Visual Crossing Weather

Kurzfazit

Visual Crossing ist die ernsthafte Adresse, wenn dein Geschäft am Wetter hängt, aber nicht nur an der Frage „Regnet es morgen?”, sondern an der größeren: „Wie hat sich der Niederschlag in den letzten 30 Jahren um meinen Standort entwickelt, und welche Korrelation gibt es zu meinem Absatz?”. Der Kern des Angebots ist die Kombination aus über 50 Jahren globaler Wetterhistorie, Beobachtungen von über 100.000 Stationen und einer einfach nutzbaren API. Schwäche ist, dass der Anbieter öffentlich weder eine Hosting-Region noch einen Auftragsverarbeitungsvertrag nennt, wer DSGVO-sauber arbeiten will, muss anonymisieren oder das vorab klären. Zum Testen reicht ein kostenloser Account (bis zu 1.000 Records pro Tag), kommerziell startet die ernsthafte Nutzung mit dem Professional-Tarif bei 35 USD/Monat.

Für wen ist Visual Crossing Weather?

Datenteams in der Landwirtschaft: Wer Erntemengen-Modelle baut, Bewässerungsstrategien optimiert oder Frostrisiken für Weinberge prognostiziert, braucht historische Stundendaten, idealerweise 20+ Jahre für saisonale Muster. Visual Crossing liefert das weltweit aus einer Hand.

Logistik- und Routing-Entwicklerteams: Reisezeit-Prognosen, Risikoabschätzung für Schwertransporte, dynamische Disposition nach Wetterlage, alles Anwendungen, in denen 15-Tage-Forecasts mit stündlicher Granularität gebraucht werden. Die JSON-API integriert sich problemlos in bestehende TMS- oder Routing-Systeme.

Energieversorger und Renewables-Planer: Wer PV-Erträge, Windenergie-Forecasts oder Wärmebedarf prognostiziert, braucht Wettergrößen wie Globalstrahlung, Windgeschwindigkeit in Nabenhöhe und Heizgradtage (Degree Days). Der Corporate-Tarif liefert explizit Branchendaten für Energie, Landwirtschaft und Maritimes sowie Degree-Days-Berechnungen.

Handel und Demand Forecasting: Bier im Supermarkt, Eis in Tankstellen, Glühweinabsatz im Dezember, der Zusammenhang zwischen Wetter und Absatz ist messbar. Visual Crossing beschreibt die Korrelation von Wetter- und Geschäftsdaten (zum Beispiel in Power BI) als Anwendungsfall, damit lassen sich diese Effekte quantifizieren und in Bestellprognosen einfließen.

Versicherungs-Risikomodellierung: Hagelereignisse, Sturmschäden, Frostschäden, historische Wetterdaten sind die Grundlage jeder Schaden-Aktuarsrechnung. Die langen historischen Reihen sind hier der entscheidende Hebel.

Weniger geeignet für: Wer nur Wettervorhersagen für eine Endkunden-App in Deutschland braucht, kann direkt DWD OpenData nutzen, das entgeltfrei ist. Wer Satellitenbilder live in Karten einbinden will, findet in der Layer-Tabelle der Maps API keinen Satelliten-Layer, ein radarbasierter Niederschlagslayer ist dort enthalten. Als europäische Alternative nennen wir Meteomatics aus St. Gallen, einen Hosting-Standort nennen dessen archivierte Seiten allerdings nicht.

Preise im Detail

Plan	Preis	Was du bekommst
Kostenloser Account	0 USD	Registrierung ohne Kreditkarte, bis zu 1.000 Records pro Tag (30.000 Records pro Monat laut Preisvergleich), 50 Jahre Historie und 15-Tage-Forecast, Sub-hourly-Historie, kommerzielle Nutzung erlaubt, Attribution erforderlich, optional eine 10-tägige Extended-Data-Testphase ohne Kreditkarte (unterstützte erweiterte Elemente, 10.000 Records pro Tag)
Professional	35 USD/Monat	10 Mio. Records/Monat, Single Concurrency, 50 Jahre Historie, 15-Tage-Forecast, Personal Maps, Attribution erforderlich
Metered	0,0001 USD/Record	Laut Anbieter nach dem täglichen Freikontingent. Unbegrenzte Records, unbegrenzte Concurrency, Sub-hourly Data, Weather Alerts, API & Download, Pay-as-you-go
Corporate	150 USD/Monat	Unbegrenzte Records (Fair Use), 10 Benutzer & API-Keys, Degree Days, Branchendaten (Energie/Agrar/Maritim), keine Attribution nötig, E-Mail-Support
Enterprise	Auf Anfrage	Unbegrenzte Nutzung, Priority Support, SLA-Garantie, unbegrenzte Nutzer, garantierte Kapazität, individuelle Vertragsbedingungen

Einordnung: Visual Crossing rechnet nicht in API-Calls, sondern in „Records”, das ist gut kalkulierbar: Ein vollständiger 15-Tage-Forecast für einen Standort zählt als ein Record, auch stündlich, bei Historie zählt jede Zeile (ein Standort, ein Zeitschritt) einzeln, ein Tag Stundendaten an einem Standort sind also 24 Records. Der Professional-Tarif bei 35 USD/Monat mit 10 Millionen Records ist die realistische Einstiegsstufe für Einzelpersonen, Data Science und Prototyping. Wer schwankenden oder gelegentlichen Bedarf hat, fährt mit dem Metered-Tarif (0,0001 USD/Record, Pay-as-you-go) oft günstiger, und anders als Professional enthält er Sub-hourly-Historie. Branchendaten für Energie, Landwirtschaft und Maritimes sowie Degree Days gibt es erst ab Corporate (150 USD/Monat), dort entfällt auch die Attributionspflicht. Daneben gibt es seit Kurzem die separaten Timeline-LLX-Tarife (Core 99 USD/Monat, Premium 299 USD/Monat) für Apps mit hohem Anfragevolumen und niedriger Latenz. Für Konzern-Workloads mit SLA-Bedarf nennt die Preisseite den Enterprise-Tarif mit SLA-Garantie.

Stärken im Detail

Über 50 Jahre Historie weltweit aus einer API. Das ist die eigentliche USP. Wer für ein ML-Modell saisonale Muster lernen will, braucht idealerweise 20–30 Jahre Daten, und die müssen lückenlos und vergleichbar sein. Laut Quellenseite speist sich die historische Datenbank aus Beobachtungsdatenbanken von NOAA und DWD sowie aus Reanalysen wie ERA5 (ECMWF) und MERRA-2 (NASA), insgesamt nennt der Anbieter über 100.000 Stationen. Für einen Standort kombiniert die Engine laut Dokumentation Stunde für Stunde nahe Stationen, standardmäßig bis zu drei im Umkreis von 50 Meilen, nähere Stationen zählen stärker. Beide Werte lassen sich einstellen, und die verwendeten Stationen sind im Ergebnis einsehbar.

15-Tage-Forecast aus einem Blend vieler Wettermodelle. Laut Anbieter ist der Forecast eine Mischung aus vielen führenden Wettermodellen, darunter ECMWF, GFS, ICON, das globale Modell des UK Met Office und KI-Modelle wie ECMWF AIFS und AI-GFS, kombiniert mit Stationsbeobachtungen, Radar- und Satellitendaten. Jedes Modell erhält pro Wetterelement ein Gewicht nach seiner gemessenen Genauigkeit (mittlerer absoluter Fehler), regionale Modelle mit höherer Auflösung zählen dort stärker, wo sie Abdeckung haben. Das Ergebnis ist ein stündlicher und täglicher Forecast für jeden Standort weltweit statt eines rohen Gitterpunktwerts eines einzelnen Modells. Die Modellgitter messen laut Anbieter 2 bis 25 km, für Europa 2 km in den ersten 24 Stunden (Mitteleuropa), 6 km bis Stunde 72 und 15 bis 25 km danach. Jenseits von 7 bis 10 Tagen laufen die Modelle in Dreistundenschritten, die Visual Crossing auf Stunden interpoliert.

Integration in den Datenanalyse-Stack. Die API liefert JSON und CSV. Es gibt ein Excel-Add-in, einen Power-BI-Web-Connector und Client-Bibliotheken für viele Sprachen, darunter Python und R. Eine Datenanalystin in einem Versicherer kann ohne Entwickler-Hilfe historische Wetterdaten zu Schadenfällen joinen.

Wetterdaten für die Korrelation mit Geschäftsdaten. Der Anbieter beschreibt, Wetterdaten in Power BI mit Geschäftskennzahlen wie Absatz zu korrelieren, und liefert dafür über URL-Abfragen Historie, aktuelle Bedingungen und Forecast in einem Aufruf. Die Korrelation selbst rechnest du in deinem BI-Werkzeug, eine eigene Upload-Oberfläche dafür nennt der Anbieter auf den archivierten Seiten nicht. Für Erstanalysen und Hypothesentests ein guter Einstieg, ohne erst eine Data-Science-Pipeline bauen zu müssen.

Kostenstruktur ist transparent und planbar. Records statt API-Calls als Abrechnungseinheit ist ungewohnt, aber ehrlicher: Du zahlst, was du tatsächlich an Information beziehst. Ein vollständiger Forecast für einen Standort ist ein Record, eine Historienabfrage „1 Standort, 7 Tage stündlich” verbraucht 168 Records, kalkulierbar. Über den Metered-Tarif (0,0001 USD/Record) lässt sich der Bedarf sogar exakt pay-as-you-go abrechnen.

Schwächen ehrlich betrachtet

Hosting-Region und AVV nicht öffentlich. Die Datenbank läuft laut Anbieter auf AWS, eine Region nennt der Anbieter auf den archivierten Seiten nicht (geprüft: Datenschutzerklärung, Nutzungsbedingungen, Support, Preis- und Dokumentationsseiten, Artikel zur Datennutzung); Sitz ist Reston, Virginia, dazu gibt es ein Europa-Büro in Hamburg. Wer personenbezogene Standortdaten verarbeitet (z.B. „Wetterdaten am Wohnort meiner Versicherten”), hat ein DSGVO-Thema, der Standort allein ist bereits ein personenbezogenes Datum, sobald er dem Vertragsverhältnis zuordenbar ist. Saubere Lösung: Standorte vorab anonymisieren oder rastern, bevor sie an die API gehen, das Runden der Koordinaten rät auch der Anbieter selbst.

Dokumentation und Support überwiegend auf Englisch. Die archivierten Dokumentations- und Support-Seiten sind englisch; deutsche Seiten gibt es für Teile der Website (Preisliste, Über uns), das Europa-Büro in Hamburg nennt eine eigene Kontaktadresse. In welcher Sprache der Support antwortet, nennt der Anbieter nicht. Für ein technisches API-Produkt verkraftbar, aber Datenanalysten ohne sicheres Englisch werden die Doku als Hürde empfinden.

ML-Angabe und dokumentierte Methode passen nicht zusammen. Die Datenübersicht nennt „Machine learning to weight records with the lowest mean error“, ohne zu sagen, worauf sich das bezieht. Die Forecast-Dokumentation gewichtet Modelle nach mittlerem absolutem Fehler, die Dokumentation zur Historie beschreibt dagegen eine Gewichtung nach Nähe der Stationen („closer to the requested location will be given more weight“) und erwähnt Machine Learning nicht. Wer für regulatorische Zwecke oder wissenschaftliche Publikationen arbeitet, sollte ML in der Historie deshalb nicht voraussetzen.

Für Deutschland ist DWD OpenData oft die bessere Wahl. Der Deutsche Wetterdienst stellt seine Wetter- und Klimainformationen entgeltfrei auf seinem Open-Data-Server bereit, darunter Stationsdaten und das ICON-D2-Modell (laut Visual Crossing 2 km Auflösung). Visual Crossing nennt den DWD selbst als Quelle für Stationsdaten und Forecast-Modelle. Für rein nationale Anwendungen gibt es kaum einen Grund, dafür zu bezahlen, der Vorteil von Visual Crossing zeigt sich erst, wenn weltweite Vergleichbarkeit oder einfache API-Nutzung benötigt werden.

Attributionspflicht in den günstigen Tarifen. Im Professional- und im Metered-Tarif musst du Visual Crossing als Datenquelle nennen. Erst ab Corporate (150 USD/Monat) entfällt diese Pflicht. Wer Wetterdaten unsichtbar in ein Produkt einbetten will, ohne den Anbieter zu nennen, muss also einen deutlich teureren Tarif buchen.

Branchendaten nur im teureren Tarif. Degree Days und spezialisierte Datensätze für Energie, Landwirtschaft und Maritimes sind erst ab Corporate (150 USD/Monat) enthalten. Für Energie- und Agrar-Anwendungen, die genau diese Felder brauchen, ist der günstige Einstiegstarif also keine Option, das verschiebt die realistische Preisuntergrenze nach oben. Zum Ausprobieren gibt es im kostenlosen Account laut Anbieter die 10-tägige Extended-Data-Testphase.

Radar als Kartenlayer, Satellit nicht als Layer gelistet. Die Kernprodukte sind record-orientierte Daten. Radarmessungen gibt es laut Anbieter als Elemente precipremote und reflectivity in der Weather API, mit Abdeckung in den USA, Teilen von Kanada, Mexiko und europäischen Ländern und Regionen. Die Weather Maps API liefert Kartenkacheln und statische Bilder, unter anderem mit dem radarbasierten Niederschlagslayer precipcomposite, dazu Temperatur, Wind, Warnungen, Blitz und Hagel. Die Preisseite führt sie in allen Plänen auf (Unterschiede beim monatlichen Request-Limit, im Metered-Tarif 0,0001 USD pro Kachel). Einen Satelliten-Layer nennt die Tabelle der verfügbaren Elemente nicht.

Alternativen im Vergleich

Wenn du…	…nimm stattdessen
Nur deutsche Wetterdaten brauchst, entgeltfrei und direkt vom DWD	DWD Open Data
Eine Open-Source-Forecast-API mit Servern in Europa und Nordamerika willst (gratis nur nicht-kommerziell)	Open-Meteo
Eine sehr breite, günstige Standard-Wetter-API für Endkunden-Apps brauchst	OpenWeatherMap
Ein Forecast-System brauchst, das NOAA- und ECMWF-Modelle mit einem eigenen numerischen Modell kombiniert (1Forecast)	Tomorrow.io

Erwähnenswert ohne eigene Tool-Seite: Meteomatics (Anbieter aus St. Gallen, laut Sicherheitsseite „in line with GDPR requirements“, einen Hosting-Standort nennen die archivierten Seiten nicht), ECMWF (Open Data: ein Teil der Echtzeit-Forecastdaten aus IFS und AIFS kostenlos, direkt vom europäischen Zentrum für mittelfristige Wettervorhersage), NOAA (US-Wetterbehörde, unter anderem die Stationsdatenbank GHCNd mit Tagesdaten von über 100.000 Stationen). ClimaCell heißt seit der Umbenennung im März 2021 Tomorrow.io. Visual Crossings Markenkern ist die Kombination aus historischer Tiefe und einfacher Integrierbarkeit.

So steigst du ein

Schritt 1: Kostenlosen Account anlegen und API-Key holen. Auf visualcrossing.com registrieren, sofort einen API-Key bekommen. Erste Test-Query in der Browser-Adresszeile, die API antwortet auf simple GET-Requests. Innerhalb von zehn Minuten hast du den ersten JSON-Response mit Wetterdaten für deinen Standort.

Schritt 2: Excel-Add-In oder Python-Notebook ausprobieren. Wer Datenanalystin ist, lädt das Excel-Add-In und füllt eine Spalte „Datum + Standort” automatisch mit Temperatur, Niederschlag und Wind. Wer programmiert, nutzt eine der Open-Source-Bibliotheken aus der Doku, etwa für Python. Rechne bei langen Reihen mit: 10 Jahre Stundendaten eines Standorts sind rund 87.600 Records, das übersteigt das Tageslimit des kostenlosen Accounts (1.000 Records) und das Limit pro Abfrage aller Tarife unterhalb von Enterprise (1.000 bis 25.000 Records). Der Anbieter rät bei solchen Mengen, in mehrere kleinere Abfragen aufzuteilen. So bekommst du sofort ein Gefühl für Datenstruktur und Antwortzeiten.

Schritt 3: Budget realistisch durchrechnen. Bevor du einen Tarif buchst, kalkuliere deinen tatsächlichen Datenbedarf: bei Forecasts ein Record pro Standort und Abfrage, bei Historie Anzahl Standorte × Anzahl Zeitschritte (24 pro Tag bei Stundendaten). Visual Crossings Preisseite verlinkt einen Kostenrechner für den Metered-Tarif. So entscheidest du fundiert zwischen dem Festpreis von Professional (35 USD, 10 Mio. Records) und dem Pay-as-you-go-Modell von Metered (0,0001 USD/Record), und vermeidest, versehentlich Corporate zu buchen, obwohl Professional gereicht hätte.

Ein konkretes Beispiel

Das Beispiel ist ein Szenario zur Veranschaulichung, keine Kundenangabe von Visual Crossing. Ein mittelständischer Obstgroßhandel aus dem Alten Land bei Hamburg nutzt Visual Crossing für die Risikoeinschätzung der Apfelernte. Die Datenanalystin hat ein Python-Notebook gebaut, das täglich für die 14 wichtigsten Anbaugebiete weltweit (Deutschland, Polen, Italien, Chile, Neuseeland, Südafrika, USA) Wetter-Forecasts und historische Vergleichswerte zieht. Bei drohenden Frostnächten in italienischen Anbaugebieten reagiert der Einkauf bereits zwei Wochen vor der Bestätigung durch Lieferanten, und sichert Kontingente, bevor der Markt reagiert. Record-Verbrauch: deutlich unter dem Professional-Kontingent (35 USD/Monat reichen problemlos). Die historischen Daten werden zusätzlich für ein internes ML-Modell verwendet, das die Korrelation zwischen Wetterereignissen und Einkaufspreisen lernt. Den entscheidenden Vorsprung macht hier nicht die Forecast-Genauigkeit, sondern die Möglichkeit, weltweit aus einer Quelle zu arbeiten, und nicht für jedes Land einen anderen Wetterdienst integrieren zu müssen.

DSGVO & Datenschutz

• Datenhosting: Laut Anbieter läuft die Wetterdatenbank auf der AWS-Plattform („hosted on the highly scalable Amazon Web Services (AWS) platform“). Eine Hosting-Region nennt der Anbieter auf den archivierten Seiten nicht. Sitz der Visual Crossing Corporation ist Reston, Virginia, dazu gibt es ein Europa-Büro in Hamburg. Die Nutzungsbedingungen unterliegen dem Recht von Virginia.
• Datennutzung: Die Datenschutzerklärung der Website nennt als erhobene Daten Name, Adresse, E-Mail, Telefonnummer und IP-Adresse, die unter anderem zur Verbesserung der Produkte und für Werbe-E-Mails genutzt werden dürfen; Cookies dienen laut Erklärung auch dazu, „ads, relevant to your interests“ auszuliefern. Zu API-Anfragen sagt ein eigener Dokumentationsartikel („How Your Data Is Used Within Visual Crossing“, Juni 2026): Eine normale Anfrage enthält API-Key, Standort, Zeitraum und Optionen, gespeicherte Query-Builder-Datasets behält der Anbieter, und der Support kann mit deiner Erlaubnis zusätzliches Diagnose-Logging aktivieren. Zur Speicherung normaler Anfragen gibt es zwei weitere Aussagen: Die Power-BI-Seite nennt eine „policy of not storing query requests“, ein Blogbeitrag vom Dezember 2025 sagt „does not store any of your data“ und leitet daraus die Einhaltung von GDPR und ISO ab. Einen Nachweis nennt der Beitrag nicht, eine Aufbewahrungsfrist für Anfragen nennt auch der Artikel nicht.
• Personenbezug: Reine Wetter- und Standortdaten ohne Nutzerbezug sind nicht personenbezogen. Sobald Standorte aber an konkrete Personen geknüpft sind (Kundenadressen, Mitarbeiterstandorte), wird die Anfrage personenbezogen, dann ist Anonymisierung oder Rasterung vor dem API-Call erforderlich. Der Anbieter rät in seinem Artikel selbst dazu, Koordinaten zu runden (zwei Dezimalstellen entsprechen laut seiner Tabelle etwa 1,1 km in Nord-Süd-Richtung), neutrale IDs statt sprechender Namen zu senden und sensible Standorte nicht in gespeicherten Datasets abzulegen.
• Auftragsverarbeitung: Einen AVV, Standardvertragsklauseln oder eine Subunternehmerliste nennt der Anbieter auf den archivierten Seiten nicht (geprüft: Datenschutzerklärung, Nutzungsbedingungen, Support, Preisseite, Dokumentation). Als Dienstleister nennt der Artikel zur Datennutzung AWS und Stripe. Er ist die einzige Seite unter dem Schlagwort „DPA“, enthält aber keinen Vertrag und verweist bei Sicherheits- oder Datenschutzprüfungen auf eine direkte Anfrage beim Anbieter. Der Enterprise-Tarif nennt „individuelle Geschäftsbedingungen“, ob darin ein AVV enthalten ist, sagt die Seite nicht.
• Empfehlung für Unternehmen: Vor produktiver Nutzung mit personenbeziehbaren Standorten eine Datenschutz-Folgenabschätzung durchführen. Saubere Architektur: Personenbezug bleibt im internen System, an Visual Crossing gehen nur entkoppelte Geo-Koordinaten oder gerasterte Standorte (z.B. PLZ-Zentroid statt Hausanschrift).
• Account-Löschung und Aufbewahrung: Zu Löschung und Aufbewahrungsfristen enthält die archivierte Datenschutzerklärung keine Angaben, auch der Artikel zur Datennutzung nennt keine Fristen.

Gut kombiniert mit

• Power BI, Wetter-Daten direkt in Dashboards einbinden und mit Geschäftsdaten (Absatz, Energieverbrauch, Auslastung) korrelieren. Visual Crossing beschreibt dafür den Power-BI-Web-Connector mit parametrisierten URL-Abfragen.
• Tableau, Wetter-Korrelationen visuell explorieren. Besonders sinnvoll in der Hypothesen-Phase, bevor ein Produktivmodell gebaut wird, und für Workshops mit Fachbereichen ohne Code-Hintergrund.
• DWD Open Data, Visual Crossing für die globale Sicht, DWD OpenData für die nationale Vertiefung. ICON-D2 fließt laut Anbieter für Europa bereits in den Forecast von Visual Crossing ein, beim DWD bekommst du die Modelldateien selbst (GRIB2).

Unser Fazit

Visual Crossing verdient 4 von 5 Sternen. Der Kern ist die Kombination aus historischer Tiefe (über 50 Jahre, über 100.000 Stationen), einfacher API und planbaren Tarifen ab 35 USD/Monat. Für Datenteams in Landwirtschaft, Logistik, Energie und Handel ist es eine pragmatische, bezahlbare Wahl, besonders dort, wo weltweite Daten und ML-Pipelines gefragt sind. Den fünften Stern verliert Visual Crossing an der fehlenden Angabe zu Hosting-Region und AVV und an der Tatsache, dass für rein deutsche Anwendungen DWD OpenData die entgeltfreie Alternative aus erster Hand ist. Wer aber global denkt oder eine API mit minimalem Setup-Aufwand braucht, ist hier richtig.

Was wir bemerkt haben

• November 2026, Korrektur unserer Beschreibung der Historie: Die Dokumentation beschreibt eine nach Stationsnähe gewichtete Kombination, wir hatten „ML-gewichtet“ geschrieben. Die ML-Zeile der Datenübersicht steht jetzt im Abschnitt Schwächen. Den Artikel „How Your Data Is Used Within Visual Crossing“ (Juni 2026) haben wir in den Abschnitt DSGVO aufgenommen.
• November 2026, Korrektur unserer Juni-Angabe: Der kostenlose Account existiert weiter (bis zu 1.000 Records pro Tag, kommerzielle Nutzung in allen Plänen erlaubt, Attribution erforderlich). Dazu gibt es laut Anbieter einen Zugriff ohne API-Key und ohne Registrierung unter Fair-Use-Grenzen. Die bezahlten Tarife stehen unverändert: Professional (35 USD/Monat), Metered (0,0001 USD/Record), Corporate (150 USD/Monat), Enterprise auf Anfrage.
• Juni 2026, Neu sind die separaten Timeline-LLX-Tarife (Core 99 USD/Monat, Premium 299 USD/Monat) für Apps mit hohem Anfragevolumen und niedriger Latenz, laut Anbieter in offener Beta (Stand der archivierten Preisseite). Wer hochfrequente Forecast-Abfragen für mobile Apps oder IoT braucht, findet hier ein eigenes Modell.
• Juni 2026, Visual Crossing bindet neuere KI-Wettermodelle wie ECMWF AIFS und AI-GFS ein und gewichtet Datensätze per Machine Learning nach geringstem mittleren Fehler. Die historische Basis wird mit „über 50 Jahren” beworben (frühere Angaben sprachen von 45+ Jahren). Die Dokumentationsseite zum Forecast-Blend trägt das Datum 10. September 2026 (Gewichtung nach mittlerem absoluten Fehler je Wetterelement).
• Allgemein, Eine EU-Region nennt der Anbieter auf den archivierten Seiten nicht, ebenso wenig eine Ankündigung dazu.