Frequenz entscheidend: Warum Zeitreihen-Modelle bei Spektralverschiebung versagen

Die neuesten Zeitreihen-Foundation-Modelle (TSFMs) haben bei öffentlichen Benchmarks beeindruckende Resultate erzielt und werden oft mit dem „BERT‑Moment“ für Zeitreihen verglichen. In der Industrie bleibt jedoch ihre tatsächliche Leistungsfähigkeit unklar.

Eine aktuelle Untersuchung zeigt, dass TSFMs häufig Schwierigkeiten haben, über die Trainingsdaten hinaus zu generalisieren. Der entscheidende Faktor ist die Spektralverschiebung – ein Missverhältnis zwischen den dominanten Frequenzkomponenten, die während des Pretrainings gelernt wurden, und denen, die in den Downstream‑Aufgaben auftreten.

Belege dafür liefern Daten aus einem groß angelegten Player‑Engagement‑Vorhersage‑Task im Mobile‑Gaming. Dort schneiden TSFMs deutlich schlechter ab als domänenangepasste Baselines, die speziell auf die jeweilige Frequenzstruktur abgestimmt sind.

Um den Mechanismus zu isolieren, wurden kontrollierte synthetische Experimente durchgeführt, die Signale mit bekannten und unbekannten Frequenzbändern vergleichen. Die Ergebnisse zeigen eine systematische Leistungsabnahme, wenn die Frequenzbänder nicht übereinstimmen.

Diese Erkenntnisse unterstreichen, dass eine Frequenzsensibilität für die robuste Anwendung von TSFMs unerlässlich ist. Sie fordern die Entwicklung neuer Pretraining‑ und Evaluationsprotokolle, die explizit die Spektraldiversität berücksichtigen.