Ensemble-Prognosen mit den Zeitreihenmodellen von IBM Granite
IBMs Granite Timeseries Ensemble kombiniert vier vortrainierte Granite-Prognosemodelle unterschiedlicher Architektur, um ohne Nachtraining Punkt- und Quantilprognosen zu erzeugen. Auf GIFT-Eval erzielte das Probabilistic Ensemble den niedrigsten MASE von sechs verglichenen Prognosen, allerdings nur knapp.
Worum es im Artikel geht
IBM Research hat am 22. Oktober 2026 im Hugging-Face-Blog Granite Timeseries Ensemble veröffentlicht: ein Prognoserezept, das vier vortrainierte Granite-Zeitreihenmodelle kombiniert (PatchTST-FM-r1, PatchTST-FM-r2, FlowState-r1.1 und TTM-r3). Es erspart die Wahl eines einzelnen Modells pro Zeitreihe und braucht weder Nachtraining noch angepasste Ensemble-Gewichte.
Das Rezept liefert eine Median- und Quantilprognose, standardmäßig von 0,1 bis 0,9. Es gibt zwei Aggregationsverfahren: probabilistisch (empfohlen) und IQR, das nach Streuung gewichtet. Auf GIFT-Eval (97 Konfigurationen) übertreffen beide Ensembles jedes der vier Einzelmodelle beim aggregierten MASE. Die Autoren nennen Grenzen: Multivariate Kanäle werden getrennt prognostiziert, Inferenzzeit und Speicherbedarf steigen, Kalibrierung ist nicht garantiert. Sie empfehlen ein Backtesting mit repräsentativen Daten vor dem Einsatz.
Offiziellen Artikel lesen AnnuIA-Profil
Zusammenfassung von AnnuIA in eigenen Worten nach der offiziellen Seite von Hugging Face. Inhalt und Rechte liegen beim Herausgeber: bitte den Originalartikel lesen.