Google Research hat TimesFM-3 vorgestellt, ein Zeitreihen-Foundation-Modell für multivariate Prognosen. Das Modell mit 330 Millionen Parametern ist laut dem Unternehmen auf einem Korpus aus realen und synthetischen Zeitreihen mit mehr als einer Billion Zeitpunkten vortrainiert und steht auf GitHub sowie Hugging Face bereit.
Mehrere Zielgrößen und bekannte künftige Ereignisse
TimesFM-3 ist nativ für multivariate Vorhersagen vortrainiert. Nach Angaben von Google kann das Modell mehrere zusammenhängende Zeitreihen gleichzeitig prognostizieren. Zudem unterstützt es dynamische Kovariaten aus Vergangenheit und Zukunft, also bekannte künftige Ereignisse, die in eine Prognose einfließen können.
Google beschreibt den Ansatz als Zero-Shot: Das Modell soll gemeinsam verlaufende Zeitreihen ohne aufgabenspezifisches Fine-Tuning vorhersagen können. Ob und in welchen praktischen Einsatzszenarien dies gegenüber angepassten Modellen Vorteile bringt, lässt sich aus der Ankündigung allein jedoch nicht abschließend beurteilen.
Prognosehorizont in einem Durchlauf
Technisch verwendet TimesFM-3 laut Google eine Strategie namens „Contiguous Patch Masking“, um den gesamten Prognosehorizont in einem einzelnen Forward Pass zu erzeugen. Für jede Zielzeitreihe und jeden Schritt des Horizonts sagt das Modell neun Quantile vom 10. bis zum 90. Perzentil voraus.
Diese Quantile erlauben neben einem einzelnen Schätzwert auch eine Darstellung von Unsicherheit in der Vorhersage. Die Ankündigung nennt jedoch keine Angaben zu Laufzeit, Hardwarebedarf oder Kosten des 330-Millionen-Parameter-Modells.
Benchmarks stammen vom Anbieter
Google Research erklärt, TimesFM-3 auf den öffentlichen Benchmarks Gift-Eval, FEV-Bench und Time evaluiert zu haben. Nach Darstellung des Unternehmens war das Modell dort unter vortrainierten Foundation-Modellen sowohl bei Punktprognosen als auch bei probabilistischen Prognosemetriken jeweils bestplatziert.
Das ist ein Leistungsanspruch des Herstellers. Im vorliegenden Material finden sich keine unabhängigen Tests oder Details, die einen Vergleich zu spezialisierten, auf einen konkreten Anwendungsfall feinabgestimmten Modellen ermöglichen.
Verfügbarkeit und angekündigte BigQuery-Anbindung
TimesFM-3 ist laut Google jetzt über GitHub und Hugging Face verfügbar. Eine Integration in BigQuery soll in den kommenden Wochen folgen.
Damit ist das Modell zunächst über Entwicklerplattformen zugänglich; für die angekündigte Datenbankintegration bleibt der genaue Termin offen. Ebenso unklar sind aus der Ankündigung Lizenzbedingungen, unterstützte Einsatzumgebungen und die Ergebnisse außerhalb der drei genannten Benchmarks.
Wie es weitergeht
Entwickler können die bereitgestellten GitHub- und Hugging-Face-Versionen prüfen. Als nächster angekündigter Schritt gilt die BigQuery-Integration in den kommenden Wochen; belastbarer wird die Einordnung durch unabhängige Tests und Angaben zu Betrieb und Lizenz.
Änderungsvermerk: Erstbericht auf Basis einer primären Ankündigung von Google Research.