IBM stellte am 9. September Details zu Granite Time Series PatchTST-FM-r2 vor. Das Modell mit rund 385 Millionen Parametern prognostiziert Zahlenreihen ohne zusätzliches Training für die konkrete Aufgabe. Gewichte und Code sind verfügbar; für das Modell stehen Apache 2.0 und OpenMDW 1.0 zur Wahl.

Im September-Vergleich von IBM liegt es bei GIFT-Eval auf Platz zwei unter reproduzierbaren Zero-Shot-Modellen. Das ist eine abgegrenzte Kategorie und eine Herstellerbewertung. Die Rangfolge allein zeigt nicht, wie gut das Modell mit unregelmäßigen Daten eines bestimmten Unternehmens zurechtkommt.

Unsere redaktionelle Einordnung: Für die Gebäudeverwaltung kann eine Spanne des morgigen Energiebedarfs nützlicher sein als eine scheinbar exakte Einzelzahl. Mit einem offenen Modell lässt sich dies auf dem eigenen Server erproben und mit einer einfachen saisonalen Prognose vergleichen.

Ein aussagekräftiger Pilotversuch muss die zum Prognosezeitpunkt verfügbare Vergangenheit von späteren Ergebnissen trennen. Neben dem durchschnittlichen Fehler sollten Messausfälle, ungewöhnliche Situationen, Kosten und die Übereinstimmung der Unsicherheitsintervalle mit der Realität untersucht werden.

Unsere optimistische redaktionelle Schätzung: Ein Team mit vorbereiteten Daten kann einen begrenzten internen Pilotversuch in 2–6 Wochen auswerten. Automatisierte Entscheidungen erfordern weitere betriebliche Prüfungen; der Zeitraum ist kein Herstellerversprechen.