Langzeitdüngungsversuche (LTFE) sind für die Agrarforschung von entscheidender Bedeutung, da sie dokumentieren, überwachen, lernen und zeigen können, was in der Vergangenheit geschehen ist, und mit Hilfe von Vorhersagemodellen vorhersagen und simulieren können, was in Zukunft geschehen wird. Diese Modelle dienen dazu, zukünftiges Pflanzenwachstum unter verschiedenen Klima- und Bewirtschaftungsszenarien abzuschätzen und so Entscheidungsprozesse zu unterstützen. In diese Studie wurden die Reaktionen der Getreideerträge auf das Düngermanagement in Sandböden in einem LTFE (1971 bis 2016) in Nordostdeutschland analysiert. Die Ziele dieser Studie waren a) die Analyse der Ertragsreaktionen von Sommergerste, Winterroggen und Winterweizen auf das Düngemanagement, b) die Analyse der Sensitivität der Ertragsreaktionen auf den Zeitpunkt von Wetterereignissen und c) der Vergleich verschiedener Analysemodelle. Die Studie ergab, dass die Reaktion der Getreideerträge auf das Düngermanagement von komplexen Beziehungen zwischen Klimaabhängigkeit, Vorfrucht und Bodeneigenschaften beeinflusst wurde. Die Witterungsbedingungen bei der Aussaat und in den frühen Wachstumsstadien des Getreides beeinflusste den Kornertrag. Bei Wintergetreide waren die Intensität und Dauer der extremen Temperaturen im Sommer, insbesondere die Anzahl der Tage mit einer Höchsttemperatur von über 30°C im Juli, eine wichtige Variable für den Ertrag. Unter den untersuchten Modellen zeigte das LMM-Modell eine bessere Vorhersageleistung als das M5P-Modell, und beide hatten umfangreichere Regressoren als die ANOVA und die BMA. Das M5P-Modell bot eine intuitive Visualisierung wichtiger Variablen und ihrer kritischen Schwellenwerte und offenbarte andere Variablen, die vom LMM-Modell nicht erfasst wurden. Die Ergebnisse dieser Analyse tragen zu umfassenden Strategien für eine nachhaltige Pflanzenproduktion im Hinblick auf den zukünftigen Klimawandel bei. / Long-term fertilizer experiments (LTFEs) are essential for agricultural research as they provide necessary information and data to build predictive models. These models can be used to estimate future plant growth under different climate and management scenarios to support decision-making processes. The current study analyzed cereal grain yield responses to fertilizer management in sandy soil in a LTFE (1971 to 2016) in Northeast Germany. The objectives of this study were to a) analyze yield responses of spring barley), winter rye, and winter wheat to fertilizer management, b) analyze the sensitivity of yield responses to timing of weather events, and c) compare different analysis models. The study revealed that cereal yield response to fertilizer management was influenced by complex relationships among climatic dependence, preceding crop, and soil characteristics. Weather conditions at seeding and early growth stages of cereal were found to be sensitive to grain yield. For winter cereals, the intensity and duration of extreme temperatures in the summertime (harvest year), especially the number of days recorded with a maximum temperature above 30°C in July was an important variable for the yield. Among the investigated models, LMM-model had a better predictive performance compared to M5P-model and both had richer regressors than the ANOVA and BMA-model. The M5P-model presented an intuitive visualization of important variables and their critical thresholds, and revealed other variables that were not captured by the LMM-model. The findings of this analysis contribute to comprehensive strategies for sustainable crop production with regard to future climate change.