Time Series Foundation Models

Viele Daten entstehen als Abfolge von Messwerten über die Zeit: der Stromverbrauch einer Stadt pro Stunde, der Preis einer Aktie pro Minute, die Zahl der verkauften Winterjacken pro Woche. Solche Zahlenreihen nennt man Zeitreihen. Meist will man aus der Vergangenheit auf die Zukunft schließen, also eine Prognose erstellen. Time Series Foundation Models sind Programme, die genau das tun, und zwar mit derselben Technik, die auch hinter Chatprogrammen wie ChatGPT steckt. Sie wurden vorab an riesigen Mengen fremder Messreihen aus Wirtschaft, Wetter, Verkehr und Technik geschult. Dieses allgemeine Vorwissen wenden sie danach auf Zahlenreihen an, die sie nie zuvor gesehen haben.

Prognosen ohne eigenes Modell für jede Zahlenreihe

Bisher lief eine Vorhersage so: Für jede Messreihe baute ein Fachmann ein eigenes kleines Rechenmodell und passte es an die Daten an. Ein großer Handelskonzern verkauft aber hunderttausende Artikel in tausenden Filialen. Das ergibt Millionen von Zahlenreihen, für die niemand einzeln ein Modell pflegen kann. Ein Foundation Model liefert für alle davon Prognosen aus einem Guss.

Besonders wertvoll ist das bei Reihen mit wenig Geschichte. Ein neues Produkt hat noch keine Verkaufsdaten, aus denen sich ein eigenes Modell lernen ließe. Das große Modell kennt aber tausende ähnliche Verläufe von anderen Produkten. Es überträgt dieses Muster auf den neuen Fall. Fachleute nennen das Zero-Shot-Prognose: eine Vorhersage ohne jedes zusätzliche Training.

Wirtschaftlich hängt daran viel. Wer den Strombedarf des nächsten Tages um wenige Prozent genauer schätzt, spart Millionen an teuer eingekauftem Reservestrom. Auch Lagerbestände, Personalplanung und Serverkapazitäten beruhen auf solchen Prognosen. Ein Fehler kostet entweder Umsatz oder unnötig gebundenes Kapital.

Vom nächsten Wort zum nächsten Messwert

Ein Sprachmodell lernt, aus vielen vorangegangenen Wörtern das nächste zu erraten. Ein Time Series Foundation Model macht dasselbe mit Zahlen. Es sieht die letzten Messwerte einer Reihe und schätzt die nächsten. Dahinter steckt dieselbe Netzarchitektur, der sogenannte Transformer. Sie ist gut darin, in langen Abfolgen zu erkennen, welche früheren Stellen für den nächsten Wert wichtig sind.

Damit das funktioniert, werden die Zahlen zuerst aufbereitet. Meist teilt man die Reihe in kurze Abschnitte von zum Beispiel 32 Messwerten und behandelt jeden Abschnitt wie ein Wort. Außerdem werden die Werte auf eine gemeinsame Größenordnung gebracht. Nur so kann dasselbe Modell einen Aktienkurs in Euro und eine Temperatur in Grad verarbeiten.

Gute Modelle geben nicht eine einzelne Zahl aus, sondern einen Bereich. Sie sagen etwa, dass der Verbrauch mit 90 Prozent Wahrscheinlichkeit zwischen 400 und 460 Megawatt liegt. Diese Unsicherheit ist für Planer oft wichtiger als der Mittelwert. Wichtig ist dabei eine Abgrenzung: Das Modell erkennt Muster, es versteht keine Ursachen. Ein plötzlicher Streik oder ein neues Gesetz steht in keiner vergangenen Zahlenreihe.

Chronos, TimesFM und die Konkurrenz in der Praxis

Die bekanntesten Vertreter kommen von großen Technologiekonzernen. Google veröffentlichte TimesFM, Amazon die Chronos-Familie, dazu kommen Modelle wie Moirai von Salesforce oder Lag-Llama aus der Forschung. Viele davon sind frei verfügbar und lassen sich herunterladen. In Cloud-Diensten stecken sie oft schon als fertige Funktion, die man nur mit eigenen Daten füttert.

Im Alltag begegnet man den Ergebnissen, nicht dem Modell selbst. Die Lieferzeitschätzung im Onlineshop, die Auslastungsprognose einer Bahn-App oder die Frühwarnung eines Krankenhauses vor überfüllten Notaufnahmen können darauf beruhen. In Finanznachrichten tauchen sie auf, wenn Fonds oder Energiehändler über bessere Prognosemodelle sprechen.

Ein verbreiteter Irrtum ist, dass diese Modelle Börsenkurse zuverlässig vorhersagen. Kurse enthalten sehr viel Zufall, und Vergleichsstudien zeigen: Bei einfachen, stabilen Reihen sind klassische Verfahren oft gleich gut und deutlich billiger. Der Vorteil der großen Modelle liegt in der Breite, nicht in jedem Einzelfall.