TimesFM-3: Multivariate Prognosen treffen auf eine harte Lizenzgrenze

Offen verfügbar, aber nicht für den produktiven Einsatz freigegeben: Google hat TimesFM-3 am 1. September 2026 laut Google Research als erstes nativ multivariates Modell der Reihe vorgestellt, mit 330 Millionen Parametern und einem Vortraining auf mehr als einer Billion Zeitpunkten aus realen und synthetischen Zeitreihen.

Laut MarkTechPost steht der Repository-Code unter Apache-2.0, die Modellgewichte schließen kommerzielle Produktion dagegen aus. Zugleich verarbeitet TimesFM-3 mehrere Zielreihen mit historischen und bereits bekannten künftigen Einflussgrößen ohne aufgabenspezifisches Fine-Tuning. Die Fähigkeiten lassen sich prüfen und vergleichen. Ein kommerzieller Prognosedienst stößt jedoch bereits an der Lizenz.

Von einer Zeitreihe zu mehreren Einflussgrößen

Bis einschließlich TimesFM-2.5 waren Googles Modelle laut Google Research auf univariate Prognosen beschränkt, bei denen eine einzelne Reihe aus ihrer eigenen Historie fortgeschrieben wurde; TimesFM-3 verarbeitet dagegen mehrere Zielreihen gemeinsam sowie historische und bekannte künftige Kovariaten, also zusätzliche Einflussgrößen.

Das passt besser zu realen Planungsfragen. Bei der Prognose von Speiseeisverkäufen können etwa verwandte Produktverkäufe und Besucherzahlen aus der Vergangenheit mit bereits bekannten Faktoren wie Wettervorhersagen, Aktionen oder Feiertagen zusammenwirken. Das Modell soll solche Aufgaben ohne aufgabenspezifisches Fine-Tuning bearbeiten, statt die Beziehungen für jeden Anwendungsfall erst einzeln modellieren zu müssen.

Das ist ein deutlicher Sprung: Eine Prognose, die Zusammenhänge zwischen mehreren Reihen ignoriert, blendet häufig jene Signale aus, auf denen operative Entscheidungen beruhen.

Ein Durchlauf für den gesamten Prognosehorizont

Google Research beschreibt für TimesFM-3 ein Verfahren namens Contiguous Patch Masking, mit dem das Modell den vollständigen Prognosehorizont in einem einzigen Vorwärtsdurchlauf erzeugt, auch wenn mehrere Zielreihen und Kovariaten beteiligt sind.

MarkTechPost berichtet außerdem, TimesFM-3 führe unter vortrainierten Grundmodellen den durchschnittlichen Rang auf GIFT-Eval, fev-bench und dem TIME-Leaderboard an. Die Einordnung bezieht sich sowohl auf Punktprognosen als auch auf probabilistische Metriken, die Unsicherheit in den Vorhersagen berücksichtigen.

Das ist ein starkes Evaluationssignal, beantwortet jedoch noch nicht, wie zuverlässig das Modell unter den Datenverschiebungen, Ausreißern und Abhängigkeiten eines konkreten Betriebs arbeitet.

Eigene Tests bleiben Pflicht.

Offener Code heißt hier nicht freie Produktion

Google stellt TimesFM-3 über GitHub und Hugging Face bereit. Laut MarkTechPost steht der Repository-Code unter Apache-2.0, während die Gewichte von TimesFM-3.0 der Lizenz „timesfm-non-commercial-license-v1.0“ unterliegen, die sie auf nichtkommerzielle und nichtproduktive Nutzung beschränkt.

Die Lizenz entscheidet über den praktischen Nutzen. Ein Unternehmen kann die Gewichte heute für Forschung, Vergleichstests und interne Evaluation heranziehen, darf sie nach dieser Lizenzangabe aber nicht hinter eine produktive kommerzielle Prognose-API stellen. Die technische Öffnung reicht damit weiter als die Nutzungserlaubnis.

TimesFM-3 ist vorerst ein überzeugendes Forschungs- und Evaluationsangebot. Ob daraus ein breit einsetzbares Werkzeug für reale Planungssysteme wird, hängt nicht allein von weiteren Benchmarks ab, sondern auch davon, ob Google die Lizenzgrenze für die Modellgewichte später verschiebt.