren, oder formal gesagt: Solange F > αΔT, ist N > 0 und das Klimasystem erwärmt sich weiter. Mit zunehmendem ΔT wächst auch αΔT, bis schließlich gilt N = 0 und damit F = αΔT.

 

Genau hier liegt der zentrale Hebel des Frameworks: Bei gleichem Forcing bestimmt die Größe von α, wie stark sich das System erwärmen muss. Ist α groß, genügt eine kleine Temperaturänderung. Ist α klein, muss ΔT entsprechend größer werden. Die Rückkopplungen entscheiden damit nicht nur über eine kleine Korrektur am Rand der Rechnung. Sie bestimmen unmittelbar, wie stark die ursprüngliche Planck-Gegenreaktion am Ende noch wirksam bleibt.

 

Die Grafik zeigt zugleich ein Problem, das wir später genauer untersuchen werden. Die einzelnen Rückkopplungen wirken physikalisch nicht alle auf dieselbe Strahlungsgröße. Wasserdampf beeinflusst vor allem die langwellige Abstrahlung, Eis und Albedo dagegen vor allem die kurzwellige Energieaufnahme, Wolken wirken auf beide Seiten. Im Forcing-Feedback-Framework werden diese unterschiedlichen Prozesse dennoch in einer gemeinsamen Netto-Gegenreaktion αΔT zusammengeführt. Das macht die Gleichung sehr kompakt, entfernt sie aber zugleich von der direkten CERES-Darstellung, in der ASR und OLR getrennt sichtbar bleiben.

 

Bevor wir diese Parameter einzeln prüfen, müssen wir verstehen, wie aus zunächst getrennten physikalischen Rückkopplungen überhaupt der heutige globale Netto-Parameter α wurde. Denn genau auf diesem historischen Weg gingen immer mehr unterschiedliche kurz- und langwellige Prozesse in eine gemeinsame Nettozahl ein.

 

Von Manabe bis Gregory: Wie die Rückkopplungen in α verschwanden

Historisch entstand diese Denkweise jedoch nicht als fertige Gleichung. Sie entwickelte sich aus einzelnen, zunächst getrennt untersuchten Rückkopplungsmechanismen. Zwei Arbeiten sind dafür besonders wichtig: Manabe und Wetheralds Untersuchung der Wasserdampfrückkopplung von 1967 und Budykos Arbeit zur Eis-Albedo-Rückkopplung von 1969. Beide zeigen einen Mechanismus, bei dem eine anfängliche Temperaturänderung weitere Änderungen im Klimasystem auslöst, die anschließend auf die ursprüngliche Temperaturänderung zurückwirken. Genau daraus entsteht der moderne Begriff des Feedbacks.

 

Chronologisch beginnt die Geschichte mit Manabe und Wetherald. Ihr Modell war ein eindimensionales radiativ-konvektives Atmosphärenmodell. Es berechnete eine vertikale Atmosphärensäule und suchte einen Gleichgewichtszustand, in dem Strahlung und Konvektion zusammen ein stabiles Temperaturprofil erzeugen. Die Verteilung der relativen Luftfeuchtigkeit wurde dabei vorgegeben. Erwärmte sich die Atmosphäre, durfte dadurch die absolute Menge an Wasserdampf steigen, weil wärmere Luft bei gleicher relativer Feuchte mehr Wasserdampf enthält.

 

Der gedankliche Ablauf war damit klar: Eine Änderung der Strahlungsbilanz verändert zunächst die Temperatur. Bei angenommener annähernd konstanter relativer Feuchte steigt mit der Erwärmung der absolute Wasserdampfgehalt. Mehr Wasserdampf verändert wiederum den infraroten Strahlungstransport und verstärkt dadurch die Temperaturreaktion gegenüber einem Fall mit fester absoluter Feuchte.

 

Der zentrale Gedanke lautet also:

 

Das ist eine positive Rückkopplung.

 

Manabe und Wetherald verglichen ausdrücklich einen Fall mit fester relativer Feuchtigkeit mit einem Fall fester absoluter Feuchtigkeit. Ihr Modell reagierte bei fester relativer Feuchte wesentlich stärker auf Änderungen von CO₂, Sonnenstrahlung und anderen Randbedingungen, weil sich der Wasserdampfgehalt mit der Temperatur verändern konnte. Für eine CO₂-Verdopplung erhielten sie in ihrem damaligen Modell eine Erwärmung von ungefähr 2 °C. Hier liegt bereits ein grundlegendes Muster des späteren Feedback-Frameworks vor: Eine Temperaturänderung verändert eine weitere Klimagröße, und diese Veränderung verändert wiederum die Strahlungsbilanz.

 

Zwei Jahre später untersuchte Mikhail Budyko einen völlig anderen Mechanismus. Seine Frage war im Kern: Wie stark kann sich das Klima verändern, wenn eine Temperaturänderung zugleich die Eis- und Schneebedeckung und damit die reflektierte Sonnenstrahlung verändert?

 

Auch das ist eine positive Rückkopplung, aber sie wirkt nicht primär über die OLR, sondern über die kurzwellige Energieseite. Budyko behandelt ausdrücklich den Einfluss der planetaren Albedo auf den absorbierten Anteil der Sonnenstrahlung. Bereits hier sieht man das spätere Grundproblem der Zusammenfassung zu α: Wasserdampf verändert vor allem die langwellige Abstrahlung, Eis und Schnee verändern vor allem die kurzwellige Energieaufnahme. Physikalisch sind das verschiedene Signaturen auf verschiedenen Seiten der Energiebilanz. Erst die spätere Feedbackarchitektur führt sie zu einer einzigen Nettozahl zusammen.

 

Beide Ansätze entstanden in einer Zeit, in der die beiden Seiten der globalen Strahlungsbilanz nur sehr eingeschränkt beobachtbar waren. Heute können wir ASR und OLR wesentlich präziser und getrennt messen.

 

Der nächste entscheidende Schritt erfolgte 1984 mit Hansen und Kollegen. Während Manabe und Budyko einzelne Rückkopplungsmechanismen beschrieben hatten, versuchte Hansen, diese Prozesse zu einer gemeinsamen Klimasensitivität zusammenzuführen. In „Climate Sensitivity: Analysis of Feedback Mechanisms“ untersuchten Hansen et al. die Klimasensitivität auf drei Wegen: mit einem dreidimensionalen Klimamodell, mit paläoklimatischen Daten der letzten Eiszeit und mit historischen Temperatur- und Treibhausgasänderungen seit 1850. Ihr 3-D-Modell ergab für eine CO₂-Verdopplung eine Erwärmung von ungefähr 4 °C. Ohne zusätzliche Rückkopplungen hätte derselbe Strahlungsantrieb nach ihrer Abschätzung nur etwa 1,2 bis 1,3 °C Erwärmung, also die pure Planck-Antwort, erfordert, um die Strahlungsbilanz wiederherzustellen. Die Differenz erklärten sie durch positive Rückkopplungen, vor allem Wasserdampf, Wolken sowie Schnee- und Eisänderungen. Hansen fasste diese Verstärkung damals mit einem dimensionslosen Feedbackfaktor zusammen und schätzte für das damalige Klima einen Bereich von etwa 2 bis 4 für diesen Verstärkungsfaktor, entsprechend ungefähr 2,5 bis 5 °C Erwärmung bei einer CO₂-Verdopplung. Als größte Unsicherheit identifizierten die Autoren bereits damals die Wolkenrückkopplung.

 

Bei Hansen wird aus einer Sammlung einzelner Rückkopplungen erstmals deutlich eine gemeinsame Größe zur Bestimmung der Klimasensitivität. Das Modell erzeugt zunächst eine Planck-Grundantwort. Wasserdampf, Wolken sowie Schnee und Eis verändern diese Antwort. Aus der Summe dieser Änderungen ergibt sich eine wesentlich größere Temperaturreaktion – bis zu viermal größer. Damit ist der Kern des späteren Forcing-Feedback-Frameworks praktisch vorhanden: Ein äußerer Antrieb erzeugt eine Grundreaktion, und die Rückkopplungen entscheiden darüber, wie stark diese Grundreaktion am Ende ausfällt. Und es zeigt außerdem: Der hohe Schätzwert für die Klimasensitivität ist vor allem den Rückkopplungen anzulasten.

 

Entscheidend ist aber auch hier die damalige Datenlage. Hansen konnte seine einzelnen Rückkopplungsbeiträge nicht an einer jahrzehntelangen, getrennten globalen Messreihe von ASR und OLR überprüfen. Stattdessen wurden die Feedbacks aus Modellversuchen, paläoklimatischen Rekonstruktionen und historischen Temperatur- und Treibhausgasänderungen abgeleitet. Genau deshalb ist heute eine zusätzliche Prüfung möglich, die 1984 kaum verfügbar war: Erzeugen die damals und später angenommenen Rückkopplungen tatsächlich die kurzwelligen und langwelligen Strahlungssignaturen, die moderne Satelliten getrennt beobachten?

 

Der nächste entscheidende Schritt kam 2004 mit Gregory und Kollegen. Bis dahin war die Grundidee des Forcing-Feedback-Frameworks bereits vorhanden: Ein äußerer Antrieb stört die Energiebilanz, die Erde erwärmt sich, und mit der Erwärmung verändert sich die Strahlungsbilanz durch Planck-Reaktion und vor allem Rückkopplungen. Gregory machte daraus nun ein Verfahren, mit dem man aus einem Klimamodell gleichzeitig den Strahlungsantrieb, den Rückkopplungsparameter und daraus die Klimasensitivität bestimmen konnte:

 

Der Ausgangspunkt war wiederum die lineare Energiebilanz: N = F – αΔT. Gregory stellte nun eine sehr einfache Frage: Wenn ein Klimamodell plötzlich einem konstanten zusätzlichen Antrieb ausgesetzt wird, wie entwickeln sich dann im Laufe der Simulation gleichzeitig die globale Temperatur ΔT und der Nettoenergiefluss am Oberrand der Atmosphäre N?

 

Unmittelbar nach dem Einschalten des zusätzlichen Antriebs ist die Erde noch kaum wärmer geworden. Damit ist ΔT ≈ 0 und deshalb N ≈ F. Der anfängliche Energieüberschuss entspricht also näherungsweise dem Strahlungsantrieb.

 

Danach erwärmt sich das Modell. Mit steigender Temperatur wächst die Gegenreaktion αΔT, und der verbleibende Energieüberschuss N wird kleiner. Um die Einzelwerte zu ermitteln verwendeten Gregory et al. das Modell HadSM3 und erhöhten darin das CO₂ schlagartig auf das Vierfache des Ausgangswerts. Danach ließen sie das Modell etwa 20 Jahre in Richtung eines neuen Gleichgewichts laufen und zeichneten anschließend für jedes Simulationsjahr die gleichzeitig berechnete globale Temperaturänderung ΔT und den Netto-Strahlungsfluss N am Oberrand der Atmosphäre auf. Aus diesen Wertepaaren entstand die Punktwolke. Durch sie wurde eine Regressionsgerade gelegt. Ihr Achsenabschnitt bei ΔT = 0 wurde als Forcing F interpretiert (Hier: ca. 7 W/m^2 bei Vervierfachung von CO2), ihre Steigung als Rückkopplungsparameter −α und ihr Schnittpunkt mit N = 0 als Gleichgewichtserwärmung (Hier: ca. 7K bei Vervierfachung von CO2). F und α sind in dieser Methode damit keine zwei unabhängig gemessenen Eingangsgrößen, sondern zwei gemeinsam aus derselben modellgenerierten Punktwolke diagnostizierte Parameter. Ihre Übereinstimmung mit der daraus ebenfalls abgeleiteten Gleichgewichtstemperatur ist deshalb zunächst eine Aussage über die interne Konsistenz derselben Regression, nicht über eine unabhängige Bestätigung aller drei Größen. Trägt man nun für jedes Simulationsjahr den Wert von N gegen die gleichzeitig simulierte Temperaturänderung ΔT auf, sollte sich nach der linearen Annahme näherungsweise eine Gerade ergeben. Genau das ist der heute sogenannte Gregory-Plot. Gregory et al. schlugen vor, diese Gerade durch eine lineare Regression zu bestimmen. Die Gerade enthält dann praktisch die gesamte zentrale Information des Frameworks.

 

 

Abbildung 4: Gregory-Plot eines abrupten 4×CO₂-Experiments mit HadSM3. Achsenabschnitt, Steigung und Schnittpunkt mit N=0 liefern Forcing, Nettofeedback und effektive Gleichgewichtserwärmung. Quelle: Nach Gregory et al. (2004).

 

Der Schnittpunkt mit der N-Achse bei ΔT = 0 liefert N = F also eine Schätzung des Strahlungsantriebs. Die Steigung der Geraden liefert −α also die Stärke der Netto-Gegenreaktion des Klimasystems. Und dort, wo die Gerade die Temperaturachse erreicht, gilt N = 0. Damit ist das neue Gleichgewicht erreicht: F = αΔT – und der Schnittpunkt auf der Temperaturachse liefert die geschätzte Gleichgewichtserwärmung.

 

Mit einer einzigen Regressionsgeraden lassen sich damit drei zentrale Größen bestimmen:

 

• F → Achsenabschnitt
• α → Steigung
• Gleichgewichtstemperatur → Schnittpunkt mit N = 0

 

Das war methodisch außerordentlich attraktiv. Man musste nicht mehr warten, bis ein gekoppeltes Ozean-Atmosphäre-Modell nach Jahrhunderten tatsächlich vollständig ins Gleichgewicht gekommen war. Gregory et al. konnten Forcing und effektive Klimasensitivität aus dem Verlauf einer noch nicht abgeschlossenen Erwärmung mit Hilfe eines Modells abschätzen. Genau darin bestand die Neuerung der Methode.

 

Damit wird auch im Gregory-Plot unmittelbar sichtbar, was wir zuvor mit unserer „Bremse“ beschrieben haben: Eine steile Gerade bedeutet eine starke Gegenreaktion und eine kleinere Klimasensitivität. Eine flache Gerade bedeutet eine schwächere Gegenreaktion und eine größere Klimasensitivität.

 

Mit Gregory verändert sich die Rolle von F und α nochmals. Bei Manabe und Budyko standen zunächst konkrete physikalische Prozesse im Vordergrund. Hansen führte verschiedene Rückkopplungen zu einer gemeinsamen Verstärkung der Temperaturantwort zusammen. Gregory machte daraus schließlich zwei Parameter, die aus dem Verhalten eines gesamten Klimamodells statistisch diagnostiziert werden konnten. Man muss also nicht mehr jeden einzelnen physikalischen Prozess kennen, um zunächst ein effektives F und ein effektives α zu erhalten. Man beobachtet innerhalb des Modellversuchs lediglich: Wie verändert sich N, wenn sich T verändert?

 

Aus diesem Zusammenhang werden anschließend Forcing und Feedbackparameter geschätzt. Damit ist die Methode perfekt geeignet, einen effektiven Nettozusammenhang zwischen Temperatur und Energiebilanz zu bestimmen. Ob die zugrunde liegende physikalische Zerlegung ebenfalls stimmt, muss jedoch zusätzlich geprüft werden.

 

Mit dem Fourth Assessment Report von 2007 war die Betrachtung eines nicht im Gleichgewicht befindlichen Klimasystems fest in den IPCC-Modellrahmen integriert. Energiegleichgewichtsmodelle wurden mit Ozeanmodellen gekoppelt, und die fortlaufende Energieaufnahme des Klimasystems war Bestandteil der Projektionen. Der entscheidende gedankliche Übergang war damit abgeschlossen: Die Erde musste nicht mehr als System betrachtet werden, das sich zu jedem Zeitpunkt im unmittelbaren Strahlungsgleichgewicht befindet. Zwischen zusätzlichem Antrieb und endgültiger Gleichgewichtstemperatur kann dauerhaft ein positiver Energieüberschuss bestehen.

 

Im Fifth Assessment Report wurde die globale Energiebilanz ausdrücklich genutzt, um Strahlungsantrieb, Energieaufnahme und Klimarückkopplung miteinander zu verbinden. AR5 stellte beispielsweise den gesamten Energieeintrag den beiden Größen Energieaufnahme des Erdsystems und temperaturbedingter zusätzlicher Abstrahlung gegenüber und zeigte die Bilanz für unterschiedliche Werte des Klimarückkopplungsparameters α. Damit war die Grundlogik N = F – αΔT nicht mehr nur eine abstrakte Beschreibung einzelner Rückkopplungen. Sie war zu einem standardisierten Werkzeug geworden, mit dem beobachtete und modellierte Temperaturänderungen, Strahlungsantriebe und Energieaufnahme gemeinsam interpretiert werden konnten.

 

Im Sixth Assessment Report wird die Beziehung schließlich ausdrücklich als Standardgleichung des Forcing-Feedback-Frameworks formuliert. In der dort verwendeten Vorzeichenkonvention lautet sie ΔN = ΔF + αΔT, wobei der stabilisierende Nettofeedbackparameter α negativ ist. In unserer positiven Bremsen-Konvention ist dieselbe Gleichung ΔN = ΔF – αΔT mit einem positiven α.

 

AR6 definiert damit sehr klar:

 

• ΔF ist der effektive Strahlungsantrieb,
• ΔT die Änderung der globalen Oberflächentemperatur,
• ΔN die Änderung des Nettoenergieflusses am Oberrand der Atmosphäre,
• und α die Änderung dieses Nettoenergieflusses pro Kelvin Erwärmung.

 

Ist N positiv, nimmt das Klimasystem weiter Energie auf. Im Gleichgewicht gilt N = 0 → F = αΔT.

 

Der Nettofeedbackparameter α wird anschließend in einzelne Bestandteile zerlegt (Planck, Wasserdampf und Lapse Rate, Oberflächenalbedo, Wolken sowie weitere Prozesse.) Diese Einzelbeiträge werden näherungsweise zu einem gesamten Nettofeedback addiert.

 

Damit ist der heutige Rahmen vollständig aufgebaut: F beschreibt den Antrieb, α die Netto-Gegenreaktion und N den verbleibenden Energieüberschuss. Bevor wir die einzelnen Bauteile auseinandernehmen, geben wir dem Framework zunächst die stärkstmögliche faire Chance: Wir setzen seine zentralen AR6-Werte ein und prüfen, ob der grobe Kassensturz überhaupt aufgeht. Das Ergebnis lautet: In dieser stark vereinfachten Rechnung ergibt sich zunächst kein offensichtlicher Widerspruch.

 

Der Konsistenztest

Der Konsistenztest prüft deshalb nicht nur, ob einzelne Zahlen plausibel wirken. Er fragt, ob Forcing, Temperaturreaktion, Rückkopplungsstärke und gemessenes Energieungleichgewicht in derselben Gleichung miteinander vereinbar sind.

 

Als zentrale Ausgangswerte werden die Werte des AR6 verwendet:

 

ECS = 3,0 K

 

F_2×CO₂ = 3,93 W/m²

 

Daraus folgt derjenige stabilisierende Rückkopplungsparameter, der mit einer Gleichgewichts-Klimasensitivität von 3,0 K vereinbar ist:

 

α_ECS = F_2×CO₂ / ECS = 3,93 / 3,0 = 1,31 W/m²/K

 

Daneben berichtet AR6 ein Nettofeedbackwert von ungefähr 1,16 W/m²/K, das aus einer Kombination der geschätzten Einzelgrößen für Wasserdampf/Lapse Rate, Albedo, Aerosole und anderen Rückkopplungsparametern berechnet wird. Dieser Wert ist nicht identisch mit dem direkt aus dem ECS-Bestwert berechneten Wert, liegt aber in derselben Größenordnung. Für den ersten Konsistenztest verwenden wir α = 1,31 W/m²/K.

 

Als Erwärmungsrate wird angesetzt (HadCRUT4):

 

ΔT/Δt ≈ 0,20 K/Dekade

 

Für den CO₂-Aufwuchs werden die folgenden Werte verwendet:

 

F_CO₂,2000 = 1,56 W/m²

 

F_CO₂,2019 = 2,16 W/m²

 

Damit beträgt der Aufwuchs über 19 Jahre:

 

ΔF_CO₂ = 2,16 − 1,56 = 0,60 W/m²

 

Umgerechnet auf eine Dekade:

 

ΔF_CO₂/Δt = 0,60 / 1,9 = 0,316 W/m²/Dekade

 

Die Energiebilanz lautet in der positiven α-Konvention:

 

ΔN = ΔF − αΔT

 

Die Erwärmung von 0,20 K pro Dekade erzeugt bei α = 1,31 W/m²/K eine zunehmende radiative Gegenreaktion von:

 

α · ΔT/Δt = 1,31 × 0,20 = 0,262 W/m²/Dekade

 

Der CO₂-Antrieb wächst gleichzeitig um:

 

0,316 W/m²/Dekade

 

Die Differenz bleibt als zunehmendes Energieungleichgewicht:

 

ΔN/Δt = 0,316 − 0,262 = 0,054 W/m²/Dekade

 

Als Anteil des CO₂-Forcing-Zuwachses ergibt sich:

 

0,054 / 0,316 = 0,171 ≈ 17 %

 

Damit werden in dieser vereinfachten Rechnung rund 83 % des zusätzlichen CO₂-Antriebs durch die mit der Erwärmung zunehmende Gegenreaktion kompensiert. Rund 17 % bleiben als zusätzlicher Netto-Energieüberschuss übrig. Diese 17 % sind kein separat vom IPCC vorgegebener Parameter, sondern das Ergebnis dieser Rechnung mit den verwendeten AR6-Zentralwerten.

 

Diese Restenergie ist im Gregory-Framework ausdrücklich erlaubt, denn der Gregory-Ansatz setzt gerade nicht voraus, dass ein zusätzlicher Antrieb sofort vollständig durch die Temperaturreaktion ausgeglichen wird. Solange das Klimasystem noch nicht im neuen Gleichgewicht ist, gilt N > 0. Ein Teil des Antriebs wird bereits durch die gestiegene Temperatur kompensiert, während der verbleibende Rest weiterhin in Ozean, Land, Atmosphäre und Eis aufgenommen wird.

 

N = F − αΔT

 

Erst im vollständigen Gleichgewicht wird N = 0. Vorher ist eine positive Restenergie nicht nur zulässig, sondern notwendiger Bestandteil der Gleichung. In unserer vereinfachten Trendrechnung entspricht dieser Rest 0,054 W/m² pro Dekade beziehungsweise rund 17 % des zusätzlichen CO₂-Forcing-Zuwachses.

 

Kapitel 7 des AR6 weist jedoch für eine globale mittlere Energiebilanz einen positiven Netto-Energieüberschuss von ungefähr N = 0,6 W/m² aus. Dieser Wert beschreibt den bereits vorhandenen Energieüberschuss des Klimasystems zu einem bestimmten Beobachtungszeitraum als Resultat der NASA/CERES-Messungen. Er ist allerdings nicht direkt mit dem oben berechneten Trend von 0,054 W/m² pro Dekade zu vergleichen.

 

N ≈ 0,6 W/m²

 

ΔN/Δt ≈ 0,054 W/m²/Dekade

 

Beides kann gleichzeitig stimmen. Das Klimasystem kann beispielsweise bereits mit einem positiven Energieungleichgewicht von ungefähr 0,6 W/m² laufen und dieses Ungleichgewicht zusätzlich mit einer bestimmten Rate wachsen oder fallen. Der erste Wert beschreibt den Stand des Kontos, der zweite die Veränderung des Kontostands. In der Sprache des Gregory-Frameworks bedeutet der NASA-Wert deshalb schlicht: Zum beobachteten Zeitpunkt war die temperaturbedingte Gegenreaktion noch nicht groß genug, um den gesamten wirksamen Antrieb auszugleichen. Es blieb ein positiver Rest N übrig. Genau das ist die Situation, die N = F − αΔT für einen noch nicht eingeschwungenen Klimazustand beschreibt.

 

Der Wert N ≈ 0,6 W/m² ist damit grundsätzlich mit der Logik des Frameworks vereinbar. Aus dem Trendtest allein lässt sich dieser absolute Wert allerdings nicht herleiten. Dafür müsste man den vollständigen zeitlichen Verlauf von F, α und ΔT sowie den Ausgangswert von N kennen. Die saubere Aussage lautet daher: Der berechnete 17-%-Rest liefert eine positive Änderungsrate des Energieungleichgewichts; der NASA-Wert von ungefähr 0,6 W/m² zeigt, dass tatsächlich ein positiver absoluter Energieüberschuss vorhanden ist. Beide Aussagen widersprechen einander nicht.

 

Verwendet man statt α = 1,31 W/m²/K den prozessbasierten Wert α = 1,16 W/m²/K, ergibt sich:

 

α · ΔT/Δt = 1,16 × 0,20 = 0,232 W/m²/Dekade

 

ΔN/Δt = 0,316 − 0,232 = 0,084 W/m²/Dekade

 

0,084 / 0,316 ≈ 27 %

 

Mit dem kleineren α wäre die temperaturbedingte Gegenreaktion schwächer. Entsprechend bliebe ein größerer Teil des zusätzlichen Antriebs als zunehmendes Energieungleichgewicht übrig. Gerade dieser Vergleich zeigt, wie empfindlich der Restterm N auf die angenommene Größe von α reagiert.

 

Der grobe AR6-Kassensturz scheitert damit nicht bereits an seiner inneren Bilanz. Mit α = 1,31 W/m²/K, einer Erwärmungsrate von 0,20 K pro Dekade und einem CO₂-Forcing-Zuwachs von 0,316 W/m² pro Dekade ergibt sich eine radiative Gegenreaktion von 0,262 W/m² pro Dekade und ein verbleibender positiver Rest von 0,054 W/m² pro Dekade, entsprechend rund 17 %. Dass NASA/CERES gleichzeitig einen absoluten positiven Energieüberschuss von ungefähr 0,6 W/m² ausweist, widerspricht dieser Rechnung nicht, weil Zustand und Änderungsrate unterschiedliche Größen sind.

 

Damit hat das Framework den Mindesttest bestanden: Seine zentralen Zahlen widersprechen sich nicht bereits auf der Nettoebene. Genau jetzt beginnt jedoch die wesentlich härtere Prüfung. Denn ein funktionierender Kassensturz sagt noch nichts darüber aus, ob die darin verwendeten Größen F und α unabhängig richtig bestimmt wurden. Wir nehmen deshalb nun beide Eingangsgrößen auseinander – zuerst F, danach α.

 

Wo ist bei Myhre der Wasserdampf?

Wir beginnen unsere Überprüfung nun mit dem ersten Term der Gleichung N = F − αΔT: dem Forcing F. Für die Frage nach der Klimawirkung von CO₂ ist seine Größe entscheidend: Je größer das angenommene CO₂-Forcing, desto größer kann bei gleichem α die daraus berechnete Temperaturwirkung werden; je kleiner das Forcing, desto kleiner der CO₂-Beitrag. Der AR6 verwendet für eine CO₂-Verdopplung heute ein Effective Radiative Forcing von rund 3,93 W/m². Der klassische Ausgangspunkt bleibt jedoch die Myhre-Größenordnung von rund 3,7 W/m². Der Unterschied entsteht vor allem dadurch, dass der AR6 zusätzlich schnelle troposphärische Anpassungen in das ERF einbezieht. Bevor wir also mit 3,93 W/m² weiterrechnen, prüfen wir zunächst die physikalische Grundlage, auf der bereits die ursprünglichen rund 3,7 W/m² beruhen.

 

Der CO₂-Strahlungsantrieb hängt vom atmosphärischen Hintergrund ab. Besonders wichtig ist der spektrale Überlapp mit Wasserdampf. Wo H₂O bereits in denselben Spektralbereichen absorbiert und emittiert, bleibt für zusätzliches CO₂ weniger Strahlung übrig, die es zusätzlich beeinflussen kann. Deshalb ist das CO₂-Forcing in feuchten Atmosphären kleiner als in trockenen. Jeevanjee et al. (2021) zeigen diesen Effekt ausdrücklich, indem sie einen CO₂-only-Fall einem Fall mit H₂O-Overlap gegenüberstellen. Der Unterschied ist besonders in den feuchten Tropen groß und in trockenen Polarregionen klein.

 

 

Abbildung 5: Spektrale Überlappung der Infrarotabsorption von CO₂ und H₂O im Bereich von 12 bis 20 µm. Die Überlagerung zeigt, warum der radiative CO₂-Effekt vom Wasserdampfhintergrund abhängt. Quelle: Eigene Bearbeitung nach NASA Earth Observatory; spektrale Darstellung nach der dort verwendeten Energiebudget-Grafik.

 

Genau hier beginnt das Problem mit den klassischen Forcingwerten. Bei Hansen findet sich kein einzelner globaler Wasserdampfwert. Der Wasserdampf wird als modellinternes Feld des Kontrolllaufs festgehalten. Bei Myhre findet sich ebenfalls kein klar ausgewiesener globaler H₂O-Wert, keine mittlere Wassersäule und kein eindeutig reproduzierbares Feuchteprofil. Myhre verweist auf meteorologische Eingangsdaten und auf Berechnungen mit mehreren atmosphärischen Profilen beziehungsweise räumlich aufgelösten Feldern. Danach endet die Dokumentation an der entscheidenden Stelle. Der Leser erfährt, dass Feuchte berücksichtigt wurde, aber nicht in einer Form, mit der sich der globale Forcingwert unabhängig exakt reproduzieren lässt.

 

Das ist wissenschaftlich höchst unbefriedigend. Der Wasserdampfgehalt ist für genau diese Rechnung keine Nebengröße. Er beeinflusst über den spektralen Überlapp unmittelbar die Größe des zusätzlichen CO₂-Forcings. Wer einen globalen Referenzwert von rund 3,7 W/m² veröffentlicht, müsste deshalb auch den atmosphärischen Feuchtehintergrund so dokumentieren, dass ein anderer Strahlungstransfercode denselben Zustand nachrechnen kann.

 

Unsere eigenen Rechnungen zeigen, warum diese fehlende Angabe entscheidend ist. Rechnen wir mit MODTRAN zunächst praktisch einen CO₂-only-Fall ohne H₂O-Overlap, erhalten wir bei einer Flächengewichtung über fünf Klimazonen einen Wert, der erstaunlich genau in der Größenordnung der klassischen Myhre-Formel liegt. Die trockene, flächengewichtete MODTRAN-Rechnung reproduziert nicht nur ungefähr den Myhre-Wert – sie reproduziert praktisch exakt seinen berühmten Koeffizienten 5,35. Die gleiche Methode, die gleiche CO₂-Verdopplung, ein trockener atmosphärischer Hintergrund – und der bekannte Wert erscheint.

 

Tabelle 11.1: Flächengewichtete MODTRAN-Berechnung des CO₂-Forcings ohne H₂O-Overlap für fünf Standardatmosphären. Das gewichtete Mittel reproduziert den Myhre-Koeffizienten k≈5,35 W/m². Quelle: Eigene Berechnung mit MODTRAN.

 

Klimazone	Δ RF [W/m²]	k = RF / ln(2)	Gewicht	Gewicht × k
Tropics	4.710	6.80	0.466	3.169
Midlatitude Summer	3.768	5.44	0.134	0.729
Midlatitude Winter	2.701	3.90	0.134	0.523
Subarctic Summer	3.140	4.53	0.134	0.607
Subarctic Winter	1.821	2.49	0.134	0.334
Gewichtetes Mittel			1.000	5.35

 

Schalten wir dagegen die vollständigen MODTRAN-Wasserdampfprofile mit H2Orat = 1 ein, sinkt das flächengewichtete Forcing deutlich:

 

• Clear Sky: 2,92 W/m²
• All Sky: 2,48 W/m²

 

MODTRAN berechnet dabei bis 100 km Höhe. Mit Wasserdampf ist die klassische Myhre-Größenordnung von 3,7 W/m² nur noch unter sehr trockenen Bedingungen darstellbar. Im tropischen Profil muss die Wassersäule ungefähr auf ein Fünftel der in MODTRAN hinterlegten Wassersäule reduziert werden, um überhaupt wieder in die Nähe von 3,7 W/m² zu gelangen. Mit vollständigem tropischen H₂O-Profil liegt der Wert deutlich niedriger. In den mittleren Breiten ist die klassische Größenordnung unter vollständigem Wasserdampf-Overlap nicht mehr darstellbar. Eigene Line-by-Line-Rechnungen zeigen präzise dasselbe Verhalten.

 

Eine bemerkenswert passende Vergleichsrechnung liefern Zhang und Huang (2014). Für eine CO₂-Vervierfachung erhalten sie mit MODTRAN etwa 5,13 W/m² Clear Sky und 3,99 W/m² All Sky als unmittelbares radiatives Signal. Auf eine Verdopplung logarithmisch heruntergerechnet entspricht das grob 2,57 W/m² Clear Sky und 2,00 W/m² All Sky. Das liegt erstaunlich nahe an unseren eigenen Werten von 2,92 beziehungsweise 2,48 W/m² und deutlich näher als an den klassischen 3,7 bis 3,9 W/m². Zhang und Huang führen Unterschiede zu höheren CMIP5-Werten ausdrücklich auf unterschiedliche Atmosphärenklimatologien sowie die Maskierung durch Wasserdampf, Wolken und weitere atmosphärische Bestandteile zurück. Ihr Ergebnis bestätigt damit genau die Richtung unserer Rechnung: Unter atmosphärischem Overlap fällt das unmittelbare CO₂-Forcing deutlich kleiner aus.

 

Dann erfolgt jedoch ein methodisch völlig anderer Schritt: die sogenannte stratosphärische Anpassung. Zhang und Huang erhalten im CMIP5-Mittel für 4×CO₂ zunächst etwa 5,4 W/m² instantaneous all-sky forcing. Anschließend kommen rund +1,9 W/m² stratosphärische und etwa −0,1 W/m² troposphärische Anpassung hinzu. Erst daraus entsteht ein vollständig adjustierter Wert von ungefähr 7,2 W/m². Diese +1,9 W/m² sind kein separat gemessener zusätzlicher CO₂-Strahlungsfluss. Sie werden aus Klimamodellsimulationen diagnostiziert, indem Änderungen des simulierten Stratosphärentemperaturfeldes radiativ in einen zusätzlichen TOA-Fluss übersetzt werden.

 

An dieser Stelle wechselt die Beweisart. Das instantaneous forcing lässt sich bei festgelegten Temperatur-, Feuchte- und Wolkenprofilen mit unabhängigen Strahlungstransfercodes reproduzieren. Die stratosphärische Anpassung ist dagegen eine modellgestützte Attribution. Die Abkühlung der Stratosphäre ist als Temperaturänderung beobachtbar; daraus folgt jedoch kein gemessener globaler Adjustment-Fluss von +1,9 W/m². Dieser Wert entsteht erst durch die diagnostische Zuordnung eines simulierten Temperaturfeldes und dessen radiative Übersetzung in W/m².

 

Man verteilt also mit Hilfe eines Klimamodells, welcher Anteil der simulierten Strahlungsänderung auf die Stratosphärentemperatur und welcher auf andere Prozesse entfällt. Die daraus abgeleitete Adjustment-Größe ist keine unabhängig gemessene Zusatzwirkung, sondern eine modellgestützte Größe innerhalb eines Ensembles, dessen Klimasensitivität durch Modellstruktur und Parametrisierung mitbestimmt wird.

 

Ein Satellit misst Temperaturprofile und Strahlung. Er misst keinen separaten Energiefluss mit der Beschriftung „stratospheric adjustment = +1,9 W/m²“. Genau darin liegt das methodische Problem: Eine direkt reproduzierbare Strahlungsrechnung und ein modellabhängig diagnostizierter Adjustment-Term werden anschließend mit derselben Einheit W/m² zu einer einzigen Forcinggröße addiert. Die mathematische Addition verdeckt damit einen erheblichen Unterschied in der empirischen Absicherung.

 

Besonders auffällig ist die Größenordnung. Die unmittelbaren MODTRAN-Werte von Zhang und Huang liegen nahe bei unseren eigenen Rechnungen. Erst die anschließende stratosphärische Adjustierung hebt den Wert stark an und schließt einen großen Teil jener Lücke, die zwischen unseren H₂O-Overlap-Rechnungen und den klassischen Myhre-Werten besteht. Damit stellt sich eine konkrete historische Frage: Sind die klassischen Werte von Hansen und Myhre mit einem wesentlich trockeneren atmosphärischen Hintergrund berechnet worden, oder enthalten sie bereits eine erhebliche stratosphärische Anpassung, die in der später zitierten Endzahl nicht mehr sichtbar getrennt wird?

 

Bei Myhre und Stordal (1997) gibt es dafür methodische Hinweise. Sie bestimmen das Forcing im Tropopausenrahmen und zeigen selbst, dass die Wahl der Tropopausenhöhe den globalen Wert merklich verändert. Die damalige Forcingtradition arbeitete mit stratosphärisch adjustierten Tropopausenwerten. Der häufig zitierte Myhre-Wert von rund 3,7 W/m² darf deshalb nicht ohne Weiteres als unmittelbare reine CO₂-Strahlungswirkung gelesen werden.

 

Diese stratosphärische Adjustierung ist keineswegs nur in einer einzelnen Arbeit zu finden. Zhang und Huang (2014), Vial et al. (2013), Chung und Soden (2015a, 2015b) sowie Smith et al. (2020) diagnostizieren entsprechende Adjustment-Terme mit unterschiedlichen Modell- und Zerlegungsverfahren; der AR6 stützt seine Bewertung ausdrücklich auf solche Klimamodellversuche, radiativen Kerne und diagnostischen Annahmen. Gemeinsam ist diesen Arbeiten jedoch, dass der Adjustment-Term nicht als eigenständiger globaler Strahlungsfluss gemessen wird, sondern aus simulierten Atmosphärenzuständen modelliert oder diagnostisch herausgelöst werden muss. Die Literatur zeigt damit, dass verschiedene Modellansätze einen solchen Term reproduzieren können; eine davon unabhängige empirische Bestätigung eines konkreten globalen stratospheric adjustment existiert dadurch jedoch nicht. Die Unsicherheit bleibt deshalb grundsätzlich bestehen: Bestätigt ist die modellinterne Reproduzierbarkeit des Konzepts, nicht die direkte Beobachtung jener zusätzlichen W/m², die später dem Forcing zugeschlagen werden. Gerade Zhang und Huang zeigen zudem mit einem Intermodell-Spread von 2,4 W/m² beim vollständig adjustierten 4×CO₂-Forcing, dass selbst innerhalb der Modellwelt keine eindeutig bestimmte Größe vorliegt.

 

Für unseren Audit folgt daraus eine klare Trennung:

 

• Gemessen werden Strahlung und Temperaturprofile.
• Mit festgelegten beobachtbaren Atmosphärenprofilen reproduzierbar ist das instantaneous radiative forcing.
• Modellgestützt diagnostiziert wird die zusätzliche stratosphärische und troposphärische Anpassung.

 

Diese Größen haben nicht denselben empirischen Status.

 

Der AR6 geht bei den weitergehenden Adjustments noch einen Schritt weiter. Globale troposphärische Anpassungen und zirkulationsbedingte Änderungen werden aus Klimamodellversuchen, Regressionen, radiativen Kerneln und diagnostischen Zerlegungen gewonnen und anschließend zusammen mit dem instantaneous forcing zum Effective Radiative Forcing addiert. Damit werden Größen mit deutlich unterschiedlichem empirischem Status in einer einzigen Zahl zusammengeführt.

 

Genau hier ziehen wir für diese Überprüfung eine klare Grenze. Eine Strahlungsrechnung mit festgelegten atmosphärischen Eingangsgrößen lässt sich mit unabhängigen Line-by-Line-Codes reproduzieren. Die von Zhang und Huang angegebenen +1,9 W/m² stratosphärische Anpassung stammen dagegen aus der diagnostischen Zerlegung eines hypothetischen 4×CO₂-Experiments in CMIP5-Modellen. Der Zusatzterm, der das Forcing erheblich anhebt, hängt damit von einem atmosphärischen Zustand ab, den zuvor das Klimamodell selbst erzeugt hat.

 

Für unseren Audit reicht das nicht. Für +1,9 W/m² existiert kein unabhängig gemessener globaler 4×CO₂-Strahlungsfluss. Die Differenz zwischen dem unmittelbar reproduzierbaren Strahlungssignal und dem höheren adjustierten Forcing wird damit nicht durch eine zusätzliche Messung geschlossen, sondern durch einen modellgenerierten Atmosphärenzustand. Für unseren beobachtungsbasierten Audit übernehmen wir diesen Term deshalb nicht.

 

Damit ist unsere erste Eingangsgröße geprüft. Statt des im AR6 verwendeten F₂×CO₂ = 3,93 W/m² arbeiten unsere unabhängigen Strahlungstransferrechnungen zunächst mit 2,92 W/m² für Clear Sky beziehungsweise 2,48 W/m² für All Sky. Schon damit verändert sich die Ausgangslage der gesamten Klimasensitivitätsrechnung erheblich. Aber F ist nur die erste Hälfte der Gleichung. Entscheidend für die berechnete Erwärmung ist nun der zweite große Hebel:

 

αΔT

 

Denn selbst ein kleineres Forcing kann noch eine hohe Klimasensitivität erzeugen, wenn α entsprechend klein angesetzt wird. Wir müssen deshalb jetzt dieselbe Frage an den Rückkopplungsparameter stellen wie zuvor an das Forcing: Woher kommt dieser Wert, wie wird er bestimmt – und lässt er sich unabhängig reproduzieren?

 

Der größere Hebel liegt im Nenner: die Zerlegung von α

Nach dem Forcing kommt nun der zweite große Term der Gleichung N = F − αΔT: die Rückkopplung α. Der AR6 zerlegt sie in mehrere Beiträge. In der hier verwendeten positiven α-Konvention entspricht der stabilisierenden Planck-Reaktion etwa +3,22 W/m²/K. Dem stellt der AR6 vor allem eine erwärmungsverstärkende Kombination aus Wasserdampf und Lapse Rate von etwa −1,30 W/m²/K, eine Albedo-Rückkopplung von etwa −0,35 W/m²/K und eine Wolkenrückkopplung von etwa −0,42 W/m²/K gegenüber. Daraus ergibt sich schließlich ein Netto-α von ungefähr +1,16 W/m²/K. In der IPCC-Vorzeichenkonvention stehen dieselben Werte mit umgekehrtem Vorzeichen. Diese Zerlegung ist zentral für die hohe Klimasensitivität: Von der ursprünglichen Planck-Gegenreaktion von rund 3,22 W/m²/K bleiben am Ende nur noch etwa 1,16 W/m²/K übrig. Damit wird die Größe von α zum entscheidenden Hebel der Klimasensitivität: Je stärker die positiven Rückkopplungen die Planck-Gegenreaktion kompensieren und α verkleinern, desto höher fällt bei gleichem Forcing die berechnete Erwärmung aus.

 

Tabelle 11.2: Vom AR6 bewertete Beiträge zum Nettofeedbackparameter α, umgerechnet in die hier verwendete positive α-Konvention. Quelle: Eigene Zusammenstellung nach Forster et al. (2021), Kapitel 7 und Tabelle 7.10.

 

Komponente	α Best Estimate	Likely-Bereich	Very-likely-Bereich	Quelle
Planck-Rückkopplung	+3,22	[+3,1; +3,3]	[+3,0; +3,4]	AR6 WGI 7.4.2.1
Wasserdampf + Lapse-Rate (kombiniert)	−1,30	[−1,4; −1,2]	[−1,5; −1,1]	AR6 WGI 7.4.2.2
Oberflächen-Albedo	−0,35	[−0,45; −0,25]	[−0,60; −0,10]	AR6 WGI 7.4.2.3
Wolken (netto)	−0,42	[−0,72; −0,12]	[−0,94; +0,10]	AR6 WGI 7.4.2.4.3 (Zusammenfassung) & Tabelle 7.10
Biogeophysikalische Rückkopplungen	−0,15	—	[−0,30; 0,0]	AR6 WGI 7.4.2.5.2
Nicht-CO₂ biogeochemische Rückkopplungen	+0,16	—	[−0,05; +0,37]	AR6 WGI 7.4.2.5.1
Summe (bio-geo + biogeochem.)	+0,01	—	[−0,25; +0,27]	AR6 WGI 7.4.2.5.3 & Tabelle 7.10
Netto-Rückkopplung (für ECS)	+1,16	[+0,78; +1,54]	[+0,51; +1,81]	AR6 WGI Kapitel-Zusammenfassung & Tabelle 7.10; zusätzlich ±0,40 (1σ) in 7.5-Text

 

Genau diese einzelnen Terme müssen deshalb unabhängig geprüft werden. Wir folgen dabei einem einfachen Maßstab: Was ist direkt beobachtbar? Was lässt sich unabhängig radiativ nachrechnen? Und welcher Wert entsteht erst durch modellgestützte Zerlegung? Entscheidend ist außerdem, auf welcher Seite der realen Bilanz der jeweilige Prozess wirken müsste: ASR, OLR oder beide.

 

Wolken

Bei den Wolken entsteht dabei eines der größten Probleme der gesamten Feedbackrechnung. Ding et al. (2023) zeigen anhand gemeinsamer CloudSat- und CALIPSO-Daten eine extrem heterogene dreidimensionale Wolkenstruktur: Wolken bedecken zwar rund 73,6 % der Erdoberfläche, füllen aber nur etwa 15,9 % des troposphärischen Volumens. Unterschiedliche Wolkentypen wirken in verschiedenen Höhen, Klimazonen und Spektralbereichen völlig unterschiedlich. Der AR6 verdichtet diese komplexe Struktur trotzdem zu einem globalen Netto-Wolkenfeedback von -0,42 W/m²/K Schon der vom AR6 selbst angegebene Unsicherheitsbereich umfasst jedoch beide Vorzeichen. Damit ist ausgerechnet einer der wichtigsten Terme, die α von der Planck-Reaktion von rund 3,22 auf nur noch etwa 1,16 W/m²/K herunterziehen, keine direkt bestimmte globale Messgröße.

 

Noch entscheidender ist, dass Wolken auf beiden Seiten der tatsächlich gemessenen Energiebilanz wirken. Sie verändern über ihre Reflexion die ASR und über ihre infrarote Wirkung die OLR. Unsere MODTRAN-Rechnung zeigt bereits beim CO₂-Forcing eine erhebliche Wolkenmaskierung: Der berechnete Wert sinkt von 2,92 W/m² Clear Sky auf 2,48 W/m² All Sky. Gleichzeitig zeigen die CERES-basierten Analysen von Li et al. (2024) einen deutlichen Rückgang der reflektierten Solarstrahlung, wobei Wolkenänderungen einen wesentlichen Anteil der beobachteten regionalen Trends erklären. Weniger Reflexion bedeutet unmittelbar mehr ASR. Ein einziger Netto-Term α_Cloud verschmilzt dagegen die kurzwellige und langwellige Wolkenwirkung wieder zu einer Zahl und beseitigt damit genau die Trennung, die CERES tatsächlich beobachtet.

 

Inzwischen gibt es dafür einen besonders starken Beobachtungstest. Cesana und Arouf (2026) rekonstruieren die Entwicklung niedriger Wolken seit 1979 aus Satellitendaten und Reanalysen und erhalten für den historischen Zeitraum einen Low-Cloud-Feedback von +0,79 W/m²/K. Das ist nicht lediglich ein kleinerer positiver Rückkopplungswert. Das Vorzeichen kehrt sich um. Während CMIP6-4×CO₂-Simulationen für niedrige Wolken eine verstärkende Wirkung erwarten, zeigen die rekonstruierten Beobachtungen eine stabilisierende Wirkung: Die niedrigen Wolken würden die Planck-Gegenreaktion damit nicht weiter verkleinern, sondern α vergrößern und die berechnete Klimasensitivität senken. Die Autoren stellen ausdrücklich fest, dass ihr historischer Befund dem positiven Low-Cloud-Feedback der abrupten 4×CO₂-CMIP6-Simulationen entgegensteht.

 

Auch bei hohen tropischen Wolken zeigt die direkte Trennung nach Strahlungsart ein wesentlich komplizierteres Bild als ein einziger globaler α_Cloud-Wert. Raghuraman et al. (2024) bestimmen aus CERES-Beobachtungen für den langwelligen Anteil tropischer Wolken einen stabilisierenden Feedback von +0,57 ± 0,34 W/m²/K, während einzelne Teilprozesse wie der Höhenfeedback deutlich kleiner und positiv ausfallen. Kurzwellige und langwellige Beiträge kompensieren sich teilweise stark. Genau diese beobachtbare innere Struktur verschwindet, sobald sämtliche Wolkenwirkungen zu einem einzigen globalen Nettofeedback zusammengezogen werden.

 

Das Fazit ist damit erheblich schärfer als nur „der Wolkenfeedback ist unsicher“: Für den Low-Cloud-Bereich, der als zentrale Quelle der Unsicherheit der Klimasensitivität gilt, finden die historischen Beobachtungen sogar das entgegengesetzte Vorzeichen zu den 4×CO₂-Modellen. Damit wird aus einer vermeintlichen Treibhausverstärkung eine zusätzliche Stabilisierung. Wolken würden α dann nicht kleiner, sondern größer machen. Damit wird ausgerechnet einer der wichtigsten Hebel, mit denen die Planck-Gegenreaktion im AR6 von 3,22 auf netto 1,16 W/m²/K reduziert wird, durch eine aktuelle beobachtungsbasierte Untersuchung grundsätzlich infrage gestellt.

 

Der beobachtungsbasierte Gegenwert betrifft nicht exakt dieselbe globale Gesamtwolkenkomponente wie der AR6-Netto-Wert. Für unseren Audit verwenden wir ihn deshalb nicht als formale Eins-zu-eins-Widerlegung, sondern als starken Hinweis darauf, dass ausgerechnet ein zentraler Wolkenbereich das entgegengesetzte Vorzeichen zeigt. Für die Gegenrechnung setzen wir konservativ einen stabilisierenden Wolkenbeitrag von +0,70 W/m²/K an.

 

Wasserdampf und Lapse Rate

Ähnlich kritisch ist die Kombination aus Wasserdampf und Lapse Rate. Die Studienlage zeigt zunächst, dass der Wasserdampf-Feedback keineswegs als direkt gemessene Konstante vorliegt. Liu et al. (2018) bestimmen aus AIRS/MLS-Beobachtungen für 2004–2016 einen kurzfristigen globalen Wasserdampf-Feedback von 1,55 ± 0,23 W/m²/K in der üblichen Klimafeedback-Konvention; Gordon et al. (2013) hatten zuvor mit einem anderen Zeitraum und anderen radiativen Kerneln 2,20 ± 0,40 W/m²/K erhalten. Liu et al. (ebd.) führen die Differenz ausdrücklich unter anderem auf die verwendeten Kernel und den Untersuchungszeitraum zurück. Zur Erklärung: Ein Kernel besagt, wie wie stark das beobachtete Feuchtesignal radiativ gewichtet wird, also wie viel zusätzliches Forcing entsteht. Das ist ebenfalls wieder eine Annahme, die aus Modellen abgeleitet wurde.

 

Ein radiativer Kernel ist im Kern die Ableitung

 

beziehungsweise häufig : Man verändert in einem Strahlungscode den Wasserdampf einer Atmosphärenschicht und berechnet, wie stark sich dadurch der TOA-Strahlungsfluss verändert. Danach multipliziert man dieses vorberechnete Empfindlichkeitsfeld mit der beobachteten Feuchteänderung. Der AR6 sagt ausdrücklich, dass genau diese Kernelmethode für die Zerlegung verwendet wird.

 

Schon die Spannweite der verschiedenen Ergebnisse zeigt, dass ein wesentlicher Teil der Größe nicht aus der beobachteten Feuchtezunahme allein stammt, sondern aus ihrer radiativen Übersetzung durch den jeweils verwendeten Kernel.

 

Genau dort setzt unsere eigene Prüfung an. Aus der beobachtungsbasierten Regression ergibt sich für die spezifische Feuchte ein Anstieg von etwa 5,7 % pro Kelvin. Unsere globale, flächen- und wolkengewichtete MODTRAN-Rechnung liefert gleichzeitig für eine Erhöhung der gesamten H₂O-Profile um 7 % eine Verringerung der ausgehenden Strahlung um rund 0,875 W/m², bei 14 % um rund 1,72 W/m². Das entspricht einer Strahlungssensitivität von ungefähr 0,1229 W/m² pro Prozent H₂O. Multipliziert mit den beobachteten 5,7 %/K ergibt sich damit ein Wasserdampf-Feedback von nur etwa

 

α_WV ≈ −0,70 W/m²/K

 

Der direkt mit MODTRAN berechnete Wert liegt damit erheblich unter den 1,55 bis 2,2 W/m²/K der Kernelstudien.

 

Besonders aufschlussreich ist der Vergleich mit unserer eigenen Kernelrechnung. Setzen wir denselben beobachteten Feuchteanstieg von 5,7 %/K in einen angenommenen Kernel von −25 W/m² pro Änderung von ln(q) ein, erhalten wir rund −1,43 W/m²/K als Schätzwert. Der beobachtete Feuchteanstieg ist in beiden Rechnungen identisch; nahezu der gesamte Unterschied zwischen −0,70 und −1,43 W/m²/K entsteht durch die angenommene radiative Empfindlichkeit. Unsere direkte MODTRAN-Rechnung entspricht effektiv einem Kernel von nur ungefähr −12,3 W/m² und damit etwa der Hälfte des zuvor angesetzten −25-W/m²-Kernels. Das ist der zentrale Befund: Der große Wasserdampf-Feedback entsteht nicht zwingend aus der gemessenen Wasserdampfzunahme, sondern entscheidend aus dem Modell, das diese Zunahme in einen TOA-Strahlungsfluss übersetzt.

 

Der AR6 setzt für Wasserdampf und Lapse Rate gemeinsam +1,30 W/m²/K in seiner Konvention beziehungsweise −1,30 W/m²/K in unserer positiven α-Konvention an. Dabei weist der AR6 selbst für den Wasserdampf allein einen satellitenbasiert abgeleiteten Wert von etwa 1,85 W/m²/K aus und kombiniert ihn mit einem stabilisierenden Lapse-Rate-Beitrag von rund −0,50 W/m²/K in der IPCC-Konvention. Diese Werte stammen jedoch ebenfalls aus radiativen Kernelzerlegungen; der AR6 erklärt ausdrücklich, dass verschiedene mathematische Zerlegungen von Wasserdampf und Lapse Rate möglich sind und dass WV und LR stark gekoppelt sind. Der kombinierte Wert von 1,30 W/m²/K ist daher keine direkt gemessene Energiegröße, sondern das Ergebnis einer bestimmten radiativen Zerlegung.

 

Übernehmen wir für eine erste Gegenrechnung unseren direkt bestimmten Wasserdampfwert von −0,70 W/m²/K und den im AR6 angesetzten stabilisierenden Lapse-Rate-Beitrag von +0,50 W/m²/K in unserer Konvention, bleibt zusammen nur

 

α_WV+LR ≈ −0,20 W/m²/K

 

Dem stehen −1,30 W/m²/K im AR6 gegenüber. Die Differenz beträgt damit rund 1,1 W/m²/K – fast so viel wie das gesamte vom AR6 angesetzte Netto-α von +1,16 W/m²/K. Diese Rechnung ist noch kein abschließender globaler WV+LR-Wert, weil eine proportionale Skalierung der MODTRAN-H₂O-Profile die reale vertikale Feuchteänderung nur näherungsweise abbildet. Sie zeigt aber sehr klar, wo geprüft werden muss: Nicht die beobachtete Feuchtezunahme erzeugt automatisch den starken IPCC-Wasserdampf-Feedback. Entscheidend ist der radiative Kernel, mit dem diese Feuchteänderung in W/m² übersetzt wird. Unsere unabhängige All-Sky-MODTRAN-Rechnung liefert für genau diese Übersetzung einen ungefähr halb so großen Effekt.

 

Damit lautet der erste belastbare Befund für den WV+LR-Term: Der AR6-Wert von −1,30 W/m²/K ist durch unsere direkte Strahlungsrechnung derzeit nicht reproduziert. Mit beobachteter Feuchteänderung und unserem global gewichteten MODTRAN-Strahlungseffekt ergibt sich zunächst ein wesentlich schwächerer Wasserdampfbeitrag; selbst unter Übernahme des AR6-Lapse-Rate-Wertes bleibt der kombinierte Effekt nahe −0,20 statt −1,30 W/m²/K.

 

Die Lapse Rate ist keine eigenständige Energiequelle, sondern ein Temperaturgradient. Die reale vertikale Energieübertragung, aus der sich dieser Gradient überhaupt ergibt, erfolgt durch Konvektion sowie durch latente und sensible Wärmeflüsse – die in der IPCC-Aufzählung vollständig verschwinden. Im realen Energiehaushalt transportieren sie zusammen Größenordnungen von rund 100 W/m² von der Oberfläche in die Atmosphäre und bestimmen wesentlich die vertikale Temperaturstruktur. In der Feedbackzerlegung werden diese Prozesse jedoch nicht als eigenständige Energieflüsse geführt; sichtbar bleibt nur ihre indirekte radiative Signatur über die Lapse Rate – und diese bildet nicht den Energiefluss selbst ab, sondern nur dessen radiative Folge. Damit wird ein großer realer Energietransport auf einen diagnostischen TOA-Term reduziert. Wer daraus einen präzisen globalen Feedbackwert ableitet, muss zunächst zeigen, dass diese Reduktion die tatsächliche geophysikalische Dynamik quantitativ vollständig abbildet.

 

Für unsere Rechnung übernehmen wir dennoch zunächst den AR6-Wert von α_LR ≈ +0,50 W/m²/K, weil uns derzeit keine belastbare unabhängige Studie vorliegt, die für die stabilisierende Lapse-Rate-Wirkung einen eindeutig größeren Wert ausweist. Gerade daran wird jedoch der enorme Hebel der Feedbackzerlegung sichtbar: Ein realer vertikaler Energietransport von rund 100 W/m² erscheint im α-Schema am Ende nur noch als radiative Korrektur von etwa +0,5 W/m²/K. Ob diese starke Reduktion die tatsächliche Dynamik vollständig erfasst, bleibt damit eine offene Prüfungsfrage. Für den Moment ändern wir den Wert nicht – aber wir behandeln ihn ausdrücklich als einen der Punkte, an denen aus einer großen geophysikalischen Energieumverteilung ein überraschend kleiner diagnostischer Feedbackterm wird.

 

Damit rechnen wir an dieser Stelle bewusst nicht zugunsten unseres Ergebnisses, sondern lassen den vom AR6 angesetzten stabilisierenden Lapse-Rate-Beitrag vollständig stehen. Die Abweichung des kombinierten WV+LR-Terms entsteht damit allein aus unserer deutlich kleineren, direkt mit MODTRAN bestimmten Wasserdampfwirkung.

 

Albedo

Auch die Albedo-Seite verlangt eine getrennte Prüfung. Der AR6 setzt für die Oberflächenalbedo einen verstärkenden Beitrag von α_Albedo ≈ −0,35 W/m²/K in unserer Konvention an. Dieser Wert ist jedoch keine direkt gemessene globale Strahlungsgröße. Der AR6 räumt selbst ein, dass eine rein beobachtungsbasierte globale Bestimmung des Surface-Albedo-Feedbacks bislang durch begrenzte räumliche und zeitliche Abdeckung verhindert wird. Der zentrale Wert von 0,35 W/m²/K stammt deshalb wesentlich aus CMIP5- und CMIP6-Modellen, insbesondere aus abrupten 4×CO₂-Experimenten und radiativen Kernelverfahren. Selbst die Umrechnung einer Änderung der Oberflächenalbedo in eine TOA-Strahlungswirkung ist nicht trivial: Der AR6 schreibt, dass die planetare Wirkung einer Oberflächenalbedoänderung durch atmosphärische Absorption und Streuung im Mittel um etwa zwei Drittel abgeschwächt wird und dass gerade Wolken dabei eine wichtige Unsicherheitsquelle darstellen.

 

Beobachtungen zeigen gleichzeitig, dass die Albedoentwicklung wesentlich komplizierter ist als dieser einzelne Parameter suggeriert. Li et al. (2024) finden für 2001–2021 einen deutlichen Rückgang der reflektierten Solarstrahlung. Die Veränderung stammt jedoch nicht überwiegend aus der Oberfläche, sondern zu großen Teilen aus Wolken und der klaren Atmosphäre; in der Nordhemisphäre spielen beispielsweise zurückgehende Sulfataerosole, weniger Staub und Veränderungen der Wolkenbedeckung eine wesentliche Rolle. Die unmittelbar beobachtbare Größe ist damit eine Veränderung der planetaren Reflexion und folglich der ASR. Diese lässt sich direkt in W/m² messen. Die anschließende Zerlegung in „Oberflächenalbedo“, „Wolkenfeedback“ und „Aerosolwirkung“ ist dagegen eine Attribution, bei der voneinander gekoppelte Beiträge mathematisch wieder auseinandergezogen werden müssen.

 

Genau hier zeigt sich die Schwäche der α-Zerlegung besonders deutlich. Die Natur liefert zunächst ein unmittelbar messbares Signal: mehr oder weniger reflektierte Solarstrahlung. Daraus wird anschließend ein Oberflächen-Albedo-Feedback in W/m²/K konstruiert, obwohl der gemessene TOA-Fluss gleichzeitig von Oberfläche, Wolken, Aerosolen und atmosphärischer Transmission abhängt. Um aus dem gemessenen ASR-Signal den einzelnen Wert α_Albedo herauszulösen, benötigt man deshalb wieder Annahmen, Reanalysen oder radiative Kerne. Der direkt messbare Energiefluss wird damit durch einen diagnostischen Parameter ersetzt, der schwieriger unabhängig zu kontrollieren ist als die ursprüngliche Beobachtung.

 

Für unseren Audit bleibt deshalb der direkt beobachtete Weg der stärkere: Wie stark verändert sich die reflektierte Solarstrahlung tatsächlich, und welcher Anteil davon stammt nachweisbar von der Oberfläche? Li et al. (2024) zeigen gerade, dass große Teile der beobachteten RSR-Änderung aus Wolken und klarer Atmosphäre stammen. Wer daraus einen isolierten Oberflächen-Albedo-Term von −0,35 W/m²/K ableitet, muss anschließend beweisen, dass diese Zerlegung die gemessene ASR-Entwicklung korrekt reproduziert. Solange das nicht gezeigt ist, behandeln wir α_Albedo nicht als eigenständig gemessene Größe, sondern als modellgestützte Attribution eines bereits direkt beobachtbaren kurzwelligen Strahlungssignals.

 

Obwohl der isolierte Wert damit keineswegs unabhängig bestätigt ist, verändern wir ihn in unserer Rechnung nicht. Wir übernehmen die AR6-Albedo von −0,35 W/m²/K vollständig. Auch hier rechnen wir also nicht in Richtung einer niedrigen Sensitivität, sondern lassen den verstärkenden AR6-Term unverändert stehen.

 

Weitere Rückkopplungen

Die beiden letzten AR6-Terme betreffen keine unmittelbar radiativen Standardfeedbacks, sondern Rückwirkungen des Kohlenstoffkreislaufs und der Landoberfläche. Biogeophysikalische Rückkopplungen umfassen etwa Änderungen von Vegetation, Oberflächenrauigkeit, Evapotranspiration und Albedo; nicht-CO₂-biogeochemische Rückkopplungen erfassen unter anderem Veränderungen anderer klimawirksamer Stoffe und Prozesse des Kohlenstoff- und Stickstoffkreislaufs. In der AR6-Bilanz liegen ihre Bestwerte in unserer α-Konvention bei ungefähr −0,15 W/m²/K beziehungsweise +0,16 W/m²/K und heben sich damit praktisch vollständig auf; die Summe beträgt nur etwa +0,01 W/m²/K. Für unsere Prüfung von α spielen sie damit im zentralen Wert praktisch keine Rolle. Wir übernehmen diese Kompensation unverändert und konzentrieren uns auf die großen Hebel

 

Der Kassensturz: 3 K werden zu 0,74 K

Am Ende dieser Prüfung steht kein kleiner Korrekturbedarf, sondern ein grundsätzlich anderes Ergebnis. Der AR6 gelangt mit einem Forcing von 3,93 W/m² und einem Netto-α von nur 1,16 W/m²/K auf eine Klimasensitivität von ungefähr 3 K. In unserer Abschätzung ergibt sich unter Verwendung des direkt mit MODTRAN berechneten All-Sky-Forcings von 2,48 W/m² und eines Netto-Rückkopplungsparameters von ca. 3,37 W/m²/K (Planck + konservativ stabilisierender Wolkenbeitrag + eigene MODTRAN-basierte Abschätzung für Wasserdampf + Lapse Rate + unverändert übernommene AR6-Albedo) eine Gleichgewichtsklimasensitivität von etwa 0,74 K. Klar: Dieser Wert dient hier vor allem als als illustrativer Gegenpol zur AR6-Schätzung, denn er ist selbst noch mit vereinfachenden Annahmen behaftet.

 

Der Unterschied entsteht nicht durch eine einzelne exotische Annahme, sondern genau an den Stellen, an denen das Forcing-Feedback-Framework seine größten Hebel besitzt. Auf der Forcing-Seite wird ein unmittelbar berechenbares CO₂-Signal durch modellbasierte Adjustments angehoben. Auf der Feedback-Seite wird die robuste Planck-Gegenreaktion von rund 3,22 W/m²/K durch mehrere überwiegend modelldiagnostisch bestimmte Terme auf nur noch 1,16 W/m²/K reduziert. Weil α im Nenner der Gleichung ECS = F/α steht, genügt bereits eine relativ kleine Verschiebung dieses Parameters, um die berechnete Klimasensitivität massiv zu verändern. Die Architektur besitzt damit zwei mathematische Hebel, die eine hohe Sensitivität begünstigen: ein größeres F im Zähler und ein kleineres α im Nenner.

 

Genau deshalb reicht eine rechnerisch passende Endsumme nicht als Validierung. Solange nur

 

N = F − αΔT

 

geprüft wird, können unterschiedliche Kombinationen von F und α dasselbe N erzeugen. Bei gegebenem N und ΔT gilt

 

F = N + αΔT.

 

Damit sind F und α aus dieser Gleichung allein nicht eindeutig bestimmbar. Wird α anschließend noch in Planck, Wasserdampf, Lapse Rate, Wolken, Albedo und weitere Terme zerlegt, entstehen zusätzliche interne Freiheitsgrade. Fehler einzelner Komponenten können sich gegenseitig kompensieren, während die Endsumme weiterhin plausibel aussieht. Eine solche Übereinstimmung beweist zunächst nur interne parametrische Konsistenz, nicht die unabhängige Richtigkeit der einzelnen Größen.

 

Noch schwerer wiegt, dass die reale Strahlungsbilanz mehr Information enthält als das kompakte Forcing-Feedback-Framework benutzt. CERES misst getrennt:

 

N = ASR − OLR.

 

Damit liegen zwei eigenständig beobachtbare Strahlungssignale vor. Ein Anstieg von N kann durch mehr absorbierte Sonnenstrahlung, durch weniger ausgehende Wärmestrahlung oder durch eine Kombination aus beidem entstehen. Die Gleichung N = F − αΔT reduziert diese physikalisch unterschiedlichen Wege zunächst wieder auf eine einzige Nettozahl. Ein Modell kann deshalb das richtige N liefern und trotzdem sowohl bei ASR als auch bei OLR falsch liegen, wenn sich die Fehler gegenseitig aufheben.

 

Das ist besonders relevant, weil die einzelnen Feedbacks keineswegs auf dieselbe Seite der Energiebilanz wirken. Planck und Wasserdampf wirken überwiegend auf OLR. Albedo wirkt auf ASR. Wolken verändern gleichzeitig ASR und OLR. Lapse Rate ist die radiative Folge einer vertikalen Temperaturstruktur, die wiederum durch reale Energieübertragung über Konvektion, latente und sensible Wärme entsteht. Diese physikalisch völlig unterschiedlichen Prozesse werden am Ende in einem einzigen α zusammengezogen. Damit verschwindet genau jene Struktur, die CERES getrennt beobachten kann.

 

Der strengere Test lautet deshalb nicht mehr nur – wie in der Konsistenzrechnung: Passt N? Er lautet: Passt ASR? Passt OLR? Und entsteht daraus auch das richtige N? Erst wenn alle drei Bedingungen gleichzeitig erfüllt sind, ist gezeigt, dass die Endsumme aus den richtigen physikalischen Einzelbestandteilen entsteht. Ein Treffer bei N ist notwendig, aber nicht hinreichend.

 

Unsere Prüfung zeigt bisher genau das Gegenteil einer robusten unabhängigen Bestätigung der AR6-Parameter. Das klassische CO₂-Forcing lässt sich in unseren Strahlungsrechnungen auffällig gut unter nicht vorhandenem H₂O-Overlap reproduzieren. Mit vollständigem Wasserdampf fällt es deutlich kleiner aus. Die anschließend hinzugefügten Adjustments sind keine direkt gemessenen Energieflüsse, sondern modellgestützte Diagnosen. Beim Feedbackparameter zeigt sich ein ähnliches Muster: Der große Wasserdampfterm hängt entscheidend an der radiativen Übersetzung durch Kernel, der Wolkenfeedback kann in beobachtungsbasierten Untersuchungen sogar das Vorzeichen wechseln, der Lapse-Rate-Term reduziert komplexe vertikale Energietransporte auf eine diagnostische TOA-Wirkung, und der Albedoterm verwandelt ein direkt messbares ASR-Signal wieder in einen modellgestützt isolierten Parameter.

 

Das bedeutet etwas methodisch Grundsätzlicheres: Die hohe Klimasensitivität entsteht aus einer Kette von Zerlegungen, Adjustments und diagnostischen Parametern, deren Einzelwerte wesentlich weniger direkt beobachtbar sind als das Endergebnis vermuten lässt. Gleichzeitig können sich diese Terme innerhalb der Netto-Gleichung gegenseitig kompensieren. Es entsteht damit zumindest der Eindruck eines weitgehend geschlossenen Prüfsystems: Zentrale Größen wie Forcing, Adjustments und Feedbackparameter werden zu großen Teilen mit denselben Modellfamilien, radiativen Kerneln und diagnostischen Verfahren bestimmt, mit denen anschließend auch die Konsistenz des Forcing-Feedback-Frameworks bewertet wird. Da diese Modelle selbst auf derselben Grundstruktur N = F − αΔT und den daraus abgeleiteten Rückkopplungszerlegungen aufbauen, bleibt die unabhängige externe Prüfung begrenzt. Das Framework wird damit vor allem innerhalb einer Modellwelt bestätigt, die seine eigenen Begriffe und Parameter bereits voraussetzt. Genau dadurch entsteht die Gefahr, interne Selbstkonsistenz mit empirischer Validierung zu verwechseln.

 

Unsere Gegenrechnung entfernt genau dort Annahmen, wo eine unabhängige Reproduktion nicht gelingt. Das Forcing sinkt von 3,93 auf 2,48 W/m². Das Netto-α steigt von 1,16 auf rund 3,37 W/m²/K. Aus der AR6-Klimasensitivität von rund 3 K werden damit etwa 0,74 K.

 

Und selbst dieser Wert liegt noch deutlich über unserer direkten CERES-basierten Abschätzung von rund 0,36 K pro CO₂-Verdopplung. Der Grund liegt auf der Hand: Auch die 0,74-K-Rechnung enthält weiterhin geschätzte und zerlegte Feedbackterme. Die CERES-Auswertung bleibt näher an den tatsächlich gemessenen Größen ASR, OLR und Temperatur und benötigt wesentlich weniger diagnostische Zwischenschritte.

 

Damit ergibt sich ein auffälliges Gesamtbild:

 

Je mehr das Problem in modellierte Einzelterme zerlegt wird, desto höher fällt die berechnete Klimasensitivität aus. Je näher wir dagegen an den direkt beobachteten Strahlungsflüssen bleiben, desto kleiner wird die abgeleitete CO₂-Wirkung. Und genau das ist die zentrale methodische Frage dieser gesamten Überprüfung.

 

Literaturverzeichnis

Budyko, M. I. (1969). The effect of solar radiation variations on the climate of the Earth. Tellus, 21(5), 611–619. https://doi.org/10.1111/j.2153-3490.1969.tb00466.x

 

Cesana, G. V., & Arouf, A. (2026). A reconciled satellite record reveals a negative low cloud feedback over the past 47 years. Geophysical Research Letters, 53(13), e2026GL124158. https://doi.org/10.1029/2026GL124158

 

Chung, E.-S., & Soden, B. J. (2015a). An assessment of direct radiative forcing, radiative adjustments, and radiative feedbacks in coupled ocean–atmosphere models. Journal of Climate, 28(10), 4152–4170. https://doi.org/10.1175/JCLI-D-14-00436.1

 

Chung, E.-S., & Soden, B. J. (2015b). An assessment of methods for computing radiative forcing in climate models. Environmental Research Letters, 10(7), 074004. https://doi.org/10.1088/1748-9326/10/7/074004

 

Ding, Y., Liu, Q., Lao, P., Li, M., Li, Y., Zheng, Q., & Peng, Y. (2023). Spatial distributions of cloud occurrences in terms of volume fraction as inferred from CloudSat and CALIPSO. Remote Sensing, 15(16), 3978. https://doi.org/10.3390/rs15163978

 

Forster, P., Storelvmo, T., Armour, K., Collins, W., Dufresne, J.-L., Frame, D., Lunt, D. J., Mauritsen, T., Palmer, M. D., Watanabe, M., Wild, M., & Zhang, H. (2021). The Earth’s energy budget, climate feedbacks, and climate sensitivity. In V. Masson-Delmotte et al. (Eds.), Climate change 2021: The physical science basis (pp. 923–1054). Cambridge University Press. https://doi.org/10.1017/9781009157896.009

 

Gregory, J. M., Ingram, W. J., Palmer, M. A., Jones, G. S., Stott, P. A., Thorpe, R. B., Lowe, J. A., Johns, T. C., & Williams, K. D. (2004). A new method for diagnosing radiative forcing and climate sensitivity. Geophysical Research Letters, 31(3), L03205. https://doi.org/10.1029/2003GL018747

 

Hansen, J., Lacis, A., Rind, D., Russell, G., Stone, P., Fung, I., Ruedy, R., & Lerner, J. (1984). Climate sensitivity: Analysis of feedback mechanisms. In J. E. Hansen & T. Takahashi (Eds.), Climate processes and climate sensitivity (Geophysical Monograph Series, Vol. 29, pp. 130–163). American Geophysical Union. https://doi.org/10.1029/GM029p0130

 

Intergovernmental Panel on Climate Change. (2007). Climate change 2007: The physical science basis. Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press.

 

Intergovernmental Panel on Climate Change. (2013). Climate change 2013: The physical science basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press.

 

Jeevanjee, N., Seeley, J. T., Paynter, D., & Fueglistaler, S. (2021). An analytical model for spatially varying clear-sky CO₂ forcing. Journal of Climate, 34(23), 9463–9480. https://doi.org/10.1175/JCLI-D-19-0756.1

 

Li, R., Jian, B., Li, J., Wen, D., Zhang, L., Wang, Y., & Wang, Y. (2024). Understanding the trends in reflected solar radiation: A latitude- and month-based perspective. Atmospheric Chemistry and Physics, 24, 9777–9803. https://doi.org/10.5194/acp-24-9777-2024

 

Liu, R., Su, H., Liou, K.-N., Jiang, J. H., Gu, Y., Liu, S. C., & Shiu, C.-J. (2018). An assessment of tropospheric water vapor feedback using radiative kernels. Journal of Geophysical Research: Atmospheres, 123, 1499–1509. https://doi.org/10.1002/2017JD027512

 

Loeb, N. G., Ham, S.-H., Allan, R. P., Thorsen, T. J., Meyssignac, B., Kato, S., Johnson, G. C., & Lyman, J. M. (2024). Observational assessment of changes in Earth’s energy imbalance since 2000. Surveys in Geophysics, 45(6), 1757–1783. https://doi.org/10.1007/s10712-024-09838-8

 

Manabe, S., & Wetherald, R. T. (1967). Thermal equilibrium of the atmosphere with a given distribution of relative humidity. Journal of the Atmospheric Sciences, 24(3), 241–259. https://doi.org/10.1175/1520-0469(1967)024%3C0241:TEOTAW%3E2.0.CO;2

 

Myhre, G., & Stordal, F. (1997). Role of spatial and temporal variations in the computation of radiative forcing and GWP. Journal of Geophysical Research: Atmospheres, 102(D10), 11181–11200. https://doi.org/10.1029/97JD00148

 

Myhre, G., Highwood, E. J., Shine, K. P., & Stordal, F. (1998). New estimates of radiative forcing due to well mixed greenhouse gases. Geophysical Research Letters, 25(14), 2715–2718. https://doi.org/10.1029/98GL01908

 

Raghuraman, S. P., Medeiros, B., & Gettelman, A. (2024). Observational quantification of tropical high cloud changes and feedbacks. Journal of Geophysical Research: Atmospheres, 129, e2023JD039364. https://doi.org/10.1029/2023JD039364

 

Smith, C. J., Kramer, R. J., Myhre, G., Alterskjær, K., Collins, W., Sima, A., Boucher, O., Dufresne, J.-L., Nabat, P., Michou, M., Yukimoto, S., Cole, J., Paynter, D., Shiogama, H., O’Connor, F. M., Robertson, E., Wiltshire, A., Andrews, T., Hannay, C., … Forster, P. M. (2020). Effective radiative forcing and adjustments in CMIP6 models. Atmospheric Chemistry and Physics, 20, 9591–9618. https://doi.org/10.5194/acp-20-9591-2020

 

Vial, J., Dufresne, J.-L., & Bony, S. (2013). On the interpretation of inter-model spread in CMIP5 climate sensitivity estimates. Climate Dynamics, 41, 3339–3362. https://doi.org/10.1007/s00382-013-1725-9

 

Zhang, M., & Huang, Y. (2014). Radiative forcing of quadrupling CO₂. Journal of Climate, 27(7), 2496–2508. https://doi.org/10.1175/JCLI-D-13-00535.1