Google hat mit TimesFM-3 ein neues Foundation-Modell vorgestellt, das multivariate Zeitreihenprognosen nativ und ohne aufgabenspezifisches Training (Zero-Shot) durchführt.
Das Modell umfasst 330 Millionen Parameter, wurde mit über 1 Billion Datenpunkten trainiert und generiert Vorhersagen in einem einzigen Durchlauf ohne Auto-Regression.
Der Code ist Open Source verfügbar, die vortrainierten Modellgewichte stehen jedoch unter einer strengen Nicht-kommerziellen Lizenz, was den direkten produktiven Einsatz für Unternehmen vorerst blockiert.
Google hat am 31. August 2026 mit TimesFM-3 ein neues Foundation-Modell für Zeitreihenanalysen veröffentlicht, das komplexe multivariate Prognosen ohne vorheriges Training ermöglicht. Wie Google in seinem Research-Blog mitteilte, generiert die KI den gesamten Vorhersagehorizont in einem einzigen Durchlauf und revolutioniert damit datenintensive Bereiche wie das Supply-Chain-Management.
Die Neuerungen im Detail
Mit TimesFM-3 (auch TimesFM 3.0) vollzieht Google den architektonischen Wechsel von univariaten zu nativ multivariaten Vorhersagen. Das Modell mit seinen 330 Millionen Parametern wurde laut Google auf einem massiven Datensatz aus realen und synthetischen Zeitreihen trainiert, der insgesamt mehr als 1 Billion Zeitpunkte umfasst.
Die wichtigste technische Neuerung ist die Kombination aus zeitlicher und variatenübergreifender Attention (Alternating Attention).
Single-Pass-Generierung: Im Gegensatz zu klassischen Modellen, die Vorhersagen Schritt für Schritt (auto-regressiv) aufbauen, berechnet TimesFM-3 den gesamten Vorhersagehorizont in einem einzigen Vorwärtsdurchlauf (Forward Pass).
Kovariaten-Support: Das Modell verarbeitet historische und zukünftige Kovariaten – wie etwa geplante Marketing-Kalender, Feiertage oder Rabattaktionen – nativ und parallel zu den eigentlichen Zielmetriken.
Benchmark-Dominanz: Laut Google erreicht das Modell „State-of-the-Art“-Ergebnisse (SOTA) in etablierten öffentlichen Benchmarks wie GIFT-Eval, FEV-Bench und TIME.
„TimesFM-3 eliminiert die Notwendigkeit für manuelles Feature-Engineering bei der Verknüpfung paralleler Zeitreihen und externer Einflussfaktoren.“
Warum das wichtig ist
In der Praxis sind isolierte (univariate) Datenpunkte selten. Ob Nachfrageplanung im Einzelhandel, Server-Auslastung oder Finanzmärkte – Signale bewegen sich meist korreliert. Bisher erforderte die Modellierung solcher Abhängigkeiten enormen Aufwand bei der Datenaufbereitung. Während Data Engineers in der Vergangenheit oft komplexe Pipelines bauen mussten – beispielsweise über Google Sheets N8n Webhooks zur Aggregation und Synchronisation von Verkaufs- und Marketingdaten –, verarbeitet TimesFM-3 diese multivariaten Zusammenhänge nun „Out-of-the-Box“.
Dieser technische Durchbruch wird jedoch durch eine restriktive Lizenzpolitik gebremst. Wie Branchenbeobachter kritisieren, steht zwar der Code unter der offenen Apache-2.0-Lizenz, die entscheidenden vortrainierten Gewichte (Weights) sind jedoch strikt auf nicht-kommerzielle Nutzung beschränkt.
Das bedeutet für den Markt: TimesFM-3 ist ein massiver Gewinn für die Forschung und Evaluierung, aber kein kostenloses Werkzeug für die Enterprise-Produktion. Unternehmen, die das Modell kommerziell nutzen wollen, werden von Google strategisch in das eigene Cloud-Ökosystem gelenkt.
Verfügbarkeit & Fazit
Seit dem 31. August 2026 ist TimesFM-3 auf den Plattformen GitHub und Hugging Face für Forschungszwecke verfügbar. Die kommerzielle Integration in Googles Data-Warehouse-Lösung BigQuery steht laut offiziellen Angaben „in den kommenden Wochen“ an. Aktuell unterstützt BigQuery für Funktionen wie AI.FORECAST noch die Vorgängerversion TimesFM 2.5.
Fazit: Technisch liefert Google mit TimesFM-3 einen echten Meilenstein für die Automatisierung von Forecasting-Prozessen. Die restriktive Lizenzierung der Gewichte zeigt jedoch klar, dass Google seine stärksten KI-Modelle zunehmend als Zugpferde für das eigene kostenpflichtige Cloud-Geschäft positioniert.
FAQ: TimesFM-3
Was bedeutet TimesFM-3 für Data Scientists?
Data Scientists sparen massiv Zeit, da das manuelle Feature-Engineering für multivariate Zeitreihen entfällt. Das Modell verarbeitet parallele Metriken und externe Faktoren (wie Feiertage oder Rabatte) im Zero-Shot-Verfahren, was schnelle und hochpräzise Prognosen ohne aufwendiges Feintuning ermöglicht.
Darf TimesFM-3 kommerziell genutzt werden?
Nein, nicht in der Open-Weight-Version. Während der Quellcode auf GitHub unter Apache-2.0 frei ist, stehen die vortrainierten Modellgewichte auf Hugging Face unter einer strikten nicht-kommerziellen Lizenz. Für den produktiven Einsatz müssen Unternehmen auf Google-Cloud-Dienste ausweichen.
Wann ist TimesFM-3 in Google Cloud verfügbar?
Google hat angekündigt, dass die Integration von TimesFM-3 in BigQuery „in den kommenden Wochen“ nach dem Release vom August 2026 erfolgen wird. Derzeit nutzen die KI-Forecasting-Funktionen in BigQuery noch das ältere Modell TimesFM 2.5.
Wie unterscheidet sich TimesFM-3 vom Vorgänger TimesFM 2.5?
Der größte Unterschied ist die Architektur: Während frühere Versionen primär auf univariate (isolierte) Zeitreihen ausgelegt waren, ist TimesFM-3 nativ multivariat. Es kann komplexe Abhängigkeiten zwischen mehreren Datenströmen gleichzeitig in einem einzigen Durchlauf (Single Forward Pass) berechnen.
Florian Schröder ist Gründer von AI Rockstars, KI-Stratege und Prompt Engineer. Er berät Unternehmen bei der praktischen Implementierung von generativer KI und Automation.
Wir verwenden Technologien wie Cookies, um Geräteinformationen zu speichern und/oder darauf zuzugreifen. Wir tun dies, um das Surferlebnis zu verbessern und um personalisierte Werbung anzuzeigen. Wenn Sie diesen Technologien zustimmen, können wir Daten wie das Surfverhalten oder eindeutige IDs auf dieser Website verarbeiten. Wenn Sie Ihre Zustimmung nicht erteilen oder zurückziehen, können bestimmte Funktionen beeinträchtigt werden.
Funktional
Immer aktiv
Die technische Speicherung oder der Zugang ist unbedingt erforderlich für den rechtmäßigen Zweck, die Nutzung eines bestimmten Dienstes zu ermöglichen, der vom Teilnehmer oder Nutzer ausdrücklich gewünscht wird, oder für den alleinigen Zweck, die Übertragung einer Nachricht über ein elektronisches Kommunikationsnetz durchzuführen.
Vorlieben
Die technische Speicherung oder der Zugriff ist für den rechtmäßigen Zweck der Speicherung von Präferenzen erforderlich, die nicht vom Abonnenten oder Benutzer angefordert wurden.
Statistiken
Die technische Speicherung oder der Zugriff, der ausschließlich zu statistischen Zwecken erfolgt.Die technische Speicherung oder der Zugriff, der ausschließlich zu anonymen statistischen Zwecken verwendet wird. Ohne eine Vorladung, die freiwillige Zustimmung deines Internetdienstanbieters oder zusätzliche Aufzeichnungen von Dritten können die zu diesem Zweck gespeicherten oder abgerufenen Informationen allein in der Regel nicht dazu verwendet werden, dich zu identifizieren.
Marketing
Die technische Speicherung oder der Zugriff ist erforderlich, um Nutzerprofile zu erstellen, um Werbung zu versenden oder um den Nutzer auf einer Website oder über mehrere Websites hinweg zu ähnlichen Marketingzwecken zu verfolgen.
