Timestral-Tutorial: Zeitreihen vorhersagen ohne eigenes Training

Inhalt
Mistral AI hat am 15. Oktober 2026 Timestral veröffentlicht, eine Familie von Foundation Models für Zeitreihen. Das größte Modell hat 209 Millionen Parameter und lag zum Release laut Mistral auf allen drei großen öffentlichen Benchmarks für Zeitreihenprognosen an erster Stelle. Code und Gewichte sind frei verfügbar, das Modell läuft auf einer GPU und auch auf einer normalen CPU.
Wer bisher den Stromverbrauch, den Absatz einer Filiale oder die Temperatur einer Maschine vorhersagen wollte, hat für jede Aufgabe ein eigenes Modell gebaut. Für einzelne Reihen ein ARIMA- oder ETS-Modell, für viele Reihen mit Einflussgrößen ein Gradient-Boosting-Modell mit Dutzenden von Hand gebauten Merkmalen, für Anomalien noch einmal ein eigenes Verfahren. Jedes dieser Modelle muss trainiert, überwacht und nachtrainiert werden. Timestral ersetzt das durch ein einziges vortrainiertes Modell, das Sie mit dem Verlauf einer Reihe aufrufen und das sofort eine Prognose mit Unsicherheitsband zurückgibt.
In diesem Tutorial probieren wir das an echten Daten aus: am Stromverbrauch und an der Solarerzeugung in Österreich, an den Tagesumsätzen von 1115 Rossmann-Filialen und an einem Temperatursensor einer Industriemaschine. Der Stromtest liegt komplett nach dem Release von Timestral, die Testdaten können also nicht im Training gewesen sein. Wir vergleichen mit klassischen Verfahren, mit LightGBM und mit Chronos-2 von Amazon, und zeigen auch, wo Timestral danebenliegt.
Was ist ein Foundation Model für Zeitreihen?
Ein Sprachmodell hat beim Training so viele Texte gesehen, dass es aus einem Prompt erschließen kann, wie es weitergeht. Ein Zeitreihenmodell wie Timestral macht dasselbe mit Zahlenfolgen. Es hat beim Training sehr viele Verläufe gesehen, mit Trends, Tages- und Wochenmustern, Sprüngen, Lücken und Rauschen. Bekommt es den Verlauf Ihrer Reihe, erkennt es darin die Muster und setzt sie fort. Dieses Lernen aus dem Kontext heißt Zero-Shot-Prognose: Sie trainieren nichts und übergeben nur die Historie.
Die Trainingsdaten waren laut Mistral zum größten Teil synthetisch. Im ersten Schritt hat das Modell nur künstlich erzeugte Reihen mit 8192 Zeitschritten Kontext gesehen. Danach folgte ein kürzeres Training mit echten und synthetischen Daten und einem viermal längeren Kontext von 32.768 Schritten. Welche echten Datensätze das waren, hat Mistral bisher nicht veröffentlicht. Darauf kommen wir bei den Grenzen zurück.
Timestral kann laut Modellkarte:
- eine oder mehrere zusammenhängende Reihen gemeinsam prognostizieren (multivariat, zum Beispiel Vibration, Temperatur und Druck einer Pumpe),
- Einflussgrößen berücksichtigen, die nur in der Vergangenheit bekannt sind oder auch für die Zukunft (Kovariaten, numerisch oder kategorial),
- bis zu 32.768 Zeitschritte Historie lesen,
- bis zu 1024 Schritte in einem Durchlauf vorhersagen und längere Horizonte blockweise,
- statt eines einzelnen Werts 21 Quantile pro Zeitschritt ausgeben, vom 1-%- bis zum 99-%-Quantil.
Wie Timestral eine Zeitreihe liest
So liest Timestral eine Zeitreihe: Patches als Tokens, Prognose-Tokens für den Horizont und Kovariaten, die die Zielgröße informieren
Timestral ist ein Transformer, also dieselbe Bauart wie ein Sprachmodell. Statt Wörtern verarbeitet er Abschnitte der Zeitreihe:
- Die Reihe wird in Stücke zu je 32 Werten zerlegt, sogenannte Patches. Jedes Stück wird zuerst normalisiert, und zwar kausal: Mittelwert und Streuung kommen nur aus Werten, die davor liegen. Eine asinh-Transformation dämpft Ausreißer. Zusammen mit einer Markierung, welche Werte fehlen, wird daraus ein Token. 32.768 Schritte Kontext sind also 1024 Tokens.
- Für die Zukunft hängt das Modell gelernte Platzhalter an, die Prognose-Tokens, einen pro Patch des Horizonts. Jeder Platzhalter liest über Attention die gesamte Historie davor und gibt für jeden seiner 32 Zeitschritte 21 Quantile aus. Mistral nennt das Decoupled Horizon Forecasting. Anders als bei Modellen, die Teile des Kontexts maskieren, bleibt jeder beobachtete Wert im Training gleichzeitig Kontext und Ziel.
- Die meisten der Transformer-Schichten schauen entlang der Zeit, und jeder Token sieht nur seine Vergangenheit. Jede vierte Schicht schaut quer über die Reihen. Dort fließt Information von den Kovariaten zur Zielgröße, nie umgekehrt. Bekannte Kovariaten wie ein Feiertagskalender oder eine Wetterprognose dürfen auch in den Horizont schauen. Vergangene Kovariaten wie eine gemessene Temperatur enden mit dem Kontext.
- Der Ausgabekopf erzeugt den Median und fächert die übrigen Quantile davon aus, sodass sie sich nie überkreuzen. Trainiert wurde mit dem Pinball-Loss über alle 21 Quantile.
Zwei Tricks laufen bei jeder Prognose automatisch mit. Beim symmetrischen
Mitteln prognostiziert das Modell zusätzlich die gespiegelte Reihe und mittelt
beide Ergebnisse, was zwei Durchläufe kostet. Und wenn der bekannte Verlauf nie
negativ war, wird die Prognose bei 0 abgeschnitten. Beides lässt sich mit
symmetric_averaging=False und clip_nonnegative=False abschalten.
Die vier Größen haben dieselbe Architektur und dasselbe Training:
| Modell | Parameter | Schichten | Breite | Gewichte (fp32) |
|---|---|---|---|---|
| Timestral-5M | 5,2 Mio. | 8 | 192 | 21 MB |
| Timestral-28M | 27,8 Mio. | 12 | 384 | 111 MB |
| Timestral-123M | 122,6 Mio. | 20 | 640 | 490 MB |
| Timestral-209M | 209,3 Mio. | 24 | 768 | 837 MB |
Was die Benchmarks sagen
Mistral hat Timestral auf drei Benchmarks ohne jedes Nachtraining gemessen: GIFT-Eval (97 Konfigurationen), TIME (98 Aufgaben) und fev-bench (100 Aufgaben, viele davon mit Kovariaten). Die Werte aus der Modellkarte, Stand Release:
| Benchmark | Metrik | Timestral-209M | t0-gamma | TimesFM-3 | Toto-2.0-2.5B | Chronos-2 |
|---|---|---|---|---|---|---|
| GIFT-Eval | MASE (niedriger ist besser) | 0,658 | 0,661 | 0,667 | 0,696 | 0,698 |
| GIFT-Eval | CRPS (niedriger ist besser) | 0,446 | 0,452 | 0,456 | 0,476 | 0,485 |
| TIME | MASE | 0,626 | 0,637 | 0,640 | 0,642 | 0,662 |
| TIME | CRPS | 0,522 | 0,534 | 0,536 | 0,539 | 0,556 |
| fev-bench | SQL-Skill-Score (höher besser) | 50,39 % | 49,42 % | 48,99 % | 44,42 % | 47,28 % |
MASE vergleicht den Fehler des Medians mit einer naiven saisonalen Prognose, CRPS bewertet die ganze Verteilung. Ein Wert von 0,658 heißt grob: ein Drittel weniger Fehler als "wie letzte Saison". Die Abstände zu den nächsten Modellen sind klein. Bemerkenswert ist eher, dass schon das 28M-Modell laut Mistral Chronos-2 auf GIFT-Eval und TIME schlägt, bei einem Viertel der Größe.
Diese Zahlen hat Mistral selbst gemessen, und welche echten Daten im Training steckten, ist offen. Auf der GitHub-Seite fragt ein Nutzer genau danach, weil öffentliche Datensätze sonst im Training und im Test landen können. Deshalb testen wir unten mit Stromdaten vom 16. Oktober bis 12. November 2026. Die gab es beim Training noch nicht.
Installation
Timestral ist noch nicht auf PyPI. Sie installieren es direkt aus dem GitHub-Repository und brauchen Python ab 3.10 und PyTorch ab 2.4:
Für produktive Umgebungen pinnen Sie einen Commit, zum Beispiel
git+https://github.com/mistralai/timestral.git@a534bdb. Die Gewichte lädt
from_pretrained beim ersten Aufruf vom Hugging Face Hub in den lokalen
Cache.
Schritt 1: Daten laden
Als erstes Beispiel nehmen wir den Stromverbrauch Österreichs in 15-Minuten-Schritten. Die Energy-Charts-API des Fraunhofer ISE liefert Verbrauch und Erzeugung frei und ohne Schlüssel. Sie begrenzt allerdings die Anfragen pro Minute, deshalb wartet die Funktion bei Status 429 kurz:
Ein gutes Jahr an 15-Minuten-Werten sind rund 39.000 Zeitschritte, mehr als Timestral lesen kann. Das ist kein Problem: Das Modell nimmt automatisch die letzten 32.768 Schritte, also knapp 341 Tage.
Schritt 2: Die erste Prognose
Die eigentliche Prognose ist ein Aufruf. Wir nehmen alles bis zum 5. November 2026 um Mitternacht (UTC) als Historie und lassen die nächsten 24 Stunden vorhersagen, also 96 Schritte zu je 15 Minuten:
MAPE 1.89 %
im 80-%-Intervall: 77 %
Ohne Training, ohne Merkmale und ohne Kalender liegt die Prognose im Mittel 1,9 % neben dem gemessenen Verbrauch. 77 % der tatsächlichen Werte fallen in das Band zwischen 10- und 90-%-Quantil, bei einem gut kalibrierten Modell wären es 80 %.
Zur Form der Daten: forecast akzeptiert eine einzelne Reihe (T,), mehrere
Reihen (B, T) oder mehrere Reihen mit mehreren Variaten (B, V, T). Das
Ergebnis hat immer die Form (B, V, Horizont, 21). Fehlende Werte geben Sie
als NaN an. Die Zeitstempel selbst sieht das Modell nicht. Es kennt weder
Wochentag noch Uhrzeit, sondern erkennt die Muster nur aus der Abfolge der
Werte.
Wie gut ist das im Vergleich?
Ein einzelner Tag sagt wenig. Wir haben deshalb für jeden der 28 Tage vom 16. Oktober bis zum 12. November 2026 um Mitternacht (UTC) eine Prognose für die nächsten 24 Stunden erstellt und mit diesen Verfahren verglichen:
- Seasonal Naive: der Wert von vor einer Woche zur gleichen Uhrzeit. Jede ernsthafte Prognose sollte das schlagen.
- MSTL aus statsforecast zerlegt die Reihe in Tages- und Wochenmuster plus Trend, ein klassisches statistisches Verfahren, gerechnet auf acht Wochen Historie.
- LightGBM ist ein Gradient-Boosting-Modell, trainiert auf drei Jahren Daten vor dem Testzeitraum. Es bekommt die Werte von vor einem, zwei und drei Tagen sowie vor einer und zwei Wochen, den Tagesmittelwert von gestern, Viertelstunde, Wochentag, Kalendertag, Feiertage und die Temperatur. So sieht ein typisches Modell aus einem Data-Science-Projekt aus.
- Chronos-2 von Amazon (120 Mio. Parameter) ist ein verbreitetes Zeitreihenmodell, das ebenfalls Kovariaten verarbeitet.
| Verfahren | MAPE | MAE |
|---|---|---|
| Seasonal Naive (Vorwoche) | 4,80 % | 331 MW |
| MSTL (statsforecast) | 3,05 % | 205 MW |
| Chronos-2 ohne Kovariaten | 2,96 % | 202 MW |
| Chronos-2 + Tagtyp | 2,36 % | 159 MW |
| LightGBM (Lags, Kalender, Feiertage, Temperatur) | 2,08 % | 142 MW |
| Timestral-209M ohne Kovariaten | 2,35 % | 160 MW |
| Timestral-28M + Tagtyp | 1,88 % | 130 MW |
| Timestral-123M + Tagtyp | 1,76 % | 121 MW |
| Timestral-209M + Tagtyp | 1,95 % | 133 MW |
Timestral schlägt ohne jede Zusatzinformation MSTL und Chronos-2 deutlich. Gegen LightGBM gewinnt es erst, wenn es eine einzige zusätzliche Information bekommt, den Tagtyp, um den es im nächsten Abschnitt geht. 28 Tage sind kein großer Testzeitraum. Wir haben die Tagesfehler deshalb paarweise verglichen: Timestral-123M mit Tagtyp war an 19 von 28 Tagen besser als LightGBM, im Schnitt um 21 MW, und das 90-%-Konfidenzintervall dieses Abstands liegt mit 5 bis 37 MW ganz unter null. Bei 28M und 209M ist der Vorsprung kleiner und statistisch nicht gesichert.
Auffällig ist, dass das größte Modell hier nicht das beste ist. Das passt zu Mistrals eigenen Zahlen, nach denen 123M und 209M fast gleichauf liegen. Bei einer einzelnen Reihe über vier Wochen entscheidet der Zufall mit. Probieren Sie bei Ihren Daten deshalb mehrere Größen aus.
Schritt 3: Feiertage als Kovariate
Fast der ganze Rückstand von Timestral ohne Kovariaten geht auf einen Tag zurück. Am 26. Oktober ist in Österreich Nationalfeiertag, und der Verbrauch sieht aus wie an einem Sonntag. Timestral-209M sah einen Montag kommen und prognostizierte einen Werktag: 944 MW mittlerer Fehler statt rund 110 an normalen Tagen. LightGBM kennt aus drei Jahren Training das Merkmal "Feiertag" und lag an diesem Tag bei 165 MW.
Stromlast in Österreich vom 22. Oktober bis 2. November 2026: Ohne Kalender prognostiziert Timestral am Nationalfeiertag einen Werktag, mit Tagtyp liegt es fast so gut wie LightGBM
Das ist die wichtigste Eigenschaft eines Zero-Shot-Modells: Es weiß nur, was im Kontext steht. Ein Feiertag kommt in 341 Tagen Historie nur gut ein Dutzend Mal vor, und das Modell sieht keinen Kalender. Die Lösung ist eine bekannte Kovariate, die Sie für die Vergangenheit und für den Prognosehorizont mitgeben.
Wir haben drei Varianten verglichen. Die erste ist ein einfacher 0/1-Indikator "Feiertag". Die zweite ist ein Tagtyp mit drei Kategorien: Werktag, Samstag, Sonntag oder Feiertag. Dieser Trick ist aus der klassischen Lastprognose bekannt. Ein Feiertag wird wie ein Sonntag behandelt, und Sonntage kommen im Kontext oft genug vor, damit das Modell weiß, wie sie aussehen.
Mit dem 123M-Modell ergibt das für den Feiertag:
ohne MAE 1149 MW
mit Tagtyp MAE 247 MW
Kategoriale Kovariaten übergeben Sie als Zahlencodes. Timestral wandelt sie intern per Target Encoding um. Jede Kategorie wird durch den mittleren Verbrauch ersetzt, den die Reihe in dieser Kategorie im Kontext hatte. Aus "Tagtyp 2" wird so "an solchen Tagen lag der Verbrauch im Schnitt bei 5800 MW". Mit dieser Zahl kann das Modell direkt etwas anfangen.
Über alle 28 Tage sieht der Vergleich der Kovariaten so aus (MAPE):
| Kovariaten | Timestral-123M | Timestral-209M |
|---|---|---|
| keine | 2,50 % | 2,35 % |
| Feiertag (0/1) + Temperatur | 2,12 % | 2,42 % |
| Tagtyp (kategorial) | 1,76 % | 1,95 % |
| Tagtyp + Temperatur | 2,15 % | 2,59 % |
Das zweite Ergebnis hat uns überrascht. Die Temperatur, für LightGBM eine hilfreiche Größe (ohne sie stieg sein Fehler von 2,1 auf 2,6 %), hat Timestral in jeder Kombination geschadet. Wir vermuten, dass der Zusammenhang zwischen Temperatur und Verbrauch in Österreich im Herbst schwach ist und sich innerhalb eines Jahres Kontext kaum zeigt, während LightGBM ihn aus drei Jahren gelernt hat. Bewiesen ist das nicht. Die praktische Regel ist aber eindeutig: Messen Sie jede Kovariate einzeln, mehr ist nicht automatisch besser.
Schritt 4: Wetterprognose für Solarstrom
Beim Solarstrom ist das Wetter dagegen entscheidend. Aus dem Verlauf allein kann kein Modell wissen, ob morgen Nebel liegt. Timestral ohne Kovariaten liegt deshalb nicht besser als der Wert von gestern.
Als bekannte Kovariate nehmen wir die Prognose der Globalstrahlung für fünf Städte (Wien, Linz, Graz, Salzburg, Innsbruck), gemittelt. Wichtig ist, dass Sie dafür eine echte Wetterprognose verwenden und nicht die später gemessene Strahlung. Sonst rechnen Sie mit Wissen, das Sie am Vortag nicht hatten, und die Ergebnisse sehen zu gut aus. Open-Meteo bietet dafür ein Archiv früherer Wettermodell-Läufe:
Über die 28 Testtage (Fehler relativ zur mittleren Erzeugung inklusive der Nachtstunden):
| Verfahren | rel. MAE | MAE |
|---|---|---|
| Wert von gestern | 37,4 % | 135 MW |
| Timestral-209M ohne Wetter | 37,1 % | 133 MW |
| LightGBM (Lags, Kalender, Strahlungsprognose) | 23,4 % | 84 MW |
| Chronos-2 + Strahlungsprognose | 19,8 % | 71 MW |
| Timestral-5M + Strahlungsprognose | 20,8 % | 75 MW |
| Timestral-28M + Strahlungsprognose | 18,4 % | 66 MW |
| Timestral-123M + Strahlungsprognose | 16,2 % | 58 MW |
| Timestral-209M + Strahlungsprognose | 17,3 % | 62 MW |
Solarstrom in Österreich vom 1. bis 6. November 2026: Ohne Wetter liegt Timestral an trüben Tagen zu hoch und an sonnigen zu tief, mit der Strahlungsprognose folgt es dem Verlauf
Mit der Strahlungsprognose halbiert sich der Fehler, und alle Timestral-Größen schlagen das LightGBM-Modell, das dieselbe Information und drei Jahre Training hatte. Timestral-123M war an 23 der 28 Tage besser. Die Grafik zeigt auch die Grenze: Am 5. November lagen alle Verfahren bei der Mittagsspitze zu tief, Timestral mit rund 1600 statt knapp 2000 MW noch am nächsten. Genauer als die Wetterprognose, die es bekommt, kann das Modell nicht werden.
Das 80-%-Intervall war bei Timestral tagsüber etwas zu schmal. Beim 123M-Modell lagen 76 % der Werte darin, beim 209M-Modell 68 %. Wer die Quantile für Entscheidungen nutzt, sollte die Abdeckung auf eigenen Daten prüfen.
Schritt 5: Tausend Reihen auf einmal
Zeitreihenprojekte im Handel haben selten eine Reihe, sondern Tausende: Filialen, Artikel, Regionen. Der Rossmann-Datensatz aus einem Kaggle-Wettbewerb von 2015 enthält die Tagesumsätze von 1115 Filialen der Drogeriekette über 942 Tage. Dazu kommen Angaben, ob die Filiale geöffnet war, ob eine Aktion lief, ob Schulferien waren und ob ein Feiertag war. Die Gewinner von damals haben mit viel Feature Engineering und Gradient Boosting gearbeitet.
Wir prognostizieren die letzten sechs Wochen (42 Tage) aller Filialen. Die Daten liegen aufbereitet auf dem Hugging Face Hub:
Die Pakete zu 32 Reihen haben einen Grund. Die Variaten-Attention läuft über alle Zeilen eines Aufrufs, also Reihen mal (1 + Kovariaten). Speicher und Rechenzeit wachsen damit quadratisch. Ein Nutzer berichtet auf GitHub, dass ein einzelner Aufruf mit 635 Reihen und Kovariaten 62 GB Speicher anforderte. Mit 16 bis 64 Reihen pro Aufruf bleibt es handlich.
Rund 180 Filialen haben in den Daten eine Lücke von einem halben Jahr. Die
NaN-Werte gehen einfach so an das Modell, eine Vorverarbeitung ist nicht
nötig.
| Verfahren | RMSPE | MASE | Zeit (GPU) |
|---|---|---|---|
| Seasonal Naive (Vorwoche) | 0,350 | 0,62 | - |
| LightGBM (Filiale, Kalender, Aktion, Filialprofil) | 0,135 | 0,31 | 17 s Training |
| Timestral-28M ohne Kovariaten | 0,153 | 0,34 | 1,6 s |
| Timestral-28M + Öffnung, Aktion, Ferien, Feiertag | 0,133 | 0,29 | 3,2 s |
| Timestral-209M ohne Kovariaten | 0,126 | 0,27 | 1,8 s |
| Timestral-209M + Öffnung, Aktion, Ferien, Feiertag | 0,129 | 0,28 | 16 s |
RMSPE war die Metrik des Kaggle-Wettbewerbs, berechnet über die geöffneten Tage. Bei allen Verfahren haben wir Tage, an denen die Filiale geschlossen war, auf 0 gesetzt. Unser LightGBM ist ein solides Basismodell und keine Wettbewerbslösung. Die Siegerlösung des Wettbewerbs kam auf dessen Testzeitraum auf etwa 0,10.
Timestral-209M schlägt das Basismodell ohne jede Kovariate. Die Aktionen laufen in diesen Daten meist im Zweiwochenrhythmus, das Modell kann sie also zum Teil aus dem Verlauf ablesen. Das kleine 28M-Modell braucht die Kovariaten, um gleichzuziehen. Beim 209M verbessern sie vor allem die Quantile. Ohne Kovariaten enthielt das 90-%-Intervall 98 % der Werte und war damit zu breit. Mit Kovariaten waren es 90 %, also genau richtig.
Rossmann-Filiale 11: Timestral-209M trifft die Aktionswochen, das Band wird in der letzten Aktionswoche breit
Hier liegt auch der praktische Nutzen der Quantile. Für Personalplanung oder Bestellmengen ist der Median selten die richtige Zahl. Wer nur in 10 % der Fälle zu wenig Ware oder Personal haben will, plant mit dem 90-%-Quantil:
Ein Hinweis zu diesem Test: Rossmann ist Teil von fev-bench. Ob die Daten auch im Training von Timestral waren, wissen wir nicht. Die Stromdaten oben sind daher der sauberere Test.
Schritt 6: Anomalien erkennen
Die Quantile eignen sich auch, um Ungewöhnliches zu finden. Die Idee: Was außerhalb des Bands liegt, das das Modell für plausibel hielt, ist verdächtig. Wir testen das am Temperatursensor einer Industriemaschine aus dem Numenta Anomaly Benchmark (NAB). Die Reihe hat 22.683 Werte im Fünf-Minuten-Takt über gut zehn Wochen und vier markierte Störungen. Die erste war laut Beschreibung eine geplante Abschaltung, eine andere ein Totalausfall der Maschine.
Der naheliegende Ansatz ist, jede Stunde die nächste Stunde zu prognostizieren und Werte außerhalb des Bands zu melden. Er hat nicht funktioniert. Die Störung im Februar beginnt mit einem Abfall der Temperatur von etwa 92 auf 65 und sinkt dann über gut einen Tag langsam unter 30. Ein Modell, das jede Stunde neu prognostiziert, passt sich an jeden neuen Wert an und hält den langsamen Abfall für den normalen Verlauf.
Besser funktioniert es, wenn Sie die aktuelle Messung mit einer älteren Erwartung vergleichen. Wir prognostizieren jede Stunde 24 Stunden voraus und bewerten nur die letzte Stunde jeder Prognose. Jeder Messwert wird damit an dem gemessen, was das Modell einen Tag vorher erwartet hat:
Die rund 1700 Prognosen über 24 Stunden dauern auf der RTX 4080 gut eine Sekunde. Wie viele Störungen Sie finden und wie viele Fehlalarme Sie bekommen, hängt stark von zwei Einstellungen ab, dem Vorlauf und der Breite des Bands:
| Vorlauf | Band | erkannte Störungen (von 4) | Fehlalarme in 10 Wochen |
|---|---|---|---|
| 1 h | 1 bis 99 % | 0 | 0 |
| 1 h | 5 bis 95 % | 0 | 1 |
| 6 h | 1 bis 99 % | 2 | 7 |
| 6 h | 5 bis 95 % | 4 | 35 |
| 24 h | 1 bis 99 % | 2 | 0 |
| 24 h | 5 bis 95 % | 4 | 22 |
Temperatursensor einer Industriemaschine: Alarme aus dem Prognoseband und der Ausschnitt um den Ausfall im Februar 2014
Mit 24 Stunden Vorlauf und dem breiten Band findet das Verfahren ohne einen einzigen Fehlalarm die beiden markierten Störungen im Dezember. Mit dem engeren Band findet es alle vier, die Störung im Februar etwa acht Stunden nach dem ersten Temperaturabfall, aber auch gut zwei Fehlalarme pro Woche. Für einen ersten Filter, der eine Fachkraft auf auffällige Stunden hinweist, ist das brauchbar. Als alleiniges Alarmsystem reicht es so nicht.
Wir haben die Einstellungen an genau dieser Reihe ausprobiert, die Tabelle ist also eher optimistisch. Für Ihre Sensoren gilt dasselbe wie beim Schwellwert jedes Alarmsystems: Sie brauchen eine Stichprobe mit bekannten Störungen, um Vorlauf und Band festzulegen. Mistral nennt im technischen Bericht Embeddings aus dem Modell für Anomalieerkennung und Klassifikation als nächsten Schritt. Im veröffentlichten Code gibt es das noch nicht.
Lücken und Kontextlänge
Zwei Fragen kommen in Projekten fast immer: Was passiert bei fehlenden Daten, und wie viel Historie braucht man? Beides haben wir an der Stromlast mit Tagtyp gemessen (28 Testtage, MAPE):
| Kontext | Timestral-123M | Timestral-209M |
|---|---|---|
| 7 Tage | 2,12 % | 2,02 % |
| 28 Tage | 1,89 % | 1,97 % |
| 84 Tage | 2,23 % | 2,27 % |
| 341 Tage (Maximum) | 1,76 % | 1,95 % |
| 341 Tage, 10 % der Werte fehlen | 1,85 % | 2,06 % |
| 341 Tage, 30 % der Werte fehlen | 1,97 % | 2,23 % |
Schon eine Woche Historie liefert eine brauchbare Prognose. Mehr Kontext war meistens besser, aber nicht immer: 84 Tage waren schlechter als 28. Auch das sollten Sie an eigenen Daten prüfen, statt pauschal das Maximum zu nehmen.
Fehlende Werte steckt das Modell gut weg. Wir haben zufällig verteilte
Lücken von je einer Stunde in den Kontext gesetzt. Selbst mit 30 % fehlenden
Werten stieg der Fehler nur um etwa 0,2 Prozentpunkte. Sie übergeben die
Lücken als NaN, auffüllen müssen Sie nichts.
Ohne GPU: Timestral auf der CPU
Viele Unternehmen haben auf ihren Servern keine GPU, und Timestral braucht auch keine. Wir haben die Laufzeit auf einem AMD Ryzen 9 5900X mit acht Threads gemessen, in fp32 und ohne weitere Optimierung, für 96 Schritte Prognose:
| Modell | 1 Reihe, 2048 Schritte | 32 Reihen, 2048 Schritte | 1 Reihe, 32.768 Schritte |
|---|---|---|---|
| 5M | 13 ms | 0,16 s | 0,11 s |
| 28M | 37 ms | 0,54 s | 0,25 s |
| 209M | 174 ms | 2,7 s | 1,5 s |
Mistral gibt auf einem Serverprozessor mit bfloat16 und torch.compile 17 ms
für 5M und 113 ms für 209M an. Auf einer RTX 4080 brauchte das 209M-Modell für
64 Reihen 0,19 Sekunden.
Für eine tägliche Prognose einiger hundert Reihen reicht also ein gewöhnlicher
Server. Das 28M-Modell lag in unseren Tests oft nahe an den großen Modellen
und ist auf der CPU fünfmal schneller als 209M. Mit Kovariaten steigt die
Rechenzeit deutlich, beim Rossmann-Test auf der GPU um das Neunfache. Rechnen
Sie das bei der Planung mit ein. Mit torch.set_num_threads() legen Sie fest,
wie viele Kerne PyTorch nutzt.
Grenzen und Stolpersteine
Lizenz
Der Code steht unter Apache 2.0, die Gewichte unter einer "Modified MIT"-Lizenz. Die Änderung gegenüber MIT: Sie dürfen die Gewichte nicht nutzen, wenn der weltweite konsolidierte Monatsumsatz Ihres Unternehmens oder Ihres Arbeitgebers im Vormonat 20 Millionen US-Dollar übersteigt. Das gilt auch für abgeleitete Modelle. Größere Unternehmen brauchen eine kommerzielle Lizenz von Mistral oder nutzen Mistrals gehostete Dienste. Prüfen Sie das, bevor Sie ein Projekt starten.
Kein Fine-Tuning im offenen Code
Das Repository enthält nur die Inferenz. Nachtrainieren auf eigenen Daten bietet Mistral über seine Plattform Forge an, auch auf eigener Hardware. Mit dem offenen Code bleibt es bei Zero-Shot mit Kovariaten.
Unbekannte Trainingsdaten
Welche echten Datensätze im Training waren, ist nicht veröffentlicht. Testen Sie deshalb auf Daten, die nach dem 15. Oktober 2026 entstanden sind, oder auf eigenen, nicht öffentlichen Daten.
Kovariaten mit Tücken
Ein Nutzer hat auf GitHub einen Fall dokumentiert,
in dem die oberen Quantile explodieren: q99 bei mehreren Tausend für Artikel,
die zwei Stück am Tag verkaufen. Auslöser war ein Preis, der im ganzen
Kontext konstant ist und sich erst im Prognosehorizont ändert. Die
Normalisierung pro Zeile macht aus wenigen Cent einen riesigen Sprung. Der
Nutzer setzt solche Zeilen auf NaN. Zusammen mit unserem Temperaturbefund
heißt das: Jede Kovariate gehört einzeln getestet.
Installation und Plattform
Das Paket ist nicht auf PyPI, Sie installieren aus Git. Auf Apple-GPUs (MPS) bricht es derzeit ab, weil die Statistik in float64 rechnet. Auf CPU und NVIDIA-GPU lief bei uns alles ohne Probleme.
Keine Zeitstempel
Timestral sieht nur die Abfolge der Werte. Kalender, Öffnungszeiten und Feiertage müssen Sie als Kovariaten mitgeben, wie im Abschnitt zu Feiertagen gezeigt.
Wann sich Timestral lohnt
Timestral ersetzt in unseren Tests ein Paket aus klassischen Verfahren durch ein Modell und wenige Zeilen Code. Es war ohne jedes Training besser als MSTL, Chronos-2 und ein LightGBM-Basismodell, sobald wir ihm die nötigen Zusatzinformationen gegeben haben. Am meisten lohnt es sich in diesen Fällen:
- Sie haben viele Reihen und wenig Zeit pro Reihe, etwa Filialen, Artikel, Zähler oder Sensoren.
- Sie brauchen schnell eine gute Basisprognose, an der sich spätere Spezialmodelle messen müssen.
- Sie brauchen Unsicherheiten, etwa für Bestellmengen, Personal oder Netzreserven, und nicht nur einen Punktwert.
- Sie wollen ohne MLOps-Aufwand starten: kein Training, kein Nachtrainieren, ein Modell für alle Reihen.
Ein gut gebautes, trainiertes Modell kann trotzdem besser sein, vor allem wenn seltene Ereignisse eine große Rolle spielen und viele Jahre Historie verfügbar sind. Unser LightGBM hat ohne Tagtyp-Trick gewonnen, weil es Feiertage aus drei Jahren kannte. Der wichtigste Arbeitsschritt verschiebt sich damit: Statt Modelle zu trainieren, überlegen Sie, welche Information das Modell im Kontext nicht sehen kann, und geben sie ihm als Kovariate.
Für den Einstieg empfehlen wir:
- Mit dem 28M- oder 123M-Modell und der reinen Historie beginnen und gegen einen naiven Wert und Ihr bestehendes Verfahren messen.
- Kalender und bekannte Ereignisse als kategoriale Kovariaten ergänzen.
- Jede weitere Kovariate einzeln testen und behalten, was hilft.
- Die Abdeckung der Quantile auf eigenen Daten prüfen, bevor Sie damit planen.
Wenn Sie Prognosen für Energie, Absatz oder Maschinendaten aufbauen wollen und dabei Unterstützung brauchen, sprechen Sie uns an.
Quellen
- Mistral AI: Introducing Timestral (englisch), 15. Oktober 2026
- Mistral AI: Timestral auf GitHub und Modellkarte Timestral-209M
- Technischer Bericht: Timestral, arXiv 2610.37585
- Lizenz der Gewichte: Modified MIT License
- GitHub-Issues zu Trainingsdaten, explodierenden Quantilen mit Preis-Kovariaten und Speicherbedarf und MPS
- Strom- und Solardaten: Energy-Charts des Fraunhofer ISE
- Wetterprognosen: Open-Meteo Historical Forecast API
- Rossmann-Daten: fev-bench-Datensätze auf Hugging Face, ursprünglich aus dem Kaggle-Wettbewerb Rossmann Store Sales
- Sensordaten: Numenta Anomaly Benchmark
- Chronos-2: amazon/chronos-2
Sie möchten zuverlässige KI-Agenten-Systeme bauen?
Wir haben auf Basis aktueller Forschung einen ausführlichen Leitfaden (auf Englisch) erstellt, wie Sie robuste KI-Agenten-Systeme bauen, die auch im produktiven Betrieb funktionieren. Der Leitfaden behandelt:
- die 14 systematischen Fehlerquellen in Multi-Agenten-Systemen
- belegte Best Practices für das Design von Agenten
- strukturierte Kommunikationsprotokolle und Prüfmechanismen



