# Forecast & Training starten

## Forecast Details

<div data-full-width="true"><figure><img src="https://content.gitbook.com/content/Nyvwhz1kEMXcHf4HLuZ8/blobs/iD05OXHsGP3xh5ubkkNP/forecast%20app%20(4).png" alt=""><figcaption></figcaption></figure></div>

<table data-header-hidden data-full-width="true"><thead><tr><th width="105.79998779296875"></th><th width="220.00003051757812"></th><th></th></tr></thead><tbody><tr><td><strong>Element</strong></td><td><strong>Titel</strong></td><td><strong>Details</strong></td></tr><tr><td>[A]</td><td><strong>Allgemeine Konfiguration</strong></td><td>Übergeordneter Block mit allen Einstellungen für das Prognose-Modell.</td></tr><tr><td>[A1]</td><td>Asset</td><td>Das ausgewählte Asset dessen Daten für die Prognose verwendet werden.</td></tr><tr><td>[A2]</td><td>Target Attribute</td><td>Attribut, für das die Vorhersage berechnet wird.</td></tr><tr><td>[A3]</td><td>Feature Attributes</td><td>Liste zusätzlicher Attribute (Minute, Stunde, Wochentag …); sie dienen als Eingangs-Features für das Modell.</td></tr><tr><td>[A4]</td><td>Forecast length</td><td>Anzahl Zeitschritte, die in die Zukunft prognostiziert werden.</td></tr><tr><td>[A5]</td><td>Context length</td><td>Länge des historischen Kontextfensters, das das Modell pro Vorhersage berücksichtigt.</td></tr><tr><td>[A6]</td><td>start/stop training</td><td>Schalter zum Starten/Stoppen des Trainingslaufs.</td></tr><tr><td>[A7]</td><td>start/stop forecasting</td><td>Schalter zum Aktivieren/Deaktivieren der laufenden Vorhersage.</td></tr><tr><td>[B]</td><td><strong>Info</strong></td><td>Status-Panel mit Laufzeit-Informationen.</td></tr><tr><td>[B1]</td><td>Forecast Status</td><td>Zeigt, ob die Vorhersage aktiv/inaktiv ist und wenn aktiv zeigt in welchem Zustand sich der Forecast befindet</td></tr><tr><td>[B2]</td><td>Training Status</td><td>Zeigt den Status des Trainings aktiv/inaktiv und in welchen Zustand sich das Training befindet.</td></tr><tr><td>[B3]</td><td>DOC</td><td>Link zur Online-Dokumentation der <em>Forecast</em>-App.</td></tr><tr><td>[C]</td><td><strong>Forecast Chart</strong></td><td>Diagramm mit Ist- und Prognosewerten.</td></tr><tr><td>[C1]</td><td>Legende – Istwert</td><td>Kennzeichnet die gemessenen Sensordaten (<em>Actual humidity</em>).</td></tr><tr><td>[C2]</td><td>Legende – Prognose</td><td>Kennzeichnet die berechneten Vorhersagen (<em>Forecast humidity</em>).</td></tr><tr><td>[C3]</td><td>Prognose Linie</td><td>Zeigt die vorhersage als linie im chart.</td></tr></tbody></table>

## Forecast starten & Training starten

Die *Forecast App* erlaubt es, das Modelltraining und die laufende Vorhersage unabhängig voneinander zu aktivieren. Beide Prozesse laufen im Hintergrund parallel, folgen jedoch unterschiedlichen Aufgaben und Abläufen. Die nachfolgenden Abschnitte erklären die Funktionsweise, Abhängigkeiten und empfohlene Vorgehensweise.

### Training starten

**Ziel:**\
Trainiert ein neues LSTM-Modell auf Basis der aktuell verfügbaren historischen Daten.

**Ablauf:**

* Der Trainingsprozess wird über den Schalter **Train \[A6]** gestartet.
* Das Modell wird mit den aktuellen Einstellungen für `forecast_length`, `context_length` und `feature_attributes` trainiert.
* Während des Trainings wird fortlaufend das jeweils beste Modell (gemessen an der *Validation Loss*) automatisch zwischengespeichert.

**Wichtig:**

* Der Trainingsstatus wird im **Info-Panel** angezeigt.
* Nach erfolgreichem Abschluss erscheint der Hinweis:\
  → *Training completed successfully. Waiting for enough data to retrain.*

**Automatischer Re-Train:**\
Nach dem initialen Training wird das Modell automatisch neu trainiert, sobald mindestens **10 % mehr Datenpunkte** verfügbar sind als beim letzten Durchlauf.\
→ Beispiel: Wurde ein Modell auf 10 Monaten Daten trainiert, startet das nächste Training, sobald ein weiterer Monat an Daten hinzugekommen ist.

***

### Forecast starten

**Ziel:**\
Erstellt auf Basis des zuletzt trainierten Modells laufende Vorhersagen für neue, eingehende Datenpunkte.

**Ablauf:**

* Der Forecast wird über den Schalter **Forecast \[A7]** aktiviert.
* Die App prüft, ob ein trainiertes Modell vorhanden ist. Nur dann kann die Vorhersage beginnen.
* Neue Vorhersagewerte werden automatisch erzeugt und im Asset als Attribut gespeichert (siehe[ → *Ausgabeattribut des Forecasts*](#ausgabeattribut-des-forecasts)).

**Hinweis:**\
Wenn **noch kein Modell** vorhanden ist (z. B. nach dem erstmaligen Anlegen), kann **keine Vorhersage** erfolgen. In diesem Fall erscheint im Status:\
→ *Waiting for model to be trained.*

***

### Empfehlung zur Reihenfolge

Um zuverlässige Ergebnisse zu erzielen, empfiehlt es sich:

1. Zuerst das **Training zu starten**
2. Nach erfolgreichem Abschluss dann den **Forecast zu aktivieren**

So vermeiden Sie, dass erste Vorhersagen auf einem nicht trainierten oder schlecht konvergierten Modell basieren.

***

## Technische Begriffe im Statusbereich

| Begriff                         | Bedeutung                                                                                                      |
| ------------------------------- | -------------------------------------------------------------------------------------------------------------- |
| **Epochs**                      | Anzahl der vollständigen Trainingsdurchläufe über den gesamten Datensatz.                                      |
| **Validation Loss (val\_loss)** | Fehlerkennzahl auf den Validierungsdaten. Zeigt, wie gut das Modell generalisiert. Je niedriger, desto besser. |

Diese Werte helfen dabei, die Qualität des Trainingsprozesses einzuschätzen.

***

## Ausgabeattribut des Forecasts

Beim Starten des Forecasts oder des Trainingsprozesses erstellt die *Forecast App* automatisch ein neues Attribut im ausgewählten Asset. Dieses Attribut enthält die berechneten Vorhersagewerte und steht systemweit zur Verfügung.

**Namensschema:**\
`[target_attribute]_forecast_[forecast_length]`

**Beispiel:**\
Wird das Attribut `temperature` mit einer `forecast_length` von `12` prognostiziert, lautet der Name des automatisch erzeugten Ausgabeattributs:\
→ `temperature_forecast_12`

**Hinweis:**\
Dieses Attribut kann überall in Eliona verwendet werden – z. B. in Dashboards, Rules, Visualisierungen oder dem *Calculator*. Es verhält sich wie ein reguläres Asset-Attribut und wird automatisch mit den neuesten Vorhersagewerten aktualisiert.