Mistral stellte Timestral am 15. Oktober in vier Größen von 5 bis 209 Millionen Parametern vor. Es ist kein Chatbot: Aus historischen Zeitreihen entstehen Wahrscheinlichkeitsprognosen unter Einbeziehung zusammenhängender Größen und vorher bekannter Umstände wie eines Arbeitskalenders.

Der Hersteller veröffentlichte Code und Modelle und nennt CPU-Betrieb sowie gute öffentliche Benchmarkwerte. Wir haben keine unabhängige Messung durchgeführt; ein vollständiger technischer Bericht soll erst folgen. Für den Code gilt Apache 2.0, für die Gewichte eine eigene Modified-MIT-Lizenz mit geschäftlichen Bedingungen; diese Regime sind nicht austauschbar.

Eine kleine Werkstatt könnte den Strombedarf von morgen aus Messungen und geplanten Schichten schätzen. Statt einer scheinbar präzisen Einzelzahl wäre ein Bereich möglicher Werte sichtbar. Das könnte auffällige Entwicklungen früher anzeigen, erklärt aber weder deren Ursache noch beweist es einen bevorstehenden Maschinenausfall.

Nötig sind saubere Zeitstempel, korrekter Umgang mit fehlenden Werten und Tests ausschließlich nach der Trainingshistorie. Eine zukünftige Einflussgröße muss zum Prognosezeitpunkt wirklich bekannt sein. Verglichen werden sollte mit einer einfachen saisonalen Schätzung; Fehlalarme und Betriebsänderungen müssen überwacht werden.

Optimistisch könnten 2–6 Wochen sorgfältiger Vorbereitung und Rücktests zeigen, ob ein Pilot ohne Produktionseingriffe sinnvoll ist. Seltene Ausfälle verlangen oft deutlich längere Beobachtung. Das ist ein redaktionelles Szenario, kein Einsparversprechen oder eine Freigabe zur Maschinensteuerung.