KI News: Kurz und klar.

Die neuesten Transformer‑basierten Basismodelle für Zeitreihen – darunter Lag‑Llama, TimeGPT, Chronos, MOMENT, UniTS und TimesFM – haben bereits beeindruckende Leistungen bei Vorhersagen, Anomalieerkennung, Klassifikation und Imputation gezeigt. Dennoch bleiben bei der Anwendung in der Praxis noch Schwankungen, domänenspezifische Verzerrungen und eine unzureichende Unsicherheitsabschätzung bestehen.

Standard‑Gradient‑Descent liefert zwar punktuelle Schätzungen, aber keine Aussage über die Zuverlässigkeit dieser Schätzungen. In Modellen mit vielen Parametern und wenig Daten kann das leicht zu Überanpassung führen. Die klassische Bootstrap‑Methode zur Unsicherheitsabschätzung ist für tiefes Lernen zu aufwendig, weil sie viele Kopien des Modells trainieren muss und die Ergebnisse erst nach dem Training ausgewertet werden.