Eine einfache Zeitreihenanalyse

Toki, die freundliche Schildkröte von Tokeya, will mit Ihnen spielen. Sie klicken einfach mit der linken oder rechten Maustaste auf das Bild von Toki und sie wird versuchen zu tippen, ob Sie als nächstes die linke oder rechte Maustaste klicken werden. Alternativ können Sie auch auf die beiden Buttons unter dem Bild klicken. Am besten Sie klicken schnell los und sehen, was passiert:

Wie macht die Schildkröte Toki das?

Es wird nach jedem Ihrer Klicks eine einfache Zeitreihenanalyse durchgeführt, d. h. Ihre letzten Klicks werden auf Regelmäßigkeiten untersucht, die Ihnen nicht bewusst sind. Wenn Sie z. B. immer links, rechts, links, rechts usw. klicken, merkt Toki das und sagt damit Ihren nächsten Klick voraus. Im Hintergrund wird nach jedem Ihrer Klicks ein sehr einfaches neuronales Netz auf Ihre letzten Klicks trainiert, um damit Ihren nächsten Klick vorherzusagen. Das Interessante hierbei ist, dass Ihnen Ihre Klicks zufällig erscheinen mögen, Sie jedoch, ohne es zu merken, häufig bestimmten Mustern folgen. Neuronale Netze finden diese verborgenen Muster in Zeitreihen und ermöglichen damit eine Vorhersage des nächsten Ereignisses. Neuronale Netze sind hier nur eine Möglichkeit von vielen zur Analyse von Zeitreihen.

Eine ausführliche Erklärung ist auf einer eigenen Seite verfügbar.

Warum ist das wichtig?

Einfach gesagt bringt eine vertrauenswürdige Prognose erhebliche Wettbewerbsvorteile und führt zu höherer Profitabilität. Genau wie die zeitliche Abfolge Ihrer Mausklicks nicht komplett zufällig ist, folgen auch viele Vorgänge in Wirtschaft, Natur oder ganz konkret in der industriellen Zustandsüberwachung bestimmten Gesetzmäßigkeiten. Dazu gehören beispielsweise der Strombedarf einer Stadt, die Lufttemperatur in einem Gebäude oder die Kursentwicklung eines bestimmten Wertpapiers.

Prinzipiell lassen sich alle Daten, die von Sensoren oder aus Datenbanken stammen, mit einer Zeitreihenanalyse auf Regelmäßigkeiten untersuchen. Durch eine tiefgehende Analyse der Zeitreihe lassen sich auch Muster erkennen, die man mit bloßem Auge oder durch die eigene Erfahrung nicht ausfindig machen kann. Hierdurch wird es ermöglicht, die zukünftige Entwicklung genauer vorherzusagen. Die eingesetzen Verfahren können aus den Daten der Vergangenheit lernen, sich daran anpassen und so ohne Eingriff von außen ständig bessere Vorhersagen liefern. Mit diesen Vorhersagen lassen sich u. a. Fragen zur Kostenoptimierung (Wann muss ein Teil ersetzt werden? Wann ist mit einem Fehler zu rechnen?), zu Kundenbeziehungsprozessen (Wann sollten Kunden, denen in der Vergangenheit bestimmte Produkte verkauft wurden, welche Leistungen auf welche Art angeboten werden?) oder grundsätzliche Fragen zur Optimierung der Lagerhaltung (Wie groß wird die Nachfrage nach einem bestimmten Produkt nächsten Monat sein?) beantworten.

Aus einer Zeitreihenanalyse ergibt sich nicht nur eine simple Beschreibung der Vergangenheit, sondern möglicherweise auch eine Erklärung, die es erlaubt, eine zuverlässige Vorhersage zu machen und zu verstehen, wie sich einzelne Ereignisse auf die Zukunft auswirken.