Ein wachsender Ergebnisraum

Im letzten Kapitel wurde der Weg nachgezeichnet, auf dem aus bedingten Modellrechnungen politische Gewissheiten entstehen. Ausgangspunkt waren die physikalischen Annahmen des IPCC, insbesondere das Forcing-Feedback-Schema (ΔN≈ΔF-αΔT), die daraus abgeleitete Gleichgewichtssensitivität und der zentrale Schätzwert von rund drei Grad Celsius je CO₂-Verdopplung. Dem wurden die getrennten CERES-Messreihen von absorbierter kurzwelliger und ausgehender langwelliger Strahlung gegenübergestellt. Sie zeigen eine Entwicklung der realen Strahlungsbilanz, die sich nicht ohne Weiteres auf einen konstanten globalen Feedbackparameter reduzieren lässt (Loeb et al., 2018; Loeb et al., 2024). Auf diesem bereits voraussetzungsreichen Fundament errichteten die RCP- und SSP-Szenarien eine zweite Modellschicht: gesellschaftliche Erzählungen wurden in Emissionspfade, Strahlungsantriebe und konkrete Temperaturverläufe bis 2100 übersetzt. Medien griffen bevorzugt die höchsten Pfade und stärksten Folgen auf, während deren Bedingungen zunehmend aus dem Blick verschwanden. Über die Risikologik des IPCC, das Pariser Abkommen und das Bundes-Klimaschutzgesetz gelangten diese Projektionen schließlich in einen verbindlichen politischen und rechtlichen Rahmen. Aus einer langen Wenn-dann-Kette wurde eine belastbare Arbeitsgrundlage, deren ursprüngliche Annahmen auf jeder weiteren Stufe seltener erneut geprüft wurden.

 

An genau dieser Stelle setzt die Klimafolgenforschung an. Sie bestimmt Strahlungsantrieb und Klimasensitivität gewöhnlich nicht selbst, sondern übernimmt Temperatur-, Niederschlags- und Extremwertentwicklungen aus vorgelagerten Klima- und Szenarienmodellen und übersetzt sie in Aussagen über Hochwasser, Dürren, Ernten, Krankheiten, wirtschaftliche Schäden oder Todesfälle. Zwischen dem globalen Klimamodell und der konkreten Folgenzahl liegen dabei weitere Rechenschritte: Regionalisierung, Bias-Korrektur, statistische Auswertung sowie hydrologische, ökologische, gesundheitliche oder ökonomische Wirkungsmodelle. Zunächst berechnen globale Klima- und Erdsystemmodelle mögliche Klimareaktionen unter vorgegebenen Emissions-, Konzentrations- und Landnutzungsszenarien. Die Modellläufe entstehen in internationalen Modellvergleichsprojekten wie CMIP6 und ScenarioMIP; der IPCC erzeugt sie nicht selbst, sondern bewertet, vergleicht und verdichtet ihre Ergebnisse zu szenariobasierten Klimaprojektionen (Eyring et al., 2016; Lee et al., 2021; O’Neill et al., 2016). Klimafolgenstudien übernehmen diese projizierten Klimaänderungen anschließend als Eingangsdaten, häufig nach Regionalisierung und Bias-Korrektur, ohne die zugrunde liegende Klimasensitivität oder Strahlungsbilanz innerhalb der jeweiligen Folgenstudie erneut zu prüfen (Falloon et al., 2014; Warszawski et al., 2014).

 

So entsteht eine Kaskade von Annahmen. Emissionen werden in Strahlungsantriebe übersetzt, Strahlungsantriebe in Temperaturveränderungen und diese wiederum in Projekten wie ISIMIP unter Verwendung globaler Klimamodelle in regionale und sektorale Folgen. Daraus werden Veränderungen von Extremereignissen, Schäden sowie gesellschaftliche und gesundheitliche Entwicklungen abgeleitet. Jede Stufe enthält eigene Modellstrukturen, Parameterentscheidungen und Unsicherheitsquellen. Obwohl die Ergebnisse regional hochaufgelöst und numerisch präzise berichtet werden, bleiben sie das Resultat verketteter Modellschätzungen und methodischer Pfadentscheidungen. Frigg et al. (2015) zerlegen UKCP09 in sieben aufeinanderfolgende Bearbeitungsstufen: Klimamodell, Beobachtungsdaten, Parameterwahl, struktureller Modellfehler, statistische Auswertung, Emulator und regionale Skalierung. Jede Stufe übernimmt das Ergebnis der vorherigen und fügt eigene Annahmen und mögliche Abweichungen hinzu. Schon bei unabhängigen, zufällig verteilten Fehlern wächst die Gesamtunsicherheit mit der Wurzel aus der Zahl der Stufen: Unter der rein illustrativen Annahme unabhängiger, additiver und mittelwertfreier Fehler addieren sich die Varianzen. Bei sieben gleich großen Fehlerbeiträgen gilt σ_gesamt = √7 · σ. Für σ = 0,25 ergibt sich damit eine Gesamtstandardabweichung von 0,66; für σ = 0,50 sind es 1,32. Diese Varianzaddition entspricht formal einem Random Walk. Die Rechnung ist eine eigene Analogie; Frigg et al. (2015) führen sie nicht selbst durch.

 

Vom CO₂-Anstieg zum Strahlungsantrieb

Rechnen wir die Kaskade zunächst für die ersten drei Stufen durch, bei denen die verwendeten Spannweiten ausdrücklich ausgewiesen sind. Der Ausgangspunkt ist der effektive Strahlungsantrieb des CO₂. Der IPCC bewertet den Strahlungsantrieb einer vollständigen Verdopplung der atmosphärischen CO₂-Konzentration im AR6 mit einem Zentralwert von 3,93 W/m².

 

Bevor wir den Strahlungsantrieb in eine Temperaturänderung übersetzen, muss die Bezugsgröße eindeutig festgelegt werden. Die folgende Abbildung zeigt nicht die ECS einer vollständigen CO₂-Verdopplung, sondern die mit dem ECS-Framework berechnete Gleichgewichtserwärmung für einen Anstieg der atmosphärischen CO₂-Konzentration von 360 auf 560 ppm. Dieser Ausschnitt wurde bewusst gewählt, um die Rechnung bei einer direkt gemessenen Konzentration der modernen instrumentellen Periode beginnen zu lassen und nicht zusätzlich auf einen vorindustriellen Ausgangswert von etwa 280 ppm zurückgreifen zu müssen. An der Messstation Mauna Loa betrug das Jahresmittel 1995 genau 360,97 ppm.

 

Der Endwert von 560 ppm ist dagegen noch kein Messwert, sondern eine szenarioabhängige Zukunftsprojektion. Die Konzentrationspfade von Meinshausen et al. (2020) erreichen diese Marke zu unterschiedlichen Zeitpunkten. Aus den globalen CO₂-Konzentrationen ihrer Tabelle 5 ergibt sich durch lineare Interpolation ein Zeitpunkt um 2049/2050 unter SSP5-8.5, um 2053 unter SSP3-7.0 und um 2069 unter SSP2-4.5. Die Rechnung beschreibt damit – abhängig vom gewählten Szenario – einen Zeitraum vom gemessenen Ausgangswert des Jahres 1995 bis ungefähr 2050, 2053 oder 2069.

 

Der dargestellte Anstieg von 360 auf 560 ppm entspricht keiner vollständigen Verdopplung. Aufgrund der logarithmischen Skalierung beträgt er nur

 

log2(560 / 360) = 0,637

 

einer Verdopplung. Der zusätzliche Strahlungsantrieb wird deshalb mit der bekannten Formel

 

ΔF(C) = F2×CO2 · log2(C / C0)

 

berechnet. Aus dem IPCC-Zentralwert von 3,93 W/m² werden für den Anstieg von 360 auf 560 ppm somit 2,51 W/m². AR 6, Kapitel 7 (IPCC, 2021) nennt für den Strahlungsantrieb einer vollständigen CO₂-Verdopplung eine Standardunsicherheit von ±0,47 W/m². Auf den hier betrachteten Konzentrationsanstieg von 360 auf 560 ppm übertragen entspricht dies einer Standardunsicherheit von ±0,30 W/m². Für die grafische Hüllkurve verwendet Abbildung 14.1 zusätzlich die in Annex III ausgewiesene Spanne des Verdopplungsantriebs von 3,40 bis 4,45 W/m². Dies führt zu einer unteren Forcingschätzung von 2,17 W/m², und einer oberen von 2,84 W/m². Die grafisch dargestellte Spanne besitzt damit eine Gesamtbreite von 0,67 W/m² statt 0,60 W/m². (Forster et al., 2021; IPCC, 2021). Diese Breite ist nicht mit einer Standardabweichung gleichzusetzen. Für die spätere lokale Fehlerfortpflanzung wird allerdings die vom IPCC ausgewiesene Standardunsicherheit verwendet, die für den Anstieg von 360 auf 560 ppm σF = 0,30 W/m² beträgt. Beide Angaben betreffen ausschließlich den angesetzten CO₂-Strahlungsantrieb. Rückkopplungen, Klimasensitivität, geschätzte Temperaturentwicklung, Ozeanwärmeaufnahme und Modellantworten kommen erst in den folgenden Schritten hinzu.

Abbildung 14.1. Die rote Linie zeigt den nach dem AR6-Zentralwert berechneten effektiven Strahlungsantrieb für einen Anstieg der atmosphärischen CO₂-Konzentration von 360 auf 560 ppm. Das hellrote Band überträgt die vom IPCC ausgewiesene Spanne des Verdopplungsantriebs von 3,40 bis 4,45 W/m² auf denselben Konzentrationsbereich. Am Endpunkt ergeben sich 2,51 W/m² bei einer Spanne von 2,17 bis 2,84 W/m². Dargestellt ist ausschließlich die erste Unsicherheitsstufe der späteren Modellkette; Unsicherheiten der Temperaturreaktion und der nachgelagerten Modellierung sind noch nicht enthalten. Quelle: eigene Berechnung nach Forster et al. (2021) und IPCC (2021).

 

Vom Strahlungsantrieb zur Gleichgewichtserwärmung

Der IPCC fasst die einzelnen klimatischen Rückkopplungen zu einem globalen Netto-Rückkopplungsparameter α zusammen. In der hier verwendeten Vorzeichenkonvention beschreibt ein größeres α eine stärkere stabilisierende Strahlungsantwort; ein kleineres α führt bei gleichem Strahlungsantrieb zu einer höheren Gleichgewichtstemperatur. Für den AR6 wird α mit einer Punktschätzung von 1,16 W/m²/K und einem likely-Bereich von 0,78 bis 1,54 W/m²/K angesetzt (Forster et al., 2021). Unterstellt man dieses Verfahren als belastbar – die methodische Kritik daran wurde in den Kapiteln 12 und 13 behandelt –, folgt die Temperaturänderung unmittelbar aus dem Quotienten von Strahlungsantrieb und Rückkopplungsparameter:

 

ΔT = ΔF / α

 

Für den zentralen Strahlungsantrieb von 2,51 W/m² ergibt sich damit:

 

ΔT̂ = 2,51 W/m2 / 1,16 W/m2/K = 2,16 K

 

Wird zunächst nur die Forcing-Spanne aus dem ersten Schritt durch das zentrale α geteilt, ergibt sich:

 

ΔT(Fmin) = ΔFmin / α = 2,17 / 1,16 = 1,87 K

 

ΔT(Fmax) = ΔFmax / α = 2,84 / 1,16 = 2,45 K

 

Werden anschließend auch die Grenzen von α eingesetzt, öffnet sich der Ergebnisbereich weiter. Die niedrigste Temperatur entsteht aus dem kleinsten Forcing und dem stärksten stabilisierenden Rückkopplungsparameter:

 

ΔTmin = ΔFmin / αmax = 2,17 / 1,54 = 1,41 K

 

Die höchste Temperatur entsteht aus dem größten Forcing und dem schwächsten stabilisierenden Rückkopplungsparameter:

 

ΔTmax = ΔFmax / αmin = 2,84 / 0,78 = 3,64 K

 

Damit wächst die Spannweite vom ersten Rechenschritt von 2,17 bis 2,84 W/m² im zweiten Schritt zu einer möglichen Gleichgewichtserwärmung von 1,41 bis 3,64 K. Dieses Intervall ist eine Hüllkurve aus den jeweiligen unteren und oberen Grenzen von Forcing und α.

 

 

Abbildung 14.2: Vom Strahlungsantrieb zur berechneten Gleichgewichtserwärmung. Die rote Linie zeigt die Temperaturschätzung aus dem zentralen Strahlungsantrieb und dem zentralen Netto-Rückkopplungsparameter α. Das hellrote Band überträgt zunächst ausschließlich die Forcing-Spanne auf die Temperaturrechnung. Die beiden blauen Linien verwenden die Unter- beziehungsweise Obergrenze des Strahlungsantriebs; die hellblauen Bereiche zeigen die zusätzliche Spannweite, die durch den likely-Bereich von α zwischen 0,78 und 1,54 W/m²/K entsteht. Bei einer CO₂-Zunahme von 360 auf 560 ppm ergibt sich eine zentrale Gleichgewichtserwärmung von 2,16 K. Die Kombination der jeweils äußersten Eingangsgrößen reicht von 1,41 bis 3,64 K. Dargestellt ist eine rechnerische Hüllkurve des Forcing-Feedback-Frameworks, kein gemeinsames probabilistisches Konfidenzintervall. Quelle: eigene Berechnung nach Forster et al. (2021).

 

Von der Gleichgewichts- zur transienten Modellantwort

Der dritte Rechenschritt übersetzt die Gleichgewichtserwärmung in eine transiente Temperaturantwort. Dazu wurden die von Rypdal et al. (2021) zusammengestellten ECS- und TCR-Werte von 41 CMIP6-Modellen verwendet. Die dort berichteten ECS-Werte werden überwiegend aus abrupten CO₂-Vervierfachungsexperimenten mithilfe der Gregory-Methode diagnostiziert. Zusätzlich wird in einem standardisierten Modellversuch, bei dem die CO₂-Konzentration jährlich um ein Prozent steigt, die sogenannte Transient Climate Response (TCR) bestimmt. Sie bezeichnet die simulierte Erwärmung zum Zeitpunkt der CO₂-Verdopplung, der in diesem Versuch nach ungefähr 70 Jahren erreicht wird. Anders als die Planck-Antwort ist die TCR keine einzelne physikalische Rückkopplung, sondern eine modellabhängige Ergebnisgröße. Sie entsteht in einem idealisierten Versuch mit jährlich um ein Prozent steigender CO₂-Konzentration und enthält die gemeinsame Reaktion des modellierten Rückkopplungssystems, der räumlichen Erwärmungsmuster und der Ozeanwärmeaufnahme. Mit ihrer Übertragung auf die zuvor bestimmten Gleichgewichtswerte wird daher eine weitere Modellstufe in die Rechnung eingeführt.

 

Für jedes der 41 Modelle wurde das Verhältnis TCR/ECS berechnet. Sein Median beträgt 0,563; das zentrale 68-%-Intervall reicht ungefähr von 0,464 bis 0,663. Die fünf Ausgangspfade müssen dabei unterschiedlich behandelt werden. Die Werte 1,41 K, 2,16 K und 3,64 K aus Abbildung 14.2 sind bereits Gleichgewichtserwärmungen für den Konzentrationsanstieg von 360 auf 560 ppm. Sie werden daher unmittelbar mit dem Verhältnis TCR/ECS multipliziert:

 

ΔTtrans(360→560) = ΔTeq(360→560) · TCR/ECS

 

Die Werte 0,36 K und 0,74 K sind dagegen ECS-Schätzungen für eine vollständige CO₂-Verdopplung. Sie müssen zunächst mit dem logarithmischen Konzentrationsfaktor auf den betrachteten Bereich übertragen werden:

 

ΔTtrans(360→560) = ECS2× · log2(560/360) · TCR/ECS

 

Die schwach sichtbaren Einzelbänder in Abbildung 14.3 zeigen für jeden Pfad die Streuung des TCR/ECS-Verhältnisses vom 16. bis zum 84. Perzentil. Die zusammenhängende hellgrüne Fläche reicht darüber hinaus bei jeder Konzentration von der niedrigsten Untergrenze bis zur höchsten Obergrenze aller fünf Pfade. Sie verbindet damit die Auswahl unterschiedlicher Ausgangsschätzungen mit der Streuung des CMIP6-Verhältnisses, stellt aber keine gemeinsame Wahrscheinlichkeitsverteilung dar.

 

Die 41 verwendeten CMIP6-Modelle besitzen ECS-Werte zwischen ungefähr 1,8 und 5,6 K. Für einen korrekten Vergleich müssen die drei Werte aus Abbildung 14.2 zunächst auf eine vollständige Verdopplung zurückgerechnet werden. Die Gleichgewichtserwärmungen von 1,41 K, 2,16 K und 3,64 K für 360 bis 560 ppm entsprechen ECS-Werten von ungefähr 2,21 K, 3,39 K und 5,71 K. Damit liegen die beiden ersten Werte innerhalb des CMIP6-Bereichs, während der obere Pfad mit 5,71 K knapp darüber liegt. Unsere ECS-Schätzungen von 0,36 K und 0,74 K der Kapitel 11 und 12 liegen deutlich unterhalb des Modellbereichs. Die Anwendung der CMIP6-Verhältnisse auf den oberen Pfad sowie auf die beiden sehr niedrigen ECS-Schätzungen ist daher als Extrapolation zu kennzeichnen.

 

Tabelle 14.1: Transiente Temperaturantwort der fünf Ausgangspfade

 

Ausgangspfad	Zentralwert	Zentrales 68-%-Intervall	Volle Spanne der 41 TCR/ECS-Verhältnisse
obere Gleichgewichtsschätzung 3,64 K	2,05 K	1,69–2,41 K	1,16–2,86 K
zentrale Gleichgewichtsschätzung 2,16 K	1,22 K	1,00–1,43 K	0,69–1,70 K
untere Gleichgewichtsschätzung 1,41 K	0,79 K	0,65–0,93 K	0,45–1,11 K
ECS aus berechnetem Alpha 0,74 K	0,27 K	0,22–0,31 K	0,15–0,37 K
ECS aus CERES-Daten 0,36 K	0,13 K	0,11–0,15 K	0,07–0,18 K

 

 

Abbildung 14.3: Von fünf Ausgangsschätzungen zur transienten Temperaturantwort. Die fünf grünen Linien zeigen die für einen Anstieg der atmosphärischen CO₂-Konzentration von 360 auf 560 ppm berechnete transiente Erwärmung. Die drei aus Abbildung 14.2 übernommenen Werte von 1,41 K, 2,16 K und 3,64 K sind bereits Gleichgewichtserwärmungen für diesen Konzentrationsbereich und werden daher unmittelbar mit dem Median des Verhältnisses TCR/ECS aus 41 CMIP6-Modellen multipliziert. Die ECS-Schätzungen von 0,36 K und 0,74 K (Kapitel 11 und 12) beziehen sich dagegen auf eine vollständige CO₂-Verdopplung und werden zunächst mit dem Faktor log₂(560/360) auf den betrachteten Konzentrationsanstieg übertragen. Die schwach sichtbaren Einzelbänder zeigen für jeden Rechenpfad das zentrale 68-%-Intervall des TCR/ECS-Verhältnisses vom 16. bis zum 84. Perzentil. Die zusammenhängende hellgrüne Fläche bildet bei jeder Konzentration die Hüllkurve der fünf ausgewählten Pfade unter Einbeziehung des zentralen 68-%-Bereichs der TCR/ECS-Verhältnisse. Sie reicht bei 560 ppm von 0,11 bis 2,41 K. Die gesamte Spannweite der 41 Modellverhältnisse erweitert den rechnerischen Bereich auf 0,07 bis 2,86 K. Beide Bereiche sind keine gemeinsamen Konfidenzintervalle, sondern Hüllkurven unterschiedlicher Modell- und Ausgangspfade. Die äquivalenten ECS-Werte des oberen Gleichgewichtspfades sowie die ECS-Schätzungen von 0,36 K und 0,74 K liegen außerhalb des ECS-Bereichs der verwendeten CMIP6-Modelle von 1,8 bis 5,6 K; die betreffenden Umrechnungen sind daher als Extrapolationen gekennzeichnet. Quelle: eigene Berechnung nach Rypdal et al. (2021).

 

Dass in anderen CMIP6-Auswertungen Werte von drei Grad und mehr erscheinen, widerspricht dieser Abbildung nicht. Die Ursache liegt zunächst in der Bezugsgröße. Die vorliegende Abbildung zeigt eine transiente Erwärmung für den Teilanstieg von 360 auf 560 ppm. CMIP6-ECS-Werte beziehen sich dagegen auf eine vollständige CO₂-Verdopplung und einen langfristigen Gleichgewichtszustand. Wird eine vollständige Verdopplung statt des Teilanstiegs dargestellt, steigt die Temperaturachse entsprechend. Wird zusätzlich die Gleichgewichtserwärmung neben die transiente Erwärmung gelegt, erweitert sich der Bereich nochmals. Werden schließlich Forcinggrenzen, α-Bänder, unterschiedliche CMIP6-Modellantworten, Szenariopfade und regionale Modellketten in derselben Darstellung zusammengeführt, kann leicht ein Ergebnisraum von nahezu null bis deutlich über drei Grad entstehen. Eine solche Spannweite ist als Sammlung verschiedener Rechenpfade real; sie ist aber kein einheitliches Konfidenzintervall. Zudem werden dabei transiente und langfristige Erwärmungen, Teilanstiege und vollständige Verdopplungen sowie globale und regionale Größen miteinander vermischt.

 

Auch innerhalb der CMIP6-Forschung werden die heißesten Modelle inzwischen nicht mehr als gleichwertige Stichprobe behandelt. Beobachtungsbasierte Einschränkungen zeigen, dass einige Modelle mit besonders hoher Sensitivität die bisherige Erwärmung zu stark simulieren. Hausfather et al. (2022) bezeichneten die überproportionale Erwärmung besonders sensitiver CMIP6-Modelle ausdrücklich als „hot model problem“. Tokarska et al. (2020) schränkten die Projektionen anhand der beobachteten Erwärmung ein, während Zhu et al. (2020) zeigten, dass die sehr hohe Sensitivität eines CMIP6-Modells mit paläoklimatischen Befunden schwer vereinbar ist.

 

Auf der anderen Seite sind niedrige Sensitivitätsschätzungen um 1,5 K und darunter keine bloße mathematische Erfindung. Die Fachliteratur enthält mehrere Ergebnisse deutlich unterhalb des IPCC-Zentralwerts. Lindzen und Choi (2011) kamen anhand von ERBE- und CERES-Daten zu einer stärker stabilisierenden Strahlungsreaktion als in den untersuchten Modellen. Christy und McNider (2017) leiteten aus Satellitentemperaturen eine TCR von 1,10 ± 0,26 K ab, während Lewis und Curry (2018) aus historischen Energiehaushaltsdaten eine mediane ECS von 1,50 K mit einem 5–95-%-Bereich von 1,05 bis 2,45 K bestimmten. Unsere konkreten ECS-Werte von 0,36 K und 0,74 K stammen aus den zuvor dargestellten eigenen CERES- und Rückkopplungsrechnungen (Kapitel 11 und 12). Sie müssen deshalb mit diesen Rechnungen begründet werden und dürfen nicht den drei genannten Arbeiten zugeschrieben werden.

 

Lokale Fehlerfortpflanzung ohne Pfadauswahl

Für eine zusätzliche, rein illustrative Fehlerfortpflanzung betrachten wir ausschließlich den zentralen Rechenpfad ohne zwischenzeitliche Pfadauswahl. Das bedeutet: Auf jeder Stufe wird konsequent die jeweilige Punktschätzung verwendet – der zentrale Strahlungsantrieb, der zentrale Rückkopplungsparameter und der Median des Verhältnisses TCR/ECS. Es besteht in dieser Rechnung also keine Freiheit, auf eine untere oder obere Forcingschätzung, einen anderen α-Wert oder einen alternativen ECS-Pfad zu wechseln. Die Rechnung beschreibt damit die lokale Unsicherheit um einen einzigen festgelegten Modellpfad und nicht den gesamten Ergebnisraum möglicher Pfadentscheidungen.

 

Für diese Näherung werden die Unsicherheiten des Strahlungsantriebs ΔF, des Rückkopplungsparameters α und des Verhältnisses r = TCR/ECS als voneinander unabhängig behandelt. Diese Unabhängigkeit ist eine zusätzliche Rechenannahme. Sie folgt nicht automatisch daraus, dass die Eingangsgrößen aus unterschiedlichen Studien oder Modellversuchen stammen, weil gemeinsame Datengrundlagen, Forcingannahmen und Modellstrukturen Abhängigkeiten erzeugen können. Außerdem werden die angegebenen zentralen Unsicherheitsbereiche näherungsweise in Standardabweichungen übersetzt. Bei einer annähernd symmetrischen Normalverteilung umfasst der Bereich von ±1 Standardabweichung rund 68 % der Werte. Deshalb kann die halbe Breite eines zentralen 68-%-Intervalls näherungsweise als σ verwendet werden. Die IPCC-likely-Bereiche sind jedoch nicht exakt als normalverteilte 68-%-Intervalle definiert; die folgende Rechnung ist daher eine illustrative Näherung und keine exakte probabilistische Rekonstruktion.

 

Für eine multiplikative Beziehung

 

ΔT = (ΔF / α) · r

 

ergibt die lineare Fehlerfortpflanzung erster Ordnung:

 

(σΔT / ΔT)2 ≈ (σF / ΔF)2 + (σα / α)2 + (σr / r)2

 

Mit

 

ΔF = 2,51 W/m2; σF ≈ 0,47 · log2(560/360) = 0,30 W/m2

 

α = 1,16 W/m2/K; σα ≈ (1,54 − 0,78) / 2 = 0,38 W/m2/K

 

r = 0,5625; σr ≈ (0,663 − 0,464) / 2 = 0,0995

 

folgt für den zentralen Pfad:

 

ΔT = (2,51 / 1,16) · 0,5625 = 1,22 K

 

und für die relative Unsicherheit:

 

σΔT / ΔT ≈ √[(0,30/2,51)2 + (0,38/1,16)2 + (0,0995/0,5625)2] ≈ 0,391

 

Damit ergibt sich:

 

σΔT ≈ 1,22 K · 0,391 = 0,48 K

 

Die lokale Fehlerfortpflanzung liefert somit näherungsweise ΔT = 1,22 ± 0,48 K. Unter der angenommenen Normalnäherung entspräche dies einem ungefähren 68-%-Bereich von 0,74 bis 1,70 K.

 

Diese Rechnung ist ausdrücklich nicht mit der Hüllkurve von 0,11 bis 2,41 K gleichzusetzen. Der Bereich von 0,74 bis 1,70 K beschreibt nur die fortgepflanzte Unsicherheit um den festgelegten zentralen Pfad, sofern auf jeder Stufe die jeweilige Punktschätzung verwendet wird. Die Hüllkurve enthält dagegen zusätzlich die Freiheit der Pfadauswahl: unterschiedliche Forcing- und Rückkopplungsschätzungen, alternative ECS-Bestimmungen und verschiedene TCR/ECS-Verhältnisse. Sie bildet deshalb strukturelle Unsicherheit und Modellwahl ab, während die lokale Fehlerfortpflanzung lediglich die Streuung innerhalb eines zuvor festgelegten Rechenwegs beschreibt.

 

Der größte Beitrag stammt in dieser Näherung vom Rückkopplungsparameter α.

 

Tabelle 14.2: Anteil der Fehlerquellen an der Gesamtvarianz

 

Fehlerquelle	Anteil an der Gesamtvarianz
Strahlungsantrieb ΔF	9 %
Rückkopplungsparameter α	70 %
Verhältnis TCR/ECS	21 %

 

Die Prozentwerte gelten allerdings nur unter der Annahme unabhängiger Eingangsgrößen und für eine lokale lineare Fehlerfortpflanzung um die zentrale Schätzung.

 

Am Übergabepunkt zur Klimafolgenforschung

Am Übergabepunkt an die Klimafolgenforschung liegt damit keine einzelne Temperaturzahl vor. Die Zentralwerte der fünf untersuchten Pfade reichen für den CO₂-Anstieg von 360 auf 560 ppm von 0,13 K bei der CERES-basierten Rechnung bis 2,05 K beim oberen Gleichgewichtspfad. Unter Einbeziehung des zentralen 68-%-Bereichs der von Rypdal et al. (2021) zusammengestellten TCR/ECS-Verhältnisse entsteht eine Hüllkurve von 0,11 bis 2,41 K. Wird statt des zentralen Intervalls die gesamte Spannweite der 41 Modellverhältnisse von ungefähr 0,318 bis 0,786 verwendet, reichen die äußersten Ergebnisse von rund 0,07 bis 2,86 K. Bereits vor Downscaling, regionalen Klimamodellen, Wirkungsmodellen, Schadensfunktionen und gesellschaftlichen Annahmen unterscheiden sich die möglichen Ausgangswerte damit um mehr als eine Größenordnung.

 

Diese Gesamtspanne ist keine Wahrscheinlichkeitsverteilung. Die fünf Ausgangswerte sind keine zufälligen Ziehungen aus einer einheitlichen Grundgesamtheit, sondern Ergebnisse unterschiedlicher Mess-, Definitions- und Modellpfade. Die grüne Hüllkurve beschreibt daher vor allem strukturelle Unsicherheit und Pfadabhängigkeit. Welche Temperatur eine Klimafolgenstudie übernimmt, hängt davon ab, welche Forcingschätzung, welche Rückkopplungsannahme, welche ECS-Bestimmung und welche transiente Modellantwort ausgewählt werden. Eine Studie, die mit dem oberen Pfad beginnt, übernimmt bei 560 ppm einen Zentralwert von 2,05 K; eine Studie auf Grundlage der CERES-basierten ECS beginnt bei 0,13 K. Bereits die Auswahl des Ausgangspfades erzeugt somit ungefähr den Faktor 16, bevor das eigentliche Folgenmodell überhaupt gestartet wird.

 

Frigg et al. (2015) kritisieren genau diesen Übergang von einer komplexen Modellarchitektur zu hochaufgelösten und entscheidungsrelevant präsentierten Aussagen. Statistische Nachbearbeitung, Regionalisierung und räumliche Verfeinerung können die Ausgabe immer konkreter erscheinen lassen, ohne die Unsicherheiten der vorgelagerten Modellstufen aufzulösen. Die Klimafolgenforschung übernimmt daher keine neutrale und eindeutig bestimmte Temperaturentwicklung, sondern einen ausgewählten Zweig aus einem bereits weit geöffneten Modellbaum. Jede nachfolgende Berechnung von Ernten, Schäden, Krankheiten oder Todesfällen beginnt folglich mit einer Pfadentscheidung, deren Größenordnung im präzise ausgewiesenen Endwert häufig nicht mehr sichtbar ist. Eine konkrete Zahl zu Schäden, Ernteverlusten oder Todesfällen bleibt von der gesamten vorgelagerten Modellkette abhängig (Maraun, 2016; Nissan et al., 2019; Stainforth et al., 2007; Wagener et al., 2022; Wilby & Dessai, 2010).

 

Vom Modell zur öffentlichen Botschaft

Dennoch entstehen aus solchen Modellketten regelmäßig politisch verwertbare Folgenaussagen. Gerade die Klimafolgenforschung übersetzt abstrakte Temperaturpfade in konkrete Ernteverluste, Krankheitsrisiken, Todesfälle, Schadenssummen und Verantwortungszuschreibungen. Über reichweitenstarke Medien wie Die Zeit oder Der Spiegel gelangen diese Ergebnisse anschließend in eine Öffentlichkeit, in der die komplizierte Modellkette hinter der Schlagzeile meist kaum noch erkennbar ist. Aus einer bedingten Projektion wird dann leicht eine scheinbar eindeutige Zukunftsaussage, aus einer Modellspanne eine konkrete Zahl und aus einer wissenschaftlichen Möglichkeit eine politische Dringlichkeit.

 

Im Zentrum der folgenden Kritik steht ausdrücklich nicht die Behauptung persönlicher Bestechlichkeit, geheimer Steuerung oder bewusst gefälschter Forschung. Dafür gibt es keinen belastbaren Nachweis. Untersucht wird vielmehr eine offen sichtbare methodische und institutionelle Verschiebung: Wissenschaft beschränkt sich nicht mehr durchgehend darauf, beobachtbare Zusammenhänge zu beschreiben und prüfbare Hypothesen gegeneinander zu testen, sondern tritt zunehmend auch als Begründungsinstanz für bereits als notwendig betrachtetes Handeln auf. Wissenschaftliche Autorität, öffentliche Kommunikation, politische Zielsetzung und Aktivismus können dabei ineinandergreifen, ohne dass ihre jeweiligen Rollen noch klar voneinander getrennt werden.

 

An den Beispielen Volker Quaschning, Hans Joachim Schellnhuber, Stefan Rahmstorf und Friederike Otto soll deshalb nicht über Motive spekuliert, sondern die argumentative Struktur untersucht werden. Welche Ausgangsannahmen werden übernommen? Welche Modellstufen liegen zwischen Beobachtung und Schlagzeile? Welche Unsicherheiten werden sichtbar gemacht, welche verschwinden in der Zuspitzung? Und an welcher Stelle wird aus einer bedingten Projektion eine moralische oder politische Forderung? Entscheidend ist dabei nicht, ob Wissenschaftler politische Überzeugungen haben dürfen. Selbstverständlich dürfen sie das. Entscheidend ist, ob noch erkennbar bleibt, wann sie als Wissenschaftler sprechen, wann sie Modellresultate interpretieren und wann sie politische Ziele vertreten.

 

Die Klimafolgenforschung wirkt in dieser Perspektive als nachgelagerter Verstärker. Sie übernimmt häufig IPCC-kompatible Erwärmungs- und Szenariopfade, ergänzt sie um regionale Klima-, Wirkungs- und Schadensmodelle und verwandelt abstrakte Temperaturänderungen in gesellschaftlich anschauliche Folgen. Jeder zusätzliche Rechenschritt kann neue Unsicherheiten hinzufügen; zugleich steigt mit der Konkretheit der Aussage ihre mediale und politische Wirkung. Ein modellabhängiger Temperaturpfad wird so zur Zahl der Hitzetoten, zum erwarteten Ernteausfall oder zur ökonomischen Schadenssumme. Gerade weil solche Aussagen unmittelbar verständlich sind, erscheinen die Annahmen und Unsicherheiten der vorgelagerten Modellkette oft nur noch als technische Randnotiz.

 

An den folgenden Beispielen soll nicht über persönliche Motive spekuliert werden. Untersucht wird die argumentative und kommunikative Struktur: Welche Annahmen werden übernommen, welche Unsicherheiten bleiben sichtbar, und an welcher Stelle wird aus einer bedingten Projektion eine moralische oder politische Forderung?

 

Ein besonders deutliches Beispiel für den Übergang von wissenschaftlicher Einordnung zu politischer Intervention bietet Volker Quaschning. Er tritt nicht nur als Professor und Fachautor zu Energiesystemen auf, sondern verbindet seine wissenschaftliche Autorität ausdrücklich mit konkreten politischen Forderungen. An seinem Beispiel lässt sich daher besonders gut untersuchen, wo fachliche Analyse endet, wo normative Bewertung beginnt und wie eng beide Ebenen in der öffentlichen Klimakommunikation miteinander verschränkt werden.

 

Volker Quaschning: Wissenschaft, Aktivismus und ein missglückter Schauversuch

Volker Quaschning verbindet seine Forschung zu Photovoltaik, Speichern und Energiesystemen mit offenem politischem Aktivismus für eine beschleunigte Energiewende. In der Podcastfolge „Lieber Aktivist als Passivist“ beschreibt er öffentliches Eingreifen von Wissenschaftlern als Aufgabe. Diese Rollenbindung ist für den folgenden Versuch relevant: Wer eine politische Botschaft mit wissenschaftlicher Autorität vermittelt, muss Demonstration und kausalen Nachweis besonders sauber trennen (Die Junge Akademie, 2022; Hochschule für Technik und Wirtschaft Berlin [HTW Berlin], o. D.-a, o. D.-b, o. D.-c).

 

Wie rasch diese Ebenen ineinanderfallen können, zeigt ein von Quaschning präsentierter Versuch zum Treibhauseffekt. Die Szene ist sorgfältig inszeniert. In eine Flasche wird Waschsoda gefüllt, anschließend Essigessenz hinzugegeben. Die Mischung schäumt und blubbert. Das entstehende Gas wird durch einen Schlauch unter eine durchsichtige Kunststoffhaube geleitet. Eine Glühlampe bestrahlt anschließend zwei Versuchsanordnungen: eine mit normaler Raumluft, die andere mit dem chemisch erzeugten Gas. Nach ungefähr 15 Minuten liegt die Temperatur unter der CO₂-Haube etwa 0,4 Grad höher.

 

Die Dramaturgie funktioniert ausgezeichnet: CO₂ hinein, Lampe an, Temperatur steigt stärker – Treibhauseffekt bewiesen. Quaschning bezeichnet den Versuch als qualitative Demonstration dafür, dass sich CO₂-reiche Luft unter einer Strahlungsquelle stärker erwärmt als CO₂-arme Luft. Auf den Einwand, bei der Gasherstellung sei Wärme entstanden, antwortet er, man habe vor Beginn der Messung einen Temperaturausgleich abgewartet; das Gas habe Umgebungstemperatur angenommen und die Ausgangsbedingungen seien nahezu gleich gewesen (Quaschning, o. D.).

 

Damit beantwortet er jedoch nur einen kleinen Teil der Kritik. Das Problem besteht nicht allein darin, dass die Reaktion zunächst Wärme erzeugt. Entscheidend ist, dass Quaschning nicht nur die CO₂-Konzentration verändert, sondern mit der chemischen Gasherstellung mehrere weitere Größen in den Aufbau einführt. Bei der Reaktion von Natriumcarbonat und Essigsäure entstehen Natriumacetat, Kohlendioxid und Wasser:

 

Na2CO3 + 2 CH3COOH → 2 CH3COONa + CO2 + H2O

 

Der überwiegende Teil des Wassers bleibt zwar in der Reaktionsflasche. Das austretende Gas steht jedoch in intensivem Kontakt mit einer wässrigen, schäumenden und zuvor erwärmten Lösung. Es kann deshalb Wasserdampf und möglicherweise feinste Flüssigkeitströpfchen mitführen. Eine Trocknungsstufe ist nicht erkennbar. Ebenso wenig wird dokumentiert, dass die Feuchtigkeit des Gasstroms gemessen wurde. Die Feststellung, das Gas habe Raumtemperatur erreicht, beseitigt dieses Problem nicht. Ein Gas kann exakt Raumtemperatur besitzen und dennoch sehr feucht sein. Raumtemperatur ist keine Gasreinheit.

 

Das ist deshalb relevant, weil Wasserdampf selbst infrarotaktiv ist. H₂O besitzt zahlreiche Absorptionslinien und breite Absorptionsbereiche im infraroten Spektrum; seine spektroskopischen Eigenschaften sind ebenso wie diejenigen des CO₂ gut dokumentiert (Gordon et al., 2022). War die Luft unter der zweiten Haube feuchter, wurden mindestens zwei infrarotaktive Gase gleichzeitig verändert. Dann kann eine unterschiedliche Erwärmung nicht eindeutig dem CO₂ zugerechnet werden. Hinzu kommen mögliche Effekte durch Kondensation, Verdampfungs- und Kondensationswärme, Flüssigkeitströpfchen sowie Veränderungen des Wärmeübergangs an Schlauch, Folie und Messkörper. Keiner dieser Effekte wird gemessen oder ausgeschlossen.

 

Unbekannt bleibt sogar die zentrale unabhängige Variable des Versuchs: die tatsächliche CO₂-Konzentration. Quaschning erklärt selbst, wegen der kurzen Strahlungsstrecke sei eine sehr hohe Konzentration erforderlich gewesen. Einen gemessenen Konzentrationsverlauf nennt er jedoch nicht. Ebenso fehlen Messungen der Luftfeuchtigkeit, der Gastemperatur am Schlauchausgang, des Volumenstroms und der unter der Haube verbleibenden Raumluft. Ohne CO₂-Messung ist die Dosis unbekannt. Ohne H₂O-Messung ist die Konzentration eines zweiten infrarotaktiven Gases unbekannt. Ohne angeglichene Gasströme und Feuchtebedingungen sind die Versuchsbedingungen nicht identisch.

 

Selbst trockenes CO₂ aus einer Druckflasche hätte den Versuch noch nicht eindeutig gemacht. CO₂ ist dichter als Luft und kann deshalb Schichtung, Durchmischung und konvektiven Wärmetransport verändern. Wagoner et al. (2010) untersuchten einen vergleichbaren Tischversuch, bei dem sich die CO₂-Anordnung tatsächlich stärker erwärmte. Die beobachtete Differenz wurde jedoch wesentlich durch die höhere Dichte des Gases und die dadurch verringerte Konvektion bestimmt, nicht allein durch infrarote Absorption. Die Autoren empfahlen einen Kontrollversuch mit Argon: Argon besitzt eine ähnliche Dichte wie CO₂, zeigt aber nicht dessen infrarote Absorptionsstruktur. Auch Bertò et al. (2014) zeigten, dass solche scheinbar einfachen Demonstrationen von einem komplexen Zusammenspiel aus Strahlung, Konvektion, Wärmeleitung und Gasströmung geprägt sind.

 

Genau diese Kontrollen fehlen bei Quaschning. Dokumentiert sind weder trockenes Flaschen-CO₂ noch eine Messung der Luftfeuchtigkeit, der CO₂-Konzentration und des Gasstroms. Ebenso fehlen ein dokumentierter Argonvergleich, eine Randomisierung der Versuchsreihenfolge, eine Wiederholungsserie und eine quantitative Messunsicherheit. Die Temperaturdifferenz kann real sein, ihre kausale Zuordnung bleibt offen.

 

Nachgewiesen wurde lediglich, dass sich unter einer Kunststoffhaube, in die chemisch erzeugtes und hinsichtlich Feuchtigkeit, Konzentration und Strömungsverhalten nicht ausreichend dokumentiertes Gas eingeleitet wurde, eine etwas andere Temperaturentwicklung einstellte als unter einer Haube mit Raumluft. Nicht nachgewiesen wurde, dass die gesamten 0,4 Grad durch die infrarote Wirkung des CO₂ verursacht wurden. Gerade dadurch gerät die Demonstration zur unfreiwilligen Karikatur der Botschaft, die sie vermitteln soll. Es blubbert, das Gas strömt, die Lampe leuchtet, die Kurve steigt – und CO₂ wird als Ursache präsentiert. Unsichtbar befinden sich unter der Haube möglicherweise auch Wasserdampf, veränderte Konvektion, eine unbekannte Gaskonzentration und die Folgen einer chemischen Gasherstellung. Der Aufbau prüft konkurrierende Erklärungen nicht systematisch.

 

Gerade in der Doppelrolle als Professor und Aktivist wird der Versuch zum Problem. Er prüft keine offene Frage, sondern illustriert eine bereits feststehende Botschaft. Überzeugung ersetzt experimentelle Kontrolle; die Chemiekiste liefert nicht nur das CO₂, sondern auch die Dramaturgie. Die entscheidende Frage lautet deshalb nicht, ob die Temperaturkurve gestiegen ist. Sie lautet: Welche kontrollierte Messung zeigt, dass sie wegen der infraroten Wirkung des CO₂ gestiegen ist – und nicht wegen des Wasserdampfs, der veränderten Konvektion oder einer anderen gleichzeitig veränderten Größe? Genau diese Messung fehlt. Der Versuch ist daher weniger ein Nachweis des behaupteten Mechanismus als ein Beispiel dafür, wie wissenschaftliche Demonstration, politische Überzeugung und öffentliche Inszenierung ineinander übergehen können.

 

Quaschning verdichtet einen unzureichend kontrollierten Versuchsaufbau zu einer eindeutigen Ursache. Bei Schellnhuber vollzieht sich dieselbe Bewegung auf der Ebene des Erdsystems: Aus möglichen Schwellen wird politische Dringlichkeit.

 

Hans Joachim Schellnhuber: Kipppunkte zwischen Modellschwelle und politischer Metapher

Hans Joachim Schellnhubers öffentliche Kipppunktkommunikation lässt sich nicht von seinen institutionellen und politischen Rollen trennen. Von 1992 bis 2018 leitete er als Gründungsdirektor das überwiegend öffentlich finanzierte Potsdam-Institut für Klimafolgenforschung. Zugleich gehörte er 28 Jahre lang dem Wissenschaftlichen Beirat der Bundesregierung Globale Umweltveränderungen (WBGU) an und war mehrfach dessen Vorsitzender. 2006 ernannte ihn Angela Merkel zum Klimaberater der Bundesregierung. Später leitete er ein hochrangiges Gremium der Europäischen Kommission, dessen Auftrag ausdrücklich darin bestand, Wege zur Umsetzung des Pariser Abkommens und zur Dekarbonisierung Europas zu entwickeln. Unter seiner Mitwirkung verlangte der WBGU einen „Gesellschaftsvertrag für eine Große Transformation“ und eine Abkehr von der fossilen Wirtschaftsweise. Schellnhuber selbst beschrieb diese Aufgabe als politische, technologische, wirtschaftliche und soziale Veränderung von historischer Größenordnung. Mit Bauhaus Erde gründete er anschließend eine Organisation, die sich als Keimzelle einer globalen Bewegung zur Bauwende versteht und zwischen 2022 und 2025 mit sieben Millionen Euro aus Mitteln des Bundes und des Landes Brandenburg gefördert wurde (Bauhaus Earth, 2022; Potsdam-Institut für Klimafolgenforschung, o. D.; WBGU, 2011).

 

Schellnhuber spricht deshalb nicht nur als Physiker über dynamische Systeme, sondern zugleich als langjähriger Regierungsberater, Architekt der „Großen Transformation“ und Gründer öffentlich finanzierter Transformationsorganisationen. Diese Rollenbindung ist offen sichtbar und für die Bewertung seiner Kommunikation entscheidend. Denn die Frage lautet nicht nur, welche klimatischen Übergänge naturwissenschaftlich möglich sind. Sie lautet auch, welche Darstellung dieser Risiken geeignet ist, die von Schellnhuber seit Jahrzehnten geforderte gesellschaftliche Transformation politisch zu beschleunigen.

 

Kaum ein Begriff erfüllt diese Funktion besser als der Kipppunkt. Das Wort klingt nach einer präzisen naturwissenschaftlichen Schwelle: Noch wenige Zehntelgrade, dann verliert das System seine Stabilität, kippt in einen anderen Zustand und kehrt nicht mehr zurück. In der Theorie dynamischer Systeme ist ein solcher Übergang klar definiert. Ein System besitzt einen stabilen Ausgangszustand, ein Steuerparameter verändert sich, an einer kritischen Schwelle verliert der bisherige Zustand seine Stabilität, und die anschließende Veränderung kann sich teilweise selbst tragen. Häufig tritt zusätzlich Hysterese auf: Wird der Steuerparameter zurückgenommen, folgt das System nicht einfach demselben Weg zurück.

 

Genau dieser Nachweis fehlt für den öffentlich beschworenen globalen Klima-Kipppunkt. Beobachtet werden Masseverluste von Eisschilden, auftauender Permafrost, Waldschäden und Veränderungen von Meeresströmungen. Das sind reale Veränderungen. Sie belegen aber weder einen bestimmten Schwellenwert noch den Verlust eines stabilen Zustands, eine selbsttragende Weiterentwicklung oder eine nachgewiesene Hysterese.

 

Die moderne Kipppunktdebatte wurde wesentlich durch Lenton et al. (2008) geprägt. Darin wurden großräumige Bestandteile des Erdsystems als mögliche „tipping elements“ zusammengestellt. Grundlage waren die vorhandene Literatur, ein internationaler Workshop und Einschätzungen von Fachleuten. Die Arbeit identifizierte Kandidaten und mögliche Mechanismen. Sie beobachtete jedoch kein Klimasystem beim Überschreiten einer vermessenen Schwelle. Aus wissenschaftlich formulierten Möglichkeiten wurden in der öffentlichen Kommunikation dennoch zunehmend feststehende Gefahrenpunkte.

 

Ein Jahr später befragten Kriegler et al. (2009) insgesamt 43 Wissenschaftler nach subjektiven Wahrscheinlichkeitsbereichen für großräumige Klimaänderungen. Das Verfahren organisierte Expertenurteile unter tiefer Unsicherheit, denn es existiert keine Stichprobe vergleichbarer Erden, von denen bei zwei Grad Erwärmung ein bestimmter Anteil kippt. Dennoch erhielten die daraus abgeleiteten Zahlen den Anschein empirisch bestimmter Wahrscheinlichkeiten.

 

Steffen et al. (2018) untersuchten in „Trajectories of the Earth System in the Anthropocene“ die Möglichkeit, dass sich gegenseitig verstärkende Rückkopplungen das Erdsystem nach Überschreiten einer planetaren Schwelle auf einen sogenannten Hothouse-Earth-Pfad bringen könnten. Die Arbeit verband ebenfalls lediglich mehrere hypothetische Rückkopplungen zu einer möglichen Entwicklungskaskade.

 

In der öffentlichen Übersetzung verschwanden diese Möglichkeitsformen häufig. Aus einer theoretisch untersuchten Kaskade wurde die drohende Heißzeit, aus einem unbekannten Schwellenbereich der Punkt ohne Wiederkehr. Der Begriff wirkt politisch, weil er einen begrenzten Restspielraum suggeriert: Noch sei Handeln möglich, nach Überschreiten der Schwelle nicht mehr. Damit verwandelt er tiefe Unsicherheit in unmittelbaren Handlungsdruck, obwohl weiterhin offen ist, ob, wo und unter welchen Bedingungen die systemtheoretisch beschriebenen Übergänge im realen Klimasystem auftreten.

 

Der IPCC selbst formuliert wesentlich zurückhaltender. Für das arktische Sommermeereis bewertet er einen abrupten Klimawechsel mit hoher Sicherheit als nicht zu erwarten. Beim grönländischen Eisschild wird ebenfalls kein abrupter Klimawechsel erwartet. Für tropische und boreale Wälder ist die Sicherheit möglicher abrupter Veränderungen gering. Bei der Atlantischen Umwälzzirkulation gilt ein abrupter Wandel grundsätzlich als möglich, zugleich besteht mittlere Sicherheit, dass es vor 2100 nicht zu einem Zusammenbruch kommt. Die Formulierung, Kipppunkte könnten „nicht ausgeschlossen werden“, ist eine Aussage über Unsicherheit. Sie ist kein Nachweis einer bereits bestimmten Schwelle (Lee et al., 2021).

 

Auch die viel beachtete Arbeit von Armstrong McKay et al. (2022), die Temperaturbereiche für zahlreiche vorgeschlagene Kippelemente zusammenstellte, änderte daran nichts. Die Bereiche wurden aus Paläodaten, Beobachtungen, Modellen und früheren Bewertungen synthetisiert. Sie sind keine gemessenen Schaltpunkte, sondern aus heterogenen Beobachtungs-, Paläo- und Modellevidenzen abgeleitete Schwellenbereiche. Eine Übersicht von Wang et al. (2023) fiel entsprechend nüchterner aus. Die meisten untersuchten Kippelemente dürften keine abrupten Veränderungen innerhalb weniger Jahre zeigen. Einige könnten möglicherweise überhaupt kein Kippverhalten im strengen Sinn besitzen, sondern vergleichsweise kontinuierlich auf den äußeren Antrieb reagieren. Die Schwellen zahlreicher Systeme bleiben unsicher. Nicht belegt ist ein konkreter, unmittelbar bevorstehender globaler Temperaturschaltpunkt, an dem das Erdsystem nachweislich in eine selbstverstärkende Heißzeit übergeht. Nicht beobachtet wurde eine globale Kippkaskade. Nicht empirisch bestimmt wurde die Temperatur, bei der sie beginnen würde. Und nicht gezeigt wurde, dass heutige Veränderungen bereits die Folge überschrittener systemtheoretischer Schwellen sind.

 

Genau hier fällt Schellnhubers Doppelrolle ins Gewicht. Seine Kipppunktkommunikation beschreibt nicht nur ein Forschungsproblem. Sie liefert zugleich das naturwissenschaftlich klingende Dringlichkeitsargument für eine politische Transformation, die er selbst seit Jahrzehnten fordert, berät und institutionell mitgestaltet. Aus hypothetischen Schwellen werden Handlungsgrenzen, aus Modellmöglichkeiten politische Sachzwänge und aus einer Risikopräferenz scheinbar zwingende Konsequenzen der Naturwissenschaft. Die entscheidende Trennlinie verläuft eigentlich zwischen dem, was empirisch gezeigt wurde, und dem, was politisch aus möglichen Risiken gefolgert wird. Schellnhuber verwischt diese Grenze, indem er wissenschaftliche Autorität, Risikokommunikation und Transformationspolitik miteinander verbindet. Der Kipppunkt wird dadurch weniger zu einer gemessenen Größe als zu einer politischen Metapher mit naturwissenschaftlichem Klang.

 

Schellnhubers Kipppunkt erzeugt zeitlichen Druck. Rahmstorf ergänzt diesen Druck um eine moralische Grenzziehung: Aus dem Widerspruch gegen eine wissenschaftliche Interpretation wird die Frage persönlicher Verantwortung.

 

Stefan Rahmstorf: Wenn wissenschaftliche Autorität zum moralischen Druckmittel wird

Stefan Rahmstorf ist nicht nur Ozeanograf und Klimaforscher, sondern seit Jahrzehnten auch Politikberater und öffentlicher Mahner. Von 2004 bis 2013 gehörte er dem Wissenschaftlichen Beirat der Bundesregierung Globale Umweltveränderungen an und wirkte an dem Gutachten Welt im Wandel: Gesellschaftsvertrag für eine Große Transformation mit. 2019 unterstützte er gemeinsam mit weiteren Wissenschaftlern die Anliegen der Klimaproteste ausdrücklich in Science. Seit 2025 gehört er der Climate Crisis Advisory Group an, deren erklärtes Ziel darin besteht, wissenschaftliche Erkenntnisse in dringliches politisches Handeln zu übersetzen. Rahmstorf spricht daher nicht nur als Forscher über Messungen und Modelle. Er tritt zugleich als Politikberater, Aktivist und Befürworter eines umfassenden gesellschaftlichen Umbaus auf (Climate Crisis Advisory Group, 2025; Hagedorn et al., 2019; WBGU, 2011).

 

Diese Rollenbindung ist für die Bewertung seiner öffentlichen Kommunikation entscheidend. Rahmstorf beschreibt Klimarisiken nicht aus der Distanz eines Wissenschaftlers, der konkurrierende Erklärungen gegeneinander abwägt. Er kommuniziert mit einem klaren politischen Ziel: Emissionen sollen möglichst schnell sinken, Widerstand gegen entsprechende Maßnahmen soll überwunden und gesellschaftlicher Handlungsdruck erzeugt werden. Auf seiner eigenen Referentenseite werden Vorträge über „schicksalhafte Veränderungen“, „unaufhaltsame Selbstläufer“ und „fatale Folgen“ angeboten. Als mögliches Ergebnis eines Kipppunkts erscheint dort sogar ein „Versiegen des Golfstromsystems“. Diese Sprache erklärt nicht nur. Sie dramatisiert, moralisiert und mobilisiert (Rahmstorf, o. D.).

 

Besonders deutlich zeigt sich das an Rahmstorfs Forschung und Kommunikation zur Atlantischen Meridionalen Umwälzzirkulation, der AMOC. Rahmstorf und seine Mitautoren interpretierten einen auffälligen Abkühlungsbereich im Nordatlantik als Hinweis auf eine außergewöhnliche Abschwächung der Zirkulation. Spätere Arbeiten schätzten den Rückgang seit der Mitte des 20. Jahrhunderts auf etwa 15 Prozent und bezeichneten den heutigen Zustand als den schwächsten seit mehr als tausend Jahren (Caesar et al., 2018, 2021; Rahmstorf et al., 2015).

 

Diese Aussagen beruhen für die Zeit vor Beginn kontinuierlicher direkter Messungen jedoch auf Proxys, Rekonstruktionen und modellgestützten Beziehungen. Gerade diese Verfahren liefern widersprüchliche Ergebnisse. Worthington et al. (2021) fanden für den Zeitraum von 1981 bis 2016 keinen langfristigen Rückgang. Fraser und Cunningham (2021) ermittelten auch über einen Zeitraum von rund 120 Jahren keinen signifikanten Abschwächungstrend. Latif et al. (2022) kamen zu dem Ergebnis, dass seit 1900 vor allem natürliche Variabilität dominiere und ein anthropogenes Signal nicht zuverlässig davon getrennt werden könne. Terhaar et al. (2025) stellten die Belastbarkeit des häufig verwendeten Oberflächentemperatur-Index grundsätzlich infrage und fanden in ihrer Wärmeflussrekonstruktion seit den 1960er-Jahren ebenfalls keine Abschwächung.

 

Der historische AMOC-Trend ist damit nicht direkt gemessen, sondern wird aus indirekten Größen rekonstruiert. Unterschiedliche Verfahren führen zu unterschiedlichen Antworten. Rahmstorfs öffentliche Rede vom möglichen „Versiegen des Golfstromsystems“ ist daher keine neutrale Übersetzung eines gesicherten Messergebnisses. Sie hebt die dramatischste Interpretation aus einer offenen wissenschaftlichen Debatte heraus und präsentiert sie als gesellschaftliches Warnsignal.

 

Dasselbe Muster findet sich bei Rahmstorfs Arbeiten über arktische Erwärmung, planetare Wellen und Extremwetter. Mann, Rahmstorf und Kollegen argumentierten, bestimmte durch den Klimawandel begünstigte Temperaturmuster könnten quasistationäre planetare Wellen verstärken und dadurch lang anhaltende Wetterextreme fördern (Mann et al., 2017). Andere Arbeiten kamen zu deutlich zurückhaltenderen Ergebnissen. Barnes (2013) zeigte früh, wie stark vermeintliche Zirkulationstrends von Messgröße und Auswertungsmethode abhängen. Blackport und Screen (2020) fanden keinen bedeutenden Einfluss der arktischen Verstärkung auf die Amplitude der untersuchten Wellen.

 

Die Kritik an Rahmstorf gilt primär der öffentlichen Kommunikationsform. Er kommuniziert damit umstrittene Mechanismen im Ton der Gewissheit. Die Unsicherheit bleibt in den Fachpublikationen sichtbar, verschwindet aber in der öffentlichen Zuspitzung hinter Begriffen wie Krise, Schicksal, Kontrollverlust und Katastrophe.

 

Besonders deutlich wird dieses Verfahren in Rahmstorfs Spiegel-Beitrag „Woher die gewaltige Energie des Klimawandels stammt“ aus dem Jahr 2020. Zunächst beschreibt er die globale Energiebilanz: Sie könne durch stärkere Sonneneinstrahlung, eine geringere Reflexion kurzwelliger Sonnenstrahlung oder eine verminderte Abgabe langwelliger Wärmestrahlung verändert werden. Nachdem er die ersten Möglichkeiten abgehandelt hat, erklärt er, die dritte Möglichkeit „muss also“ die Ursache sein (Rahmstorf, 2020).

 

Dieses „muss also“ ist wissenschaftlich nicht gedeckt. Die CERES-Satelliten messen reflektierte kurzwellige und abgegebene langwellige Strahlung getrennt. Loeb et al. (2021) zeigten, dass der Anstieg des Energieungleichgewichts zwischen 2005 und 2019 auch mit einer erhöhten Absorption kurzwelliger Sonnenstrahlung infolge verringerter Reflexion verbunden war. Die kurzwellige Seite war damit keine ausgeschlossene oder bedeutungslose Nebenmöglichkeit. Rahmstorfs Formulierung „muss also“ ist deshalb stärker als die von ihm dargestellte Evidenz.

 

Am Ende des Artikels ersetzt Rahmstorf die physikalische Argumentation durch eine moralische Anklage. Wer die Fakten noch leugne, mache sich „mitschuldig“ an Stürmen, Fluten, Dürren, Bränden und möglichen künftigen Hungersnöten. Damit werden Messwert, Interpretation und moralische Schuld in einer einzigen Kette verbunden (Rahmstorf, 2020).

 

Zunächst definiert der Experte die Fakten. Anschließend erklärt er seine eigene Interpretation zur notwendigen Schlussfolgerung. Wer dieser Deutung widerspricht, wird zum Faktenleugner. Aus dem vermeintlichen Leugnen folgt politische Verzögerung, aus der Verzögerung folgen zusätzliche Emissionen, daraus Wetterkatastrophen und schließlich menschliche Opfer. Der Kritiker einer wissenschaftlichen Attribution erscheint am Ende als Mitschuldiger an Hungersnöten.

 

Diese Kausalkette weist Rahmstorfs Artikel nicht nach. Zwischen Kritik an einer Interpretation und einer konkreten Hungersnot liegen politische Entscheidungen, technologische Entwicklungen, Konflikte, Armut, staatliches Versagen, Vertreibung, Blockaden, Handelswege und der Zugang zu humanitärer Hilfe. Moderne Hungersnöte entstehen nicht als einfache Endstufe einer globalen Temperaturkurve; Konflikte und politischer Machtmissbrauch gehören zu ihren wichtigsten Ursachen. Rahmstorfs Schuldzuweisung lässt diese komplexe Kausalität verschwinden und verwandelt eine wissenschaftliche Debatte in eine moralische Endabrechnung (Herre, 2017; World Food Programme, 2024).

 

Das Argumentationsmuster ist wirksam: Der Leser soll Rahmstorfs Schlussfolgerung nicht nur für wahrscheinlich halten. Er soll befürchten, durch Zweifel selbst schuldig zu werden. Wissenschaftliche Autorität dient dabei nicht mehr allein der Erklärung komplizierter Zusammenhänge. Sie legt fest, welche Interpretation noch als vernünftig gelten darf und wer außerhalb des akzeptablen Diskurses steht. Das Etikett „Faktenleugner“ widerlegt keinen Einwand, sondern markiert den Einwender.

 

Dass Rahmstorf fachliche Auseinandersetzungen auch auf die Person verlagert, zeigt der Fall der Wissenschaftsjournalistin Irene Meichsner. Nach einem Streit über ihre Berichterstattung zum IPCC verklagte Meichsner ihn wegen dreier Aussagen in seinem Blog. Das Gericht ließ Rahmstorfs Behauptung, sie habe den IPCC-Bericht nicht gelesen, als polemische Meinungsäußerung zu. In den beiden anderen Punkten durfte Rahmstorf nicht weiter den Eindruck erwecken, sie habe von zwei anderen Autoren abgeschrieben und über die Redaktion um die Entfernung ihres Namens aus seinem Blog gebeten. Das Gericht entschied damit nicht über seine Klimaforschung und bestätigte auch nicht Meichsners gesamte fachliche Darstellung. Es untersagte konkrete Aussagen über ihre Arbeitsweise und ihr Verhalten, die Rahmstorf nicht aufrechterhalten konnte (Hauschild, 2011).

 

Rahmstorf fordert Klimaschutz, unterstützt Protestbewegungen und warnt vor Risiken. Aber er tut dies nicht aus einer neutralen Rolle. Seine öffentliche Kommunikation verbindet wissenschaftliche Hypothesen, politische Zielsetzungen und moralische Schuldzuweisungen. Umstrittene Hochrisikointerpretationen erscheinen im Ton operativer Gewissheit. Abweichende Bewertungen werden nicht nur fachlich kritisiert, sondern sozial markiert. Damit wird wissenschaftliche Autorität zum politischen Druckmittel. Der Zweifel wird nicht mit der gesamten Breite der Messungen und Gegenbefunde beantwortet. Er wird als Leugnung bezeichnet und mit künftigen Opfern verknüpft. Der Kritiker soll nicht nur fürchten, sich wissenschaftlich zu irren. Er soll fürchten, durch seine Kritik an Katastrophen und Hungersnöten mitschuldig zu werden. Das ist kommunikativ wirkungsvoll. Wissenschaftlich sauber ist es nicht.

 

Bei Rahmstorf erfolgt die Zuspitzung vor allem sprachlich. Die Ereignisattribution formalisiert denselben Schritt rechnerisch und versieht den Vergleich mit einer nicht beobachtbaren Gegenwelt mit einem präzisen Risikofaktor.

 

Friederike Otto: Die Gegenwelt, die nie beobachtet wurde

Friederike Otto gehört zu den bekanntesten Vertreterinnen der modernen Extremwetterattribution. Die von ihr mitbegründete Initiative World Weather Attribution untersucht nach Hitzewellen, Dürren, Überschwemmungen oder Stürmen, um welchen Faktor der anthropogene Klimawandel ein vergleichbares Ereignis wahrscheinlicher oder intensiver gemacht habe. Wenige Tage oder Wochen nach einer Katastrophe erscheinen dann griffige Zahlen: doppelt so wahrscheinlich, zehnmal wahrscheinlicher, hundertfünfzigmal wahrscheinlicher – oder ohne Klimawandel „praktisch unmöglich“. Das klingt nach einer nachträglichen Messung der Ursache, aber genau das ist es nicht (Otto, 2023).

 

Die Attributionsforschung beobachtet nicht, wie dasselbe Ereignis ohne anthropogenen Einfluss verlaufen wäre. Diese zweite Welt existiert nicht. Sie wird statistisch oder in Klimamodellen konstruiert. Verglichen werden zwei Wahrscheinlichkeiten:

 

p1 = P(Ereignis | heutiges Klima)

 

p0 = P(Ereignis | kontrafaktisches Klima ohne anthropogene Erwärmung)

 

Aus beiden wird das Risikoverhältnis (Risk Ratio, RR) berechnet:

 

RR = p1 / p0

 

Ist RR = 5, lautet die öffentliche Kurzform, der Klimawandel habe das Ereignis fünfmal wahrscheinlicher gemacht. Tatsächlich werden jedoch keine zwei beobachteten Welten verglichen. p₁ kann sich auf Beobachtungen stützen, wird aber häufig ebenfalls modell- oder statistikgestützt geschätzt; p₀ ist notwendig eine konstruierte Gegenwelt. Der methodisch entscheidende Teil der Rechnung liegt damit im Nenner: Je kleiner das verwendete Verfahren p₀ ansetzt, desto größer wird RR. Da die Gegenwelt häufig mit Modellen derselben allgemeinen Klasse erzeugt wird, aus der auch ECS- und TCR-Diagnosen hervorgehen, werden deren Sensitivitäten und Variabilitätsfehler nicht unabhängig geprüft, sondern in die Attributionsrechnung übernommen. Das Risikoverhältnis ist daher keine gemessene Eigenschaft des Ereignisses, sondern das Ergebnis von Ereignisdefinition, Modellwahl und Gegenweltkonstruktion (Hannart et al., 2016; National Academies of Sciences, Engineering, and Medicine, 2016).

 

In der öffentlichen Kurzform verschwinden diese Bedingungen. Schon die Definition des Ereignisses entscheidet über das Ergebnis. Untersucht wird nicht das konkrete Hochwasser oder die konkrete Dürre mit ihrem vollständigen Entstehungsverlauf. Zunächst wird eine Ereignisklasse konstruiert: eine Dreitagessumme des Niederschlags, die höchste regionale Tagesmitteltemperatur, ein bestimmter Dürreindex oder eine Schwellenüberschreitung innerhalb eines festgelegten Gebiets. Gebiet, Zeitraum, Variable und Schwelle werden nach dem eingetretenen Ereignis festgelegt. Damit wird der Untersuchungsgegenstand nicht nur gefunden, sondern teilweise erst erzeugt. Ein Hochwasser kann als lokaler Starkregen, regionale Mehrtagessumme, Flussabfluss oder überschwemmte Fläche definiert werden. Jede Definition beantwortet eine andere Frage und kann ein anderes Risikoverhältnis liefern. Auch der IPCC weist darauf hin, dass Attributionsaussagen vom Framing sowie von den räumlichen und zeitlichen Grenzen abhängen. Großräumige und länger gemittelte Ereignisse ergeben häufig deutlichere anthropogene Signale, weil natürliche Schwankungen durch die Mittelung reduziert werden. Es gibt daher nicht den objektiven Attributionswert eines Ereignisses (Seneviratne et al., 2021).

 

Das zweite Grundproblem liegt in den Modellen. Das WWA-Protokoll räumt selbst ein, dass Klimamodelle im Allgemeinen nicht dafür entwickelt wurden, Extremereignisse realistisch darzustellen und sich viele Modelle für einen konkreten Fall als ungeeignet erweisen. Deshalb beginnt man mit einer größeren Modellgruppe und behält nur jene Modelle, die die beobachtete Häufigkeitsverteilung, Saisonalität oder räumliche Struktur des gewählten Ereignisses hinreichend reproduzieren (Philip et al., 2020). Diese Auswahl prüft jedoch nur, ob ein Modell die heutige Ereignisstatistik ungefähr trifft. Sie prüft nicht, ob es diese Statistik aus den richtigen physikalischen Gründen erzeugt und deshalb auch die nicht beobachtbare Gegenwelt korrekt berechnet. Kompensierende Fehler können Mittelwerte und Varianzen passend erscheinen lassen, während Rückkopplungen, Zirkulation, Wolken oder natürliche Variabilität falsch dargestellt werden.

 

Dieses Identifikationsproblem ist analog zur vereinfachten ECS-Berechnung ECS = F₂×CO₂/α. In der Gregory-Auswertung werden Forcing F und Rückkopplungsparameter α als Achsenabschnitt und Steigung derselben simulierten Beziehung zwischen Energieungleichgewicht und Temperaturänderung bestimmt. Beide Größen werden getrennt geschätzt, sind aber weder physikalisch noch statistisch vollständig unabhängig. Die ECS ist anschließend der aus ihnen abgeleitete Quotient F/α und damit keine unabhängige Bestätigung der zuvor diagnostizierten Modellreaktion. Zugleich besitzt das Modell zahlreiche interne Parametrisierungen für Wolken, Konvektion, Aerosole, Strahlung und Ozeantransport. Gegenläufige Fehler können dazu führen, dass ein Modell die heutige Mittelverteilung oder Ereignisstatistik annähernd trifft, obwohl seine interne Rückkopplungsstruktur verzerrt ist. Besteht ein Modell den Vergleich mit der heutigen Welt, ist damit deshalb noch nicht geprüft, ob es den Unterschied zu einer nicht beobachtbaren Gegenwelt richtig berechnet. Wird genau dieses Modell anschließend verwendet, um die Gegenwelt ohne anthropogenen Einfluss zu erzeugen, wird sein interner Sensitivitätsfehler nicht unabhängig geprüft, sondern in die Attributionszahl übernommen. Bellprat und Doblas-Reyes (2016) zeigten, dass unzuverlässig simulierte Ereigniswahrscheinlichkeiten den zugerechneten anthropogenen Anteil systematisch überschätzen können. Wird die natürliche Variabilität zu klein simuliert, erscheinen Extremereignisse in der Gegenwelt zu selten und die Attributionszahl zu groß. Bellprat et al. (2019) zeigten anschließend, dass Kalibrierung und Modellzuverlässigkeit das Resultat erheblich verändern können.

 

Besonders spektakuläre Zahlen entstehen bei besonders seltenen Ereignissen. Genau dort ist die empirische Grundlage am schwächsten. Umfasst eine Messreihe siebzig Jahre und wird ein Ereignis als einmal in tausend oder zehntausend Jahren vorkommend eingestuft, stammt diese Häufigkeit nicht aus Beobachtungen. Sie wird aus einer Extremwertverteilung weit über den gemessenen Bereich hinaus extrapoliert. Verteilungsform, Parameterwahl und angenommene Temperaturabhängigkeit entscheiden dann darüber, ob das Ereignis in der Gegenwelt selten, extrem selten oder mathematisch unmöglich erscheint. Ein unendliches Risikoverhältnis bedeutet nicht, dass ein Naturgesetz das Ereignis ohne anthropogene Erwärmung verboten hätte. Es bedeutet, dass die gewählte statistische Verteilung für die Gegenwelt einen Wert nahe null erzeugt. Die Aussage „ohne Klimawandel unmöglich“ beschreibt dann keinen beobachteten historischen Sachverhalt, sondern das Verhalten eines Modellschwanzes (Philip et al., 2020).

 

Hinzu kommt ein eingebautes Auswahlproblem. World Weather Attribution untersucht keine repräsentative Stichprobe sämtlicher Wetterereignisse. Analysiert werden vor allem medienwirksame, schadenreiche Ereignisse, bei denen ein positiver anthropogener Einfluss erwartet wird und geeignete Modelle verfügbar sind. Das eigene Methodenprotokoll räumt ein, dass Ereignisse, die durch den Klimawandel seltener geworden sein könnten, schon deshalb weniger untersucht werden, weil sie seltener auftreten. Dieser Effekt verstärkt sich, wenn Untersuchungen bevorzugt dann begonnen werden, wenn ein positives Attributionsresultat wahrscheinlich erscheint (Philip et al., 2020; Seneviratne et al., 2021).

 

World Weather Attribution veröffentlicht zudem schnelle Einzelfallanalysen bewusst während der medialen Aufmerksamkeit und häufig vor einem individuellen Peer Review. Die Begutachtung des allgemeinen Protokolls ersetzt jedoch nicht die Prüfung des konkreten Falls, denn Gebiet, Zeitraum, Schwelle, Datensatz, Extremwertverteilung, Modellauswahl und Gegenwelt werden bei jeder Analyse neu festgelegt. Die zitierte Methodenliteratur zeigt, dass genau diese Entscheidungen das Ergebnis erheblich verändern können und unzuverlässige Simulationen den zugerechneten anthropogenen Anteil überschätzen können (Bellprat & Doblas-Reyes, 2016; Bellprat et al., 2019; Hauser et al., 2017; van Oldenborgh et al., 2021). Der praktische Effekt des schnellen Verfahrens ist damit, dass die griffige Kausalzahl häufig bereits in den Schlagzeilen steht, bevor Datengrundlage und Einzelfallanwendung unabhängig geprüft wurden. Spätere Einschränkungen erreichen nicht dieselbe Öffentlichkeit (World Weather Attribution, o. D.).

 

Gerade bei komplexen Ereignissen wächst die Modellkette: vom globalen Temperaturtrend zur atmosphärischen Zirkulation, von dort zum regionalen Wetter, weiter zu Bodenfeuchte oder Flussabfluss, anschließend zur Überschwemmung und schließlich zum gesellschaftlichen Schaden. Jede Stufe fügt neue Annahmen hinzu. Dass am Ende eine einzige Zahl ausgegeben wird, macht die Kette nicht kürzer und die Unsicherheit nicht kleiner. Je komplexer der Ereignistyp, desto stärker hängt das Ergebnis von der Definition, der Modellstruktur, der internen Variabilität und den gesellschaftlichen Randbedingungen ab.

 

Friederike Ottos zentraler Kategorienwechsel findet bei der öffentlichen Übersetzung statt. Aus „Unter einer bestimmten Ereignisdefinition ergibt ein Ensemble ausgewählter Modelle für eine hypothetische Gegenwelt eine geringere Wahrscheinlichkeit“ wird „Der Klimawandel hat diese Katastrophe zehnmal wahrscheinlicher gemacht.“ Der erste Satz beschreibt eine bedingte Modellrechnung. Der zweite klingt wie ein gemessener Kausalnachweis. Diese Aufwertung ist methodisch nicht gedeckt. Ein so herausgearbeitetes Risikoverhältnis sagt nicht, welcher Anteil des konkreten Ereignisses vom Menschen verursacht wurde. Es sagt nicht, dass der konkrete Schaden ohne anthropogene Erwärmung ausgeblieben wäre. Und es misst nicht, was in einer Welt geschehen wäre, die es nie gegeben hat.

 

Die kontrafaktische Attributionsforschung verwandelt eine nicht beobachtbare Modellwelt in eine quantitative Bezugsgröße und kommuniziert die Differenz zur realen Welt anschließend häufig mit der sprachlichen Autorität eines gemessenen Kausalbefunds. Ereignisdefinition, Modellselektion, statistische Extrapolation, Gegenweltkonstruktion und Auswahl der untersuchten Fälle verschwinden hinter einer griffigen Zahl. Die Methode kann Modellwelten vergleichen. Sie kann untersuchen, wie sich berechnete Wahrscheinlichkeiten unter bestimmten Annahmen verändern. Sie kann keine alternative Erdgeschichte messen. Die Gegenwelt bleibt eine Modellwelt – auch wenn ihr Ergebnis auf eine Dezimalstelle genau angegeben wird.

 

Die Gewissheit wächst mit der Entfernung von der Messung

Die Klimafolgenforschung beginnt nicht bei einer eindeutig bestimmten Temperaturentwicklung. Schon vor Regionalisierung, Wirkungsmodellen und Schadensfunktionen liegt ein breiter Ergebnisraum vor. Für den hier untersuchten CO₂-Anstieg von 360 auf 560 ppm reichen die zentralen Temperaturpfade von 0,13 bis 2,05 K; unter Einbeziehung der Modellstreuung öffnet sich die Hüllkurve bis 0,07 beziehungsweise 2,86 K. Zwischen den zentralen Ausgangswerten liegt ungefähr der Faktor 16. Jede konkrete Folgenzahl beginnt daher mit einer Auswahlentscheidung.

 

Danach wird die Modellkette länger: globale Temperatur, regionale Zirkulation, Niederschlag, Abfluss, Überschwemmung, Schaden. Jede Stufe fügt Annahmen, Parameter und strukturelle Fehler hinzu. Trotzdem werden die Ergebnisse mit jeder Stufe konkreter. Am Ende stehen Hitzetote, Ernteverluste oder Milliardenschäden mit einer Genauigkeit, die ihre Voraussetzungen nicht besitzen.

 

Die Fallbeispiele zeigen, wie diese Unsicherheit kommunikativ verschwindet. Quaschning erklärt eine Temperaturdifferenz zum CO₂-Nachweis, obwohl Feuchtigkeit, Konzentration, Gasströmung und Konvektion nicht kontrolliert wurden. Schellnhuber verwandelt theoretisch mögliche Kippelemente in eine politische Dramaturgie des letzten Zeitfensters, obwohl kein globaler Temperaturschaltpunkt einer Kippkaskade gemessen wurde. Rahmstorf erhebt umstrittene Interpretationen zu Fakten und markiert Widerspruch als Leugnung und moralische Mitschuld. Otto versieht eine nicht beobachtbare Gegenwelt mit einem präzisen Risikofaktor, der anschließend wie die gemessene Ursache einer konkreten Katastrophe klingt.

 

Das gemeinsame Muster ist eindeutig: Aus einer bedingten Modellrechnung wird eine Tatsachenbehauptung. Aus einer modellierten Ereignisklasse wird die Ursache des konkreten Ereignisses. Und aus dem Zweifel an dieser Auslegung wird politische oder moralische Schuld. Besonders sichtbar wird der Kategorienwechsel in der Ereignisattribution. Ihr Nenner ist keine Beobachtung, sondern eine konstruierte Gegenwelt. Je kleiner das Modell dort die Ereigniswahrscheinlichkeit berechnet, desto größer wird der zugerechnete anthropogene Einfluss.

 

Je weiter eine Aussage von der direkten Messung entfernt ist, desto vorsichtiger müsste sie formuliert werden. In der öffentlichen Klimakommunikation geschieht häufig das Gegenteil: Die Modellkette wird länger, die strukturelle Unsicherheit größer – und die Botschaft sicherer. Aus einer bedingten Modellrechnung wird eine Tatsachenbehauptung, aus einer konstruierten Gegenwelt die Ursache der konkreten Katastrophe, und aus dem Zweifel an dieser Auslegung politische oder moralische Schuld.

 

 

Literaturverzeichnis

Armstrong McKay, D. I., Staal, A., Abrams, J. F., Winkelmann, R., Sakschewski, B., Loriani, S., Fetzer, I., Cornell, S. E., Rockström, J., & Lenton, T. M. (2022). Exceeding 1.5°C global warming could trigger multiple climate tipping points. Science, 377(6611), Article eabn7950. https://doi.org/10.1126/science.abn7950

 

Barnes, E. A. (2013). Revisiting the evidence linking Arctic amplification to extreme weather in midlatitudes. Geophysical Research Letters, 40(17), 4734–4739. https://doi.org/10.1002/grl.50880

 

Bauhaus Earth. (2022, 2. Dezember). Two ministries announce funding for Bauhaus Earth. https://www.bauhauserde.org/articles/two-ministries-announce-funding-bauhaus-earth

 

Bellprat, O., & Doblas-Reyes, F. J. (2016). Attribution of extreme weather and climate events overestimated by unreliable climate simulations. Geophysical Research Letters, 43(5), 2158–2164. https://doi.org/10.1002/2015GL067189

 

Bellprat, O., Guemas, V., Doblas-Reyes, F. J., & Donat, M. G. (2019). Towards reliable extreme weather and climate event attribution. Nature Communications, 10, Article 1732. https://doi.org/10.1038/s41467-019-09729-2

 

Bertò, M., Della Volpe, C., & Gratton, L. M. (2014). ‘Climate change in a shoebox’: A critical review. European Journal of Physics, 35(2), Article 025016. https://doi.org/10.1088/0143-0807/35/2/025016

 

Blackport, R., & Screen, J. A. (2020). Insignificant effect of Arctic amplification on the amplitude of midlatitude atmospheric waves. Science Advances, 6(8), Article eaay2880. https://doi.org/10.1126/sciadv.aay2880

 

Caesar, L., McCarthy, G. D., Thornalley, D. J. R., Cahill, N., & Rahmstorf, S. (2021). Current Atlantic Meridional Overturning Circulation weakest in last millennium. Nature Geoscience, 14(3), 118–120. https://doi.org/10.1038/s41561-021-00699-z

 

Caesar, L., Rahmstorf, S., Robinson, A., Feulner, G., & Saba, V. (2018). Observed fingerprint of a weakening Atlantic Ocean overturning circulation. Nature, 556(7700), 191–196. https://doi.org/10.1038/s41586-018-0006-5

 

Christy, J. R., & McNider, R. T. (2017). Satellite bulk tropospheric temperatures as a metric for climate sensitivity. Asia-Pacific Journal of Atmospheric Sciences, 53(4), 511–518. https://doi.org/10.1007/s13143-017-0070-z

 

Climate Crisis Advisory Group. (2025, 22. Januar). Stefan Rahmstorf joins CCAG. https://www.ccag.earth/news/stefan-rahmstorf-joins-ccag

 

Die Junge Akademie. (2022, 23. Februar). Volker Quaschning: Lieber Aktivist als Passivist [Podcastfolge].

 

Eyring, V., Bony, S., Meehl, G. A., Senior, C. A., Stevens, B., Stouffer, R. J., & Taylor, K. E. (2016). Overview of the Coupled Model Intercomparison Project Phase 6 (CMIP6) experimental design and organization. Geoscientific Model Development, 9(5), 1937–1958. https://doi.org/10.5194/gmd-9-1937-2016

 

Falloon, P., Challinor, A., Dessai, S., Hoang, L., Johnson, J., & Koehler, A.-K. (2014). Ensembles and uncertainty in climate change impacts. Frontiers in Environmental Science, 2, Article 33. https://doi.org/10.3389/fenvs.2014.00033

 

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, P. Zhai, A. Pirani, S. L. Connors, C. Péan, S. Berger, N. Caud, Y. Chen, L. Goldfarb, M. I. Gomis, M. Huang, K. Leitzell, E. Lonnoy, J. B. R. Matthews, T. K. Maycock, T. Waterfield, O. Yelekçi, R. Yu, & B. Zhou (Hrsg.), Climate change 2021: The physical science basis (S. 923–1054). Cambridge University Press. https://doi.org/10.1017/9781009157896.009

 

Fraser, N. J., & Cunningham, S. A. (2021). 120 years of AMOC variability reconstructed from observations using the Bernoulli inverse. Geophysical Research Letters, 48(18), Article e2021GL093893. https://doi.org/10.1029/2021GL093893

 

Frigg, R., Smith, L. A., & Stainforth, D. A. (2015). An assessment of the foundational assumptions in high-resolution climate projections: The case of UKCP09. Synthese, 192(12), 3979–4008. https://doi.org/10.1007/s11229-015-0739-8

 

Gordon, I. E., Rothman, L. S., Hargreaves, R. J., Hashemi, R., Karlovets, E. V., Skinner, F. M., Conway, E. K., Hill, C., Kochanov, R. V., Tan, Y., Wcisło, P., Finenko, A. A., Nelson, K., Bernath, P. F., Birk, M., Boudon, V., Campargue, A., Chance, K. V., Coustenis, A., … Yurchenko, S. N. (2022). The HITRAN2020 molecular spectroscopic database. Journal of Quantitative Spectroscopy and Radiative Transfer, 277, Article 107949. https://doi.org/10.1016/j.jqsrt.2021.107949

 

Hagedorn, G., Kalmus, P., Mann, M. E., Vicca, S., Van den Berge, J., van Ypersele, J.-P., Bourg, D., Rotmans, J., Kaaronen, R. O., Rahmstorf, S., Kromp-Kolb, H., Kirchengast, G., Knutti, R., Seneviratne, S. I., Thalmann, P., Cretney, R., Green, A., Anderson, K., Hedberg, M., … Hayhoe, K. (2019). Concerns of young protesters are justified. Science, 364(6436), 139–140. https://doi.org/10.1126/science.aax3807

 

Hannart, A., Pearl, J., Otto, F. E. L., Naveau, P., & Ghil, M. (2016). Causal counterfactual theory for the attribution of weather and climate-related events. Bulletin of the American Meteorological Society, 97(1), 99–110. https://doi.org/10.1175/BAMS-D-14-00034.1

 

Hauschild, J. (2011, 1. Dezember). Verurteilter Forscher: Eklat um Klimaberater der Bundesregierung. Der Spiegel. https://www.spiegel.de/wissenschaft/natur/stefan-rahmstorf-verurteilt-eklat-um-klimaberater-der-bundesregierung-a-796623.html

 

Hauser, M., Gudmundsson, L., Orth, R., Jézéquel, A., Haustein, K., Vautard, R., van Oldenborgh, G. J., Wilcox, L., & Seneviratne, S. I. (2017). Methods and model dependency of extreme event attribution: The 2015 European drought. Earth’s Future, 5(10), 1034–1043. https://doi.org/10.1002/2017EF000612

 

Hausfather, Z., Marvel, K., Schmidt, G. A., Nielsen-Gammon, J. W., & Zelinka, M. D. (2022). Climate simulations: Recognize the “hot model” problem. Nature, 605(7908), 26–29. https://doi.org/10.1038/d41586-022-01192-2

 

Herre, B. (2017). Famines. Our World in Data.

 

Hochschule für Technik und Wirtschaft Berlin. (o. D.-a). Bewertung der Performance von Stromspeichersystemen (Perform).

 

Hochschule für Technik und Wirtschaft Berlin. (o. D.-b). Klimaschutztechnologien in Berliner Niederspannungsnetzen (KLIMTEC).

 

Hochschule für Technik und Wirtschaft Berlin. (o. D.-c). Optimierung von leistungsstarken und ersatzstromfähigen Photovoltaik-Speichersystemen (PV-Speicher).

 

Intergovernmental Panel on Climate Change. (2021). Annex III: Tables of historical and projected well-mixed greenhouse gas mixing ratios and effective radiative forcing of all climate forcers. In V. Masson-Delmotte, P. Zhai, A. Pirani, S. L. Connors, C. Péan, S. Berger, N. Caud, Y. Chen, L. Goldfarb, M. I. Gomis, M. Huang, K. Leitzell, E. Lonnoy, J. B. R. Matthews, T. K. Maycock, T. Waterfield, O. Yelekçi, R. Yu, & B. Zhou (Hrsg.), Climate change 2021: The physical science basis. Cambridge University Press. https://doi.org/10.1017/9781009157896

 

Kriegler, E., Hall, J. W., Held, H., Dawson, R., & Schellnhuber, H. J. (2009). Imprecise probability assessment of tipping points in the climate system. Proceedings of the National Academy of Sciences of the United States of America, 106(13), 5041–5046. https://doi.org/10.1073/pnas.0809117106

 

Latif, M., Sun, J., Visbeck, M., & Bordbar, M. H. (2022). Natural variability has dominated Atlantic Meridional Overturning Circulation since 1900. Nature Climate Change, 12(5), 455–460. https://doi.org/10.1038/s41558-022-01342-4

 

Lee, J.-Y., Marotzke, J., Bala, G., Cao, L., Corti, S., Dunne, J. P., Engelbrecht, F., Fischer, E., Fyfe, J. C., Jones, C., Maycock, A., Mutemi, J., Ndiaye, O., Panickal, S., & Zhou, T. (2021). Future global climate: Scenario-based projections and near-term information. In V. Masson-Delmotte, P. Zhai, A. Pirani, S. L. Connors, C. Péan, S. Berger, N. Caud, Y. Chen, L. Goldfarb, M. I. Gomis, M. Huang, K. Leitzell, E. Lonnoy, J. B. R. Matthews, T. K. Maycock, T. Waterfield, O. Yelekçi, R. Yu, & B. Zhou (Hrsg.), Climate change 2021: The physical science basis (S. 553–672). Cambridge University Press. https://doi.org/10.1017/9781009157896.006

 

Lenton, T. M., Held, H., Kriegler, E., Hall, J. W., Lucht, W., Rahmstorf, S., & Schellnhuber, H. J. (2008). Tipping elements in the Earth’s climate system. Proceedings of the National Academy of Sciences of the United States of America, 105(6), 1786–1793. https://doi.org/10.1073/pnas.0705414105

 

Lewis, N., & Curry, J. A. (2018). The impact of recent forcing and ocean heat uptake data on estimates of climate sensitivity. Journal of Climate, 31(15), 6051–6071. https://doi.org/10.1175/JCLI-D-17-0667.1

 

Lindzen, R. S., & Choi, Y.-S. (2011). On the observational determination of climate sensitivity and its implications. Asia-Pacific Journal of Atmospheric Sciences, 47(4), 377–390. https://doi.org/10.1007/s13143-011-0023-x

 

Loeb, N. G., Doelling, D. R., Wang, H., Su, W., Nguyen, C., Corbett, J. G., Liang, L., Mitrescu, C., Rose, F. G., & Kato, S. (2018). Clouds and the Earth’s Radiant Energy System (CERES) Energy Balanced and Filled (EBAF) top-of-atmosphere (TOA) Edition-4.0 data product. Journal of Climate, 31(2), 895–918. https://doi.org/10.1175/JCLI-D-17-0208.1

 

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

 

Loeb, N. G., Johnson, G. C., Thorsen, T. J., Lyman, J. M., Rose, F. G., & Kato, S. (2021). Satellite and ocean data reveal marked increase in Earth’s heating rate. Geophysical Research Letters, 48(13), Article e2021GL093047. https://doi.org/10.1029/2021GL093047

 

Mann, M. E., Rahmstorf, S., Kornhuber, K., Steinman, B. A., Miller, S. K., & Coumou, D. (2017). Influence of anthropogenic climate change on planetary wave resonance and extreme weather events. Scientific Reports, 7, Article 45242. https://doi.org/10.1038/srep45242

 

Maraun, D. (2016). Bias correcting climate change simulations—A critical review. Current Climate Change Reports, 2(4), 211–220. https://doi.org/10.1007/s40641-016-0050-x

 

Meinshausen, M., Nicholls, Z. R. J., Lewis, J., Gidden, M. J., Vogel, E., Freund, M., Beyerle, U., Gessner, C., Nauels, A., Bauer, N., Canadell, J. G., Daniel, J. S., John, A., Krummel, P. B., Luderer, G., Meinshausen, N., Montzka, S. A., Rayner, P. J., Reimann, S., … Wang, R. H. J. (2020). The shared socio-economic pathway (SSP) greenhouse gas concentrations and their extensions to 2500. Geoscientific Model Development, 13(8), 3571–3605. https://doi.org/10.5194/gmd-13-3571-2020

 

National Academies of Sciences, Engineering, and Medicine. (2016). Attribution of extreme weather events in the context of climate change. The National Academies Press. https://doi.org/10.17226/21852

 

Nissan, H., Goddard, L., Coughlan de Perez, E., Furlow, J., Baethgen, W., Thomson, M. C., & Mason, S. J. (2019). On the use and misuse of climate change projections in international development. WIREs Climate Change, 10(3), Article e579. https://doi.org/10.1002/wcc.579

 

O’Neill, B. C., Tebaldi, C., van Vuuren, D. P., Eyring, V., Friedlingstein, P., Hurtt, G., Knutti, R., Kriegler, E., Lamarque, J.-F., Lowe, J., Meehl, G. A., Moss, R., Riahi, K., & Sanderson, B. M. (2016). The Scenario Model Intercomparison Project (ScenarioMIP) for CMIP6. Geoscientific Model Development, 9(9), 3461–3482. https://doi.org/10.5194/gmd-9-3461-2016

 

Otto, F. E. L. (2023). Attribution of extreme events to climate change. Annual Review of Environment and Resources, 48, 813–828. https://doi.org/10.1146/annurev-environ-112621-083538

 

Philip, S., Kew, S., van Oldenborgh, G. J., Otto, F., Vautard, R., van der Wiel, K., King, A., Lott, F., Arrighi, J., Singh, R., & van Aalst, M. (2020). A protocol for probabilistic extreme event attribution analyses. Advances in Statistical Climatology, Meteorology and Oceanography, 6, 177–203. https://doi.org/10.5194/ascmo-6-177-2020

 

Potsdam-Institut für Klimafolgenforschung. (o. D.). Prof. Dr. Dr. h. c. mult. Hans Joachim Schellnhuber. https://www.pik-potsdam.de/members/john

 

Quaschning, V. (o. D.). Faktencheck: Ist Kohlendioxid wirklich ein Klimakiller?

 

Rahmstorf, S. (o. D.). Vorträge zum Klimawandel.

 

Rahmstorf, S. (2020, 25. Januar). Woher die gewaltige Energie des Klimawandels stammt. SPIEGEL Online.

 

Rahmstorf, S., Box, J. E., Feulner, G., Mann, M. E., Robinson, A., Rutherford, S., & Schaffernicht, E. J. (2015). Exceptional twentieth-century slowdown in Atlantic Ocean overturning circulation. Nature Climate Change, 5(5), 475–480. https://doi.org/10.1038/nclimate2554

 

Rypdal, M., Boers, N., Fredriksen, H.-B., Eiselt, K.-U., Johansen, A., Martinsen, A., Falck Mentzoni, E., Graversen, R. G., & Rypdal, K. (2021). Estimating remaining carbon budgets using temperature responses informed by CMIP6. Frontiers in Climate, 3, Article 686058. https://doi.org/10.3389/fclim.2021.686058

 

Seneviratne, S. I., Zhang, X., Adnan, M., Badi, W., Dereczynski, C., Di Luca, A., Ghosh, S., Iskandar, I., Kossin, J., Lewis, S., Otto, F., Pinto, I., Satoh, M., Vicente-Serrano, S. M., Wehner, M., & Zhou, B. (2021). Weather and climate extreme events in a changing climate. In V. Masson-Delmotte, P. Zhai, A. Pirani, S. L. Connors, C. Péan, S. Berger, N. Caud, Y. Chen, L. Goldfarb, M. I. Gomis, M. Huang, K. Leitzell, E. Lonnoy, J. B. R. Matthews, T. K. Maycock, T. Waterfield, O. Yelekçi, R. Yu, & B. Zhou (Hrsg.), Climate change 2021: The physical science basis (S. 1513–1766). Cambridge University Press. https://doi.org/10.1017/9781009157896.013

 

Stainforth, D. A., Allen, M. R., Tredger, E. R., & Smith, L. A. (2007). Confidence, uncertainty and decision-support relevance in climate predictions. Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences, 365(1857), 2145–2161. https://doi.org/10.1098/rsta.2007.2074

 

Steffen, W., Rockström, J., Richardson, K., Lenton, T. M., Folke, C., Liverman, D., Summerhayes, C. P., Barnosky, A. D., Cornell, S. E., Crucifix, M., Donges, J. F., Fetzer, I., Lade, S. J., Scheffer, M., Winkelmann, R., & Schellnhuber, H. J. (2018). Trajectories of the Earth System in the Anthropocene. Proceedings of the National Academy of Sciences of the United States of America, 115(33), 8252–8259. https://doi.org/10.1073/pnas.1810141115

 

Terhaar, J., Vogt, L., & Foukal, N. P. (2025). Atlantic overturning inferred from air-sea heat fluxes indicates no decline since the 1960s. Nature Communications, 16, Article 222. https://doi.org/10.1038/s41467-024-55297-5

 

Tokarska, K. B., Stolpe, M. B., Sippel, S., Fischer, E. M., Smith, C. J., Lehner, F., & Knutti, R. (2020). Past warming trend constrains future warming in CMIP6 models. Science Advances, 6(12), Article eaaz9549. https://doi.org/10.1126/sciadv.aaz9549

 

van Oldenborgh, G. J., van der Wiel, K., Kew, S., Philip, S., Otto, F. E. L., Vautard, R., King, A., Lott, F., Arrighi, J., Singh, R., & van Aalst, M. (2021). Pathways and pitfalls in extreme event attribution. Climatic Change, 166, Article 13. https://doi.org/10.1007/s10584-021-03071-7

 

Wagener, T., Reinecke, R., & Pianosi, F. (2022). On the evaluation of climate change impact models. WIREs Climate Change, 13(3), Article e772. https://doi.org/10.1002/wcc.772

 

Wagoner, P., Liu, C., & Tobin, R. G. (2010). Climate change in a shoebox: Right result, wrong physics. American Journal of Physics, 78(5), 536–540. https://doi.org/10.1119/1.3322738

 

Wang, S., Foster, A., Lenz, E. A., Kessler, J. D., Stroeve, J. C., Anderson, L. O., Turetsky, M., Betts, R., Zou, S., Liu, W., Boos, W. R., & Hausfather, Z. (2023). Mechanisms and impacts of Earth system tipping elements. Reviews of Geophysics, 61(1), Article e2021RG000757. https://doi.org/10.1029/2021RG000757

 

Warszawski, L., Frieler, K., Huber, V., Piontek, F., Serdeczny, O., & Schewe, J. (2014). The Inter-Sectoral Impact Model Intercomparison Project (ISI–MIP): Project framework. Proceedings of the National Academy of Sciences of the United States of America, 111(9), 3228–3232. https://doi.org/10.1073/pnas.1312330110

 

Wilby, R. L., & Dessai, S. (2010). Robust adaptation to climate change. Weather, 65(7), 180–185. https://doi.org/10.1002/wea.543

 

Wissenschaftlicher Beirat der Bundesregierung Globale Umweltveränderungen. (2011). Welt im Wandel: Gesellschaftsvertrag für eine Große Transformation.

 

World Food Programme. (2024, 24. April). Global report on food crises: Acute hunger remains persistently high in 59 countries with 1-in-5 people assessed in need of critical urgent action.

 

World Weather Attribution. (o. D.). Methods. https://www.worldweatherattribution.org/methods/

 

Worthington, E. L., Moat, B. I., Smeed, D. A., Mecking, J. V., Marsh, R., & McCarthy, G. D. (2021). A 30-year reconstruction of the Atlantic meridional overturning circulation shows no decline. Ocean Science, 17(1), 285–299. https://doi.org/10.519/os-17-285-2021

 

Zhu, J., Poulsen, C. J., & Otto-Bliesner, B. L. (2020). High climate sensitivity in CMIP6 model not supported by paleoclimate. Nature Climate Change, 10, 378–379. https://doi.org/10.1038/s41558-020-0764-6