IBM bündelt vier Granite-Modelle zu einer Prognose. Das beste schlägt es um zwei Tausendstel, der eigentliche Gewinn ist die gesparte Auswahl

IBM Research hat am 22. Oktober Granite Timeseries Ensemble auf Hugging Face veröffentlicht. Das Rezept kombiniert vier hauseigene Modelle für Zeitreihenprognosen und liefert eine Punktprognose samt Quantilen, ohne Nachtraining und ohne gelernte Gewichte.

IBM stapelt vier unterschiedliche Architekturen zu einer Prognose

Die Mitglieder sind Granite PatchTST-FM-r1 (Patched Transformer), PatchTST-FM-r2 (Patched Conformer), FlowState-r1.1 (Zustandsraummodell) und TTM-r3 (Tiny Time Mixers). Jedes erfasst Trend, Saisonalität und kurze Schwankungen anders, ihre Fehler müssen also nicht zusammenfallen. Die Größen unterscheiden sich um Größenordnungen: Hugging Face nennt 1,41 Millionen Parameter für TTM-r3, 9,07 Millionen für FlowState sowie 0,3 und 0,4 Milliarden für die beiden PatchTST-Modelle.

Die Standardmethode Probabilistic Ensemble gewichtet alle Mitglieder gleich und führt ihre Quantilprognosen zu einer Verteilung zusammen. Die Alternative IQR Ensemble bevorzugt Mitglieder mit engeren Intervallen. IBM warnt selbst, dass ein engeres Intervall nicht zwingend eine genauere Prognose bedeutet und diese Methode ein übermäßig selbstsicheres Modell begünstigen kann. Rezept und Standardmitglieder stehen unter permissiver Lizenz und lassen sich ab Version 0.3.11 über das Paket granite-tsfm installieren.

Bei GIFT-Eval gewinnt das Ensemble um zwei Tausendstel und verliert bei den Quantilen

IBM hat beide Rezepte auf 97 Konfigurationen des Benchmarks GIFT-Eval getestet, ohne Fine-Tuning. Probabilistic Ensemble erreicht den niedrigsten MASE der sechs verglichenen Prognosen, 0,683. Das beste Einzelmitglied PatchTST-FM-r2 kommt auf 0,685. Beim CRPS, der die gesamte Wahrscheinlichkeitsverteilung bewertet, behält dagegen PatchTST-FM-r2 mit 0,467 die Führung, beide Ensembles liegen bei 0,471. In der Rangliste vom 20. Oktober 2026 landete der Ansatz unter den Systemen, die IBM als vergleichbar einstuft, auf Platz drei, sowohl beim durchschnittlichen MASE-Rang als auch beim CRPS-Rang.

Für ein Datenteam in Energiewirtschaft, Logistik oder E-Commerce zählt der Durchschnittsrang mehr als der absolute Wert. Das Ensemble liegt über sehr unterschiedliche Daten hinweg zuverlässig weit vorn, auch wenn bei einer einzelnen Reihe ein anderes Modell gewinnt. IBM sagt das offen: Der Hauptnutzen ist Robustheit. In einem Unternehmen, in dem Prognosen Hunderte Reihen von der Nachfrage bis zum Stromverbrauch bedienen, entfällt der Streit darüber, welches Modell man wählt. Übrig bleibt eine Schnittstelle, die auch kompatible Forecaster anderer Autoren aufnimmt.

Radar hat PatchTST-FM-r2 bereits früher als stärkstes permissiv lizenziertes Modell bei GIFT-Eval vorgestellt. Das Ensemble überholt es bei der Punktgenauigkeit knapp und bleibt bei der probabilistischen Genauigkeit dahinter. Für ein Team, dem ein gutes Modell genügt, ändert sich wenig.

Vier Checkpoints kosten mehr Speicher, und die erweiterten Rezepte haben andere Lizenzen

Das Rezept lädt zur Laufzeit alle vier Checkpoints, die Inferenz dauert also länger und braucht mehr Speicher als ein einzelnes Modell. Multivariate Reihen prognostiziert es Kanal für Kanal, ohne die Beziehungen zwischen ihnen zu nutzen, was bei Daten wie Temperatur und Last schaden kann. Laut IBM garantiert keine der beiden Methoden Kalibrierung oder Robustheit bei Verteilungsverschiebungen. Zudem gelten für die erweiterten Rezepte mit zusätzlichen Checkpoints von IBM Research eigene Lizenzbedingungen, darunter Beschränkungen auf nichtkommerzielle Nutzung und Forschung. Wer im Repository zur erweiterten Variante greift, ohne die Model Card zu lesen, holt sich womöglich ein rechtliches Problem ins Produkt.

Den Ausschlag gibt der Backtest mit eigenen Daten, nicht der Ranglistenplatz

IBM empfiehlt selbst, beide Ensembles und PatchTST-FM-r2 auf denselben historischen Zeitfenstern zu vergleichen, zu prüfen, ob das Intervall zwischen den Quantilen 0,1 und 0,9 tatsächlich 80 % der Fälle abdeckt, und Laufzeit sowie Speicherbedarf zu messen. Stellen Teams fest, dass ein Gewinn im Tausendstelbereich spürbar mehr Latenz kostet, bleiben sie bei einem Modell. Das zweite Signal ist, ob in der Schnittstelle fremde Forecaster auftauchen. Dann könnte IBMs Rezept zu einem neutralen Weg werden, Prognosen aus Modellen verschiedener Autoren zu kombinieren.

Liliths Urteil

Meteorologen streiten längst nicht mehr darüber, welches Modell recht hat, sie lesen das Wetter aus dem ganzen Bündel von Läufen. IBM bietet nun dasselbe Lagerplanern und Netzbetreibern an: eine Prognose, die zwei Tausendstel genauer ist, und vor allem das Ende halbstündiger Meetings darüber, welchem Modell man trauen soll.