Vorhersagegenauigkeit

Vorhersagegenauigkeit bezeichnet die Güte, mit der Vorhersagen mit den beobachteten Ergebnissen übereinstimmen. Sie ist ein zentrales Maß in Wissenschaft, Technik und Wirtschaft und gilt sowohl für Punktvorhersagen als auch für Wahrscheinlichkeitsvorhersagen. Bei Punktvorhersagen gibt sie die Abweichung zwischen geschätzten Werten und tatsächlichen Beobachtungen wieder; bei probabilistischen Vorhersagen geht es um die Übereinstimmung der vorhergesagten Wahrscheinlichkeitsverteilungen mit den beobachteten Ergebnissen.

Typische Maße für Punktvorhersagen sind der mittlere absolute Fehler (MAE), der quadratische Fehler (RMSE) und der mittlere prozentuale Fehler (MAPE). MAE gibt die durchschnittliche absolute Abweichung an, RMSE betont größere Fehler stärker, und MAPE standardisiert Abweichungen relativ zur Größenordnung der Beobachtungen. Für Wahrscheinlichkeitsvorhersagen werden unter anderem der Brier-Score und der Continuous Ranked Probability Score (CRPS) verwendet. Höhere Werte bedeuten schlechtere Genauigkeit; bei RMSE, MAE, MAPE und Brier-Score ist ein niedriger Wert besser.

Wichtige Konzepte in der Bewertung sind Kalibrierung und Schärfe: Kalibrierung beschreibt, wie gut Wahrscheinlichkeiten den tatsächlichen Frequenzen entsprechen, während Schärfe die Konzentration der Prognoseverteilungen misst. Ensemblemethoden und Cross-Validation helfen, Überanpassung zu reduzieren und auf neue Daten zu generalisieren.

Die Vorhersagegenauigkeit wird von Datenqualität, Messfehlern, Modellkomplexität, Annahmen über die Dynamik, zeitlicher und räumlicher Auflösung sowie Nicht-Stationarität beeinflusst. Ihre Beurteilung erfolgt typischerweise durch Retrospektiv- oder Backtesting-Methoden, Hindcasting oder Cross-Validation sowie Benchmarking gegen Referenzmodelle.

Anwendungsfelder reichen von Meteorologie über Ökonomie bis zur Epidemiologie. Verbesserungen ergeben sich durch bessere Datengrundlagen, Ensembleansätze, Modellaktualisierung und Feature-Engineering. Grenzen der Vorhersagegenauigkeit ergeben sich aus intrinsischer Unbestimmtheit, Systemdynamik und nicht vorhersehbaren Ausnahmesituationen.