> For the complete documentation index, see [llms.txt](https://docs.buildings.ability.abb/collection/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.buildings.ability.abb/collection/german/plattform/platform-core/baseline-and-factors/forecast-engine.md).

# Prädiktive Prognose

Die *Forecast Engine* ist über den Tab *Predictive Forecasting* unter *Platform Core* > *Baseline & Factors*. verfügbar. Sie erstellt konfigurierbare, kontinuierlich aktualisierte Prognosen für Asset-Attribute.

Verwenden Sie die *Forecast Engine* zum Festlegen von:

* dem Quellattribut und seiner Aggregation
* dem Prognosezeitraum
* dem zu berechnenden Perzentil
* optionalen Feature-Attributen, die zusätzlichen Kontext liefern

Jede konfigurierte Prognose erstellt ein Attribut für das ausgewählte Asset. Der Name der Prognose wird auch als angezeigter Attributname verwendet. Bei jeder Prognoseiteration berechnet die *Forecast Engine* den zukünftigen Trend neu und schreibt den Wert am Ende des konfigurierten Prognosezeitraums in dieses Attribut. Bei einem Prognosezeitraum von einem Tag erhält das Attribut beispielsweise den vorhergesagten Wert für einen Tag im Voraus. Wenn neue Quelldaten eingehen, werden die Prognose und der in das Attribut geschriebene Wert aktualisiert.

## Was Sie mit Prognoseattributen tun können

Da das Ergebnis als Attribut verfügbar ist, kann es in den BuildingPro Suites wie jedes andere Attribut verwendet werden. Sie können:

* es in [*Insight Analytics*](https://docs.buildings.ability.abb/collection/german/plattform/insight-analytics.md) anzeigen und mit Messwerten oder anderen Prognoseperzentilen vergleichen
* es in Dashboards, Widgets, Berichten, Regeln und Regelketten verwenden
* Alarme, Benachrichtigungen, Tickets oder Skripte auslösen, bevor ein vorhergesagtes Ereignis eintritt
* es mit aktuellen Messwerten, Grenzwerten, Zeitplänen, Tarifen oder Steuerungszuständen kombinieren

## Konkrete Anwendungsfälle für intelligente Gebäude

### Einen Spitzenwert des Energiebedarfs verhindern

Konfigurieren Sie eine Prognose des 95. Perzentils für den 15-Minuten-Strombedarf des Gebäudes mit einem ausreichend langen Prognosezeitraum, um reagieren zu können. Eine [Regelkette](https://docs.buildings.ability.abb/collection/german/plattform/alarms-rules-and-escalations/rule-chains.md) kann:

1. das Prognoseattribut mit [*Get Data*](https://docs.buildings.ability.abb/collection/german/plattform/alarms-rules-and-escalations/rule-chains/nodes/get-data.md)
2. es mit dem vertraglich vereinbarten Bedarfsgrenzwert vergleichen
3. ein Energiesparskript starten, wenn die Prognose den Grenzwert überschreitet
4. das Gebäudeteam benachrichtigen oder einen Alarm erstellen
5. den Normalbetrieb wiederherstellen, nachdem das Risiko vorüber ist

Mögliche Maßnahmen sind, das Laden von Elektrofahrzeugen zu verschieben, die nicht kritische Lüftung zu reduzieren, einen Batteriespeicher-Zeitplan zu ändern oder einen flexiblen Prozess zu verlagern. Eine Prognose des 95. Perzentils ist hier nützlich, da etwa 5 % der modellierten Ergebnisse voraussichtlich über diesem Wert liegen. Der Betreiber kann sich daher entscheiden, auf einen relativ unwahrscheinlichen, aber kostspieligen Spitzenwert zu reagieren.

### Ein Gebäude vorkonditionieren, ohne den Komfort zu beeinträchtigen

Prognostizieren Sie die Raumtemperatur oder den Kühlbedarf und verwenden Sie dabei die Außentemperatur, die Personenanzahl und den Betriebszustand der HLK-Anlage als Features. Wenn die obere Temperaturprognose darauf hindeutet, dass der Komfortgrenzwert vor einer Spitzenbelegung überschritten wird, kann eine Regelkette den Raum vorkühlen, solange Energie günstiger ist oder ausreichend Anlagenkapazität zur Verfügung steht.

Mit demselben Ansatz lässt sich unnötige Vorkonditionierung reduzieren: Bleiben Belegungs- und Temperaturprognosen niedrig, kann die Regelkette den Start verzögern, anstatt einem festgelegten, konservativen Zeitplan zu folgen.

### Verbrauch in Zeiträume mit niedrigen Kosten oder geringem CO₂-Ausstoß verlagern

Prognostizieren Sie den Strom- oder Wärmebedarf und kombinieren Sie das Ergebnis mit Tarifdaten, der CO₂-Intensität des Stromnetzes oder Daten einer Photovoltaikanlage vor Ort. Eine Regelkette kann flexible Verbraucher für einen günstigen Zeitraum einplanen und dabei betriebliche Einschränkungen einhalten. Beispiele sind das Laden von Batterien oder Fahrzeugen, die Warmwasserbereitung oder das Vorheizen eines Wärmespeichers vor einem Zeitraum mit hohen Preisen.

### Heiz- und Kühlanlagen proaktiv betreiben

Prognostizieren Sie die Kühl- oder Heizlast für die nächste Stunde und verwenden Sie dabei Wetter, Belegung und Sollwerte als Features. Die Prognose kann eine frühzeitigere Zuschaltung von Kältemaschinen, Heizkesseln, Wärmepumpen oder Wärmespeichern unterstützen. Dadurch lassen sich häufige kurze Taktungen reduzieren und das Zuschalten übermäßiger Kapazitäten vermeiden, das allein durch einen vorübergehenden Messwertanstieg ausgelöst werden könnte.

### Auf Belegung vorbereiten

Prognostizieren Sie die Personenanzahl für ein Gebäude, eine Etage oder eine Zone. Das Ergebnis kann zur Vorbereitung von Lüftung, Reinigung, Catering, Sicherheit oder Raumverfügbarkeit verwendet werden. Eine Regelkette kann beispielsweise die Lüftung vor einem erwarteten Anstieg der Belegung hochfahren und wieder auf eine niedrigere Stufe zurückschalten, wenn die Prognose unter einen festgelegten Schwellenwert fällt.

### Sich entwickelnde Betriebsprobleme erkennen

Prognostizieren Sie einen zustandsbezogenen Wert, etwa Rücklauftemperatur, Differenzdruck, Anlagenlast oder Energieverbrauch. Eine Regelkette kann die Prognose mit einem Betriebsgrenzwert vergleichen und ein Ticket erstellen, bevor der Wert voraussichtlich kritisch wird. Dies ergänzt die Anomalieerkennung: Sie prüft, ob das aktuelle Verhalten ungewöhnlich ist, während die Prognose ermittelt, ob der zukünftige Wert wahrscheinlich einen Grenzwert überschreiten wird.

### Wasser-, Gas- oder Wärmeenergieversorgung steuern

Prognostizieren Sie den Verbrauch, um Lagerbestände, Beschaffung oder verfügbare Kapazitäten zu planen. Beispiele sind die Vorhersage des Trinkwasserbedarfs, des Gasbedarfs in Kälteperioden, der Fernwärmelast oder der Entladung eines Wärmespeichers. Regeln können das Betriebspersonal benachrichtigen, wenn die Prognose darauf hinweist, dass das verfügbare Angebot oder die verfügbare Kapazität möglicherweise nicht ausreicht.

## Ein wiederverwendbares Regelkettenmuster

Die meisten prognosegesteuerten Automatisierungen folgen derselben Struktur:

1. Erstellen Sie die erforderlichen Prognoseattribute, häufig mit mehreren Perzentilen.
2. In einer [Regelkette](https://docs.buildings.ability.abb/collection/german/plattform/alarms-rules-and-escalations/rule-chains.md)verwenden Sie [*Daten abrufen*](https://docs.buildings.ability.abb/collection/german/plattform/alarms-rules-and-escalations/rule-chains/nodes/get-data.md) , um das Prognoseattribut und einen aktuellen Grenzwert oder Betriebszustand auszulesen.
3. Prüfen Sie, ob die Prognose den Grenzwert über- oder unterschreitet und ob andere Bedingungen eine Aktion zulassen.
4. Führen Sie eine Aktion aus, beispielsweise ein [Skript](https://docs.buildings.ability.abb/collection/german/plattform/alarms-rules-and-escalations/rule-chains/nodes/script.md), einen Alarm, eine Benachrichtigung oder ein Ticket.
5. Fügen Sie eine Rücksetzbedingung, eine Verzögerung oder eine Hysterese hinzu, damit geringfügige Änderungen der Prognose Geräte nicht wiederholt ein- und ausschalten.
6. Überwachen Sie das gemessene Ergebnis und passen Sie bei Bedarf den Schwellenwert, das Perzentil und den Prognosehorizont an.

{% hint style="info" %}
Wählen Sie das Perzentil entsprechend den Folgen einer falschen Prognose. Eine Medianprognose kann die Routineplanung unterstützen. Ein höheres Perzentil kann einen vorsorglichen Schutz vor der Überschreitung eines oberen Grenzwerts unterstützen. Bei einem Risiko der Unterschreitung eines unteren Grenzwerts, etwa wenn ein Raum zu kalt wird, kann ein niedrigeres Perzentil geeigneter sein.
{% endhint %}

## Steuerungswerte als Merkmale verwenden

Ein Steuerungszustand, etwa ein Temperatursollwert oder eine Gerätebetriebsart, kann als Merkmalsattribut einbezogen werden. Nach einer Änderung der Steuerung wird der aktualisierte Merkmalswert in nachfolgenden Prognoseiterationen berücksichtigt. So lässt sich beobachten, wie eine Aktion mit einem veränderten erwarteten Ergebnis zusammenhängt.

Das Betriebspersonal kann beispielsweise den Kühlsollwert als Merkmal in eine Energieprognose aufnehmen. Nach einer Änderung des Sollwerts können nachfolgende Prognosen zeigen, ob sich der erwartete Energiebedarf verändert hat. Dies unterstützt die betriebliche Bewertung, ist aber keine kontrollierte Simulation und beweist nicht, dass die Steuerungsänderung die Prognosedifferenz verursacht hat. Sicherheitsgrenzwerte und Gerätebeschränkungen müssen weiterhin in der Steuerungslogik berücksichtigt werden.

## Konfigurierte Prognosen und *Einzelprognose*

Die *Prognose-Engine* und der Analysentyp *Einzelprognose* dienen unterschiedlichen Zwecken.

<table><thead><tr><th width="109.27996826171875">Funktion</th><th>Prognose-Engine</th><th>Einzelprognose in Insight Analytics</th></tr></thead><tbody><tr><td>Hauptzweck</td><td>Ein operatives Prognoseattribut erstellen</td><td>Eine Prognose schnell in einem Diagramm visualisieren</td></tr><tr><td>Konfiguration</td><td>Aggregation, Intervall, Prognosehorizont, Perzentil und optionale Merkmalsattribute</td><td>Eine ausgewählte Zeitreihe und der aktuelle Diagrammbereich</td></tr><tr><td>Ausgang</td><td>Ein laufend aktualisiertes Attribut, das von anderen Plattformfunktionen verwendet werden kann</td><td>Eine Visualisierung, die als Analyse gespeichert und in Widgets verwendet werden kann</td></tr><tr><td>Unsicherheit</td><td>Ein ausgewähltes Perzentil pro konfigurierter Prognose</td><td>Konfidenzgrenzen bei einer und zwei Standardabweichungen</td></tr></tbody></table>

Die *Einzelprognose* als Analysentyp verwendet die ausgewählte Zeitreihe und die im Diagramm sichtbaren Daten und kann zusätzliche vorausgehende Daten einbeziehen. Sie setzt die Reihe im leeren Teil des Diagramms fort. Sie erstellt und aktualisiert kein Prognoseattribut.

## Anleitungen

* [Prognose-Engine öffnen](https://docs.buildings.ability.abb/collection/german/plattform/platform-core/baseline-and-factors/forecast-engine/open-the-forecast-engine.md)
* [Eine neue Prognose erstellen](https://docs.buildings.ability.abb/collection/german/plattform/platform-core/baseline-and-factors/forecast-engine/create-a-new-forecast.md)
* [Prognosen verwalten](https://docs.buildings.ability.abb/collection/german/plattform/platform-core/baseline-and-factors/forecast-engine/manage-forecasts.md)
* [*Einzelprognose* Analysentyp](https://docs.buildings.ability.abb/collection/german/plattform/platform-core/baseline-and-factors/forecast-engine/single-forecast-analytic-type.md)

Informationen zu den zugrunde liegenden Konzepten und Anwendungen für intelligente Gebäude finden Sie unter [Prognosen](https://docs.buildings.ability.abb/collection/german/akademie/building-intelligence-ai-and-machine-learning-in-buildingpro-suites/machine-learning/forecasting.md) in der Academy.


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://docs.buildings.ability.abb/collection/german/plattform/platform-core/baseline-and-factors/forecast-engine.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.
