Wenn der Wahltermin noch in weiter Ferne liegt, stellen Umfragen keine guten Prognosen dar. Zu wenige Wähler interessieren sich zu einem so frühen Zeitpunkt schon für die Wahl und zu viele Umstände können sich bis dahin noch ändern. Zwar eignen sich sogenannte strukturelle Modelle dazu, grundlegende Erwartungswerte aufzustellen, jedoch sind diese aufgrund kleiner Stichproben sehr unsicher und ungenau. Um diesen Mängeln zu begegnen, beruht unsere frühzeitige Prognose der Bundestagswahlergebnisse 2017 sowohl auf politischen und wirtschaftlichen Daten als auch auf Resultaten vorangegangener Landtagswahlen. Ein Mehrebenenmodell liefert dabei die Schätzwerte. Landtagswahlen finden zu unterschiedlichen Terminen statt und bringen den Vorzug mit sich, nicht nur tatsächliche Wählerpräferenzen, sondern auch neue politische Themen zu erfassen. Wir argumentieren, dass dieser Ansatz deshalb eine vielversprechende Methode für frühzeitige Prognosen darstellt, wenn Umfragen noch nicht aussagekräftig sind. When elections are distant, polls are poor predictors. Too few voters are paying attention and too much can change before election day. Structural models can establish baseline expectations but suffer from high uncertainty and underspecification imposed by small samples. We present an early forecast of the 2017 Bundestag election results for individual parties that leverages economic and political data as well as state parliament (Landtag) election results in the German states (Länder) to sidestep these shortcomings. A linear random effectst model provides our estimates. Länder elections are dispersed over the calendar and offer the advantage of capturing both actual voter preferences and new political issues. We argue that this approach offers a promising method for early forecasts when polls are not informative.