# Was ist Forecasting

## Was ist Forecasting?

Forecasting bezieht sich auf die Vorhersage zukünftiger Werte auf der Grundlage historischer Daten. Auf der *Eliona* Plattform ermöglicht der *Forecast App* die automatische Analyse von Zeitreihendaten und die Erstellung zuverlässiger Prognosen. Typische Anwendungsfälle sind:

* Energieverbrauch in Gebäuden
* Raumtemperaturen und Klimaregelung
* Zustandsüberwachung von Systemen

Das System erkennt wiederkehrende Muster, saisonale Schwankungen und plötzliche Abweichungen, um zukünftige Entwicklungen vorherzusagen.

***

## Wie funktionieren LSTM-Modelle in der *Forecast App*?

### 1. Rekurrente neuronale Netze (RNN)

Im Gegensatz zu klassischen neuronalen Netzen verarbeiten RNNs Daten sequentiell und behalten einen internen Zustand („Gedächtnis“) bei. Dadurch können frühere Zeitpunkte einen direkten Einfluss auf spätere Vorhersagen haben.

### 2. Long Short-Term Memory (LSTM)

LSTM-Zellen sind eine spezielle RNN-Architektur, die:

* Bewahrt **langfristige Abhängigkeiten** indem sie unwichtige Informationen „vergisst“ und relevante Informationen über lange Sequenzen hinweg weitergibt.
* Erkennt und speichert **kurzfristige Schwankungen** im Modell.
* Verwendet **Gating-Mechanismen** (Eingabe-, Vergessens- und Ausgabegates), um gezielt zu steuern, welche Informationen in den internen Zustand gelangen oder daraus entfernt werden und wann.

In der *Forecast App*, das LSTM-Modell betrachtet ein **Kontextfenster** (parametrisiert durch *Kontextlänge*) vergangener Messwerte und sagt darauf basierend eine festgelegte Anzahl zukünftiger Schritte voraus (eingestellt über *Prognoselänge*).

***

## Rolle von *TensorFlow*

*TensorFlow* ist das zugrunde liegende Framework, das im *Forecast App*:

### 1. Modellstruktur

Definition und Verknüpfung der LSTM-Zellen sowie zusätzlicher Schichten (z. B. Dense-Schichten).

### 2. Effizientes Training

Nutzung von GPU-Beschleunigung, automatischer Differenzierung und optimierten Algorithmen (z. B. Adam-Optimierer).

### 3. Kontinuierliche Aktualisierung

Erneutes Training mit neuen Daten, um das Modell an aktuelle Trends anzupassen.

Weitere Informationen: [→ TensorFlow-Dokumentation](https://www.tensorflow.org/api_docs) [→ TensorFlow-Keras-Dokumentation](https://www.tensorflow.org/guide/keras)