Regionale Klimamodelle (RCMs) liefern hoch aufgelöste Informationen über meteorologische Parameter, jedoch sind Fehler in bestimmten Regionen noch deutlich zu erkennen. Nachbearbeitungsmethoden (DEC) sind in der Lage korrigierte Klimamodelldaten bereitzustellen.In dieser Arbeit wird die DEC Methode Quantile Mapping (QM) verwendet, welche bis jetzt meist auf Temperatur und Niederschlag angewendet worden ist. Der Schwerpunkt liegt in der Bewertung der nachbearbeiteten Daten für Temperatur, Niederschlag, relative Feuchte und Globalstrahlung auf Tagesbasis für eine RCM Simulation bezogen auf zwei Messstationen.In vielen Studien werden gefittete Verteilungen in den Kalibrierungsperioden der DEC Methode verwendet, aber keiner in dieser Arbeit benutzte Klimaparameter hat konsistent mit einer theoretischen Verteilung übereingestimmt. Daher werden die empirischen Daten eines regionalen Hindcast Klimamodells und die empirischen Messdaten benutzt. Drei unterschiedliche Validierungsansätze finden für die Analyse der Fehlercharakteristiken Verwendung. Weiters wird ein Szenario Lauf nachbearbeitet, um das Klimawandelsignal (CCS) zu untersuchen.QM liefert für synthetisch generierte Daten, die einer bestimmten theoretischen Verteilungsform folgen, vielversprechende Ergebnisse. Die Resultate der ersten beiden Validierungsexperimenten geben eine eindeutige Verbesserung wieder. Der Split-Sample Test zeigt Verbesserungen bei den Parametern Temperatur, Niederschlag und relativer Feuchte, aber kaum Verbesserungen bei Globalstrahlung. Das CCS hat sich zwischen den korrigierten und unkorrigierten Daten wenig geändert und zeigt keine eindeutig bessere Übereinstimmung mit dem gemessenen CCS.Die Ergebnisse belegen, dass es sinnvoll und notwendig ist Temperatur, Niederschlag und relative Feuchte nachzubearbeiten, aber Globalstrahlung scheint ein anspruchsvollerer Parameter zu sein. Lange Zeitreihen und qualitativ hochwertige Messdaten sind notwendig um die gesamte Variabilität abzudecken.

Regional climate models (RCMs) provide highly resolved information about different meteorological parameters. However, error characteristics are still strongly pronounced in some regions. Post-processing methods (DEC) are a possibility to get error corrected climate model data.In this thesis, the DEC method called Quantile Mapping (QM) is used. It has so far mostly been applied to the climate parameters temperature and precipitation. Here, the focus is on evaluating the results of QM applied to daily temperature, precipitation, relative humidity and global radiation from an RCM simulation related to two point-scale observations.In many studies, fitted distributions are used in the calibration period of the DEC method, but not any used climate parameter in this thesis has consistently matched to a theoretical distribution. Therefore, the empirical data of a regional climate hindcast simulation and observations are taken. Three different validation approaches are used to analyze the error characteristics of the uncorrected and post-processed data. Furthermore, a scenario run is post-processed to analyze the Climate Change Signal (CCS).To test the DEC method itself, QM is applied to synthetic data extracted from different distributions. These results are promising. The findings for the first two validation experiments show an improvement of the whole probability density function. The split-sample test displays advanced results for temperature, precipitation and relative humidity, but almost no improvement for the parameter global radiation. The CCS of the corrected data does not differ too much from the uncorrected CCS and it does not show a better agreement with the observed CCS.The results demonstrate that it is useful and necessary to post-process temperature, precipitation and relative humidity, but global radiation is a more demanding parameter. Long time periods and high quality observations would be required to capture the whole variability.