Trust – Prognosedaten vertrauen.

Wenige Dinge interessieren den Menschen, seitdem er aufrecht geht, so sehr, wie die Frage: „Wie wird die Zukunft, wie wird es hinter der nächsten Flussbiegung aussehen oder wann wird die Sonne im Winter wieder nach Norden ziehen?“ Der Antrieb ist eine Mischung aus Neugier und der evolutionären Notwendigkeit, planvoll agieren zu können, um zu überleben. Neugier macht die Synapsen im Gehirn im Kindesalter dicker, bei Erwachsenen vernetzen sie sich intensiver und sogar die Gehirnmasse wächst noch im hohen Alter, wenn der Mensch neugierig bleibt. Die Neugier, einen Blick in die Zukunft zu werfen und dafür auch eine geeignete Methodik zu entwickeln, hat zwei interessante Aspekte. Einen taktischen, der das kurzfristige Überleben sichert und einen strategisch evolutionären, durch das Entstehen leistungsfähigerer Gehirne.

Ohne einen möglichst treffsicheren Blick in die Zukunft werfen zu können, würde die Welt zum Stillstand kommen. Neugier wurde zur Notwendigkeit, ohne Prognosen geht nichts mehr. Nicht nur Strom- und Verkehrsnetze würden zusammenbrechen. Das menschliche Gehirn alleine, kann die heutige Datenfülle und Komplexität nicht mehr durchdringen. Ein interessanter evolutionärer Schritt fand statt, der wohl Darwin fasziniert hätte: Die maschinelle Erweiterung des menschlichen Gehirns, „Elektronengehirne“, bestückt mit künstlicher Intelligenz.

Der Wunsch oder die Notwendigkeit, einen Blick in die Zukunft zu werfen, befeuerte die Suche nach einer geeigneten Methodik dazu. Anfangs erschien es dem Menschen die praktikabelste Lösung zu sein, über Orakel, Priester, Medizinmännern etc. mit den Göttern Kontakt aufzunehmen, um dort nachzufragen, wie es denn um die der Zukunft bestellt sei, ob sie günstig wäre. Zu den obskuren Methoden wie der Eingeweideschau, kamen Elemente, die durchaus eine gewisse Prognosekraft haben konnten: Himmelskonstellationen oder Vogelflug, die regelmäßig Ereignissen vorauseilten.

Der Weg von der Prophezeiung, Wahr- oder Weissagung zur nicht trivialen Prognose, war ein erstaunlich langer. Selbst die Vernunft begabten antiken Griechen schafften ihn noch nicht. Erst als die Menschheit zur innovativsten Epoche ihres Seins ansetzte, zur Renaissance, keimte die Einsicht auf, dass die Zukunft wohl kaum vom Vogelflug abhängen könne. Die Welt sollte berechenbar und vorhersehbar gemacht werden. Mathematiker wie Gerolamo Cardano, mit wichtigen Erkenntnissen zur Wahrscheinlichkeitsrechnung oder Johannes Keppler, mit der exakten Berechnung der Himmelsbahnen, setzen dazu an, die Welt zu berechnen und zu vermessen. 

Vertrauen spielt eine zentrale Rolle im Leben eines Menschen. Seine Erfahrungen im ersten Lebensjahr bestimmen, wie er im späteren Leben grundsätzlich auf andere Menschen zugehen wird: Misstrauisch oder vertrauensvoll. Vertrauen im sozialen Leben, die Prognose, wie sich ein Gegenüber verhalten könnte, ist mehr eine emotionale als eine analytische Sache. Werden auf Basis von Prognosen kritische Entscheidungen getroffen, wird das Thema Trust – also Vertrauen – zu einer zentralen Frage. Das Fundament des Vertrauens bilden Datenbasis, Modellauswahl und Methodik. Zusammen mit der Nachvollziehbarkeit der Prognosewerte, sowie der regelmäßigen Treffsicherheit von Prognose- zu Ist-Daten, entsteht im Prognoseprozess Trust.

 
Für die Berechnung von vertrauenswürdigen Prognosen, sind vertrauenswürdige Basistechnologien notwendig und das über die gesamte Verarbeitungs-Kette. Dies betrifft die Entwicklung der Hypothese, die Datenmessung und -übertragung, die Vorverarbeitung bis zur Ermittlung der Ergebnisse. Im gesamten Prognoseprozess spielen Zeitreihen eine zentrale Rolle.

Datenaufbereitung mit dem HAKOM TSM Time Series Manager. 

Das Fundament des Trust bildet die Datenbasis, die repräsentativ wie auch korrekt, verlässlich sein muss. Vor der Modellierung gilt es, Zeitreihen, die in das Modell Eingang finden werden, in eine verarbeitbare Form zu bringen, d.h. Ausreißer zu entfernen, fehlende Daten methodisch korrekt hinzuzufügen oder zu kennzeichnen, die Zeitreihe auf denselben Zeitraster zu bringen und nicht zuletzt Zeitzonen korrekt zu berücksichtigen. Hierfür bedarf es, vor allem im Bereich Big Data, einer hochperformanten Zeitreihen Technologie, wie dem HAKOM TSM.

Prognose Modellaufbau, -analyse und -auswahl & die „Zeitreise“.

Wurden die Zeitreihen entsprechend aufbereitet, kann mit der Modellierung begonnen werden. In der Folge können auf Basis dieses Modells ebenso unterschiedliche Prognosetechniken getestet werden. Zum Trainieren der Modelle werden für historische Daten Prognosen für Werte, die ebenfalls in der Vergangenheit liegen, gerechnet. Um Prognoseergebnisse vergleichen zu können, ist es notwendig, Eingangsdaten der unterschiedlichen Modelle zu einem späteren Zeitpunkt rekonstruieren zu können. Nur so kann überprüft werden, ob ein verändertes Modell und/oder Prognosetechnik unter denselben Eingangsgrößen tatsächlich bessere Ergebnisse liefern würde. Diese Methodik könnte auch als „Zeitreise“ interpretiert werden: Es wird ein historischer Zustand in einer Zeitreihe rekonstruiert. 

Der HAKOM 3D-Trust Ansatz.

Zum Aufsetzen eines vertrauensvollen Prognoseprozesses, stellt der HAKOM TSM Time Series Manager mit dem 3D Timescale Support 3 Zeitdimensionen zur Verfügung:

• Dimension 1: Basiszeitachse.
• Dimension 2: Auditachse.
• Dimension 3: Notierungsachse.

Die erste Dimension schreibt die zu beobachtenden Daten chronologisch fort. In der zweiten Dimension protokolliert die Auditachse die Eingangsdaten und Prognosen, wobei für die Prognose der Server-Zeitstempel gesetzt wird, der nicht manipuliert werden kann. Es entsteht ein „Stand“ einer Zeitreihe. Da Eingangsdaten und Prognosedaten zeitlich getrennt sind, werden sie über diesen Serverzeitstempel synchron gehalten, um komfortabel durch die Datensets navigieren und den Zeitpunkt ihrer Entstehung rekonstruieren zu können. 
Die dritte Dimension, die Notierungsachse, erlaubt das Zuordnen von unterschiedlichen „Ständen“ von Zeitreihen zu einer Version, beispielsweise um die Ergebnisse und ihre Grundlagen einem speziellen Zeitpunkt zuordnen zu können.

Eine Technologie, die Vertrauen schafft, benötigt diese drei Zeitdimensionen – Trust, die HAKOM TSM Technologie – transparent und nachvollziehbar.

Zeitreihen sind nicht nur ein Prognosethema. Eine wesentliche Rolle spielen sie unter anderem im Bereich der Geschäftsanalytik, der Business Intelligence (BI). Generell erfordert die Entwicklung von Berechnungsverfahren ohne Prognoseansatz, z.B. in Optimierungsprozessen, diese drei Zeitachsen, um vertrauensvolle Ergebnisse, Trust, zu erhalten. 

Und in allen genannten Fällen liegt ein Fokus im Bereich Visualisierung von Daten. Mit den TSM Visuals, dem Grafana oder PowerBI Connector für den TSM, bietet HAKOM starke Lösungen für die grafische Veranschaulichung der Ergebnisse und das Entstehen von Trust.

Viele Zeitreihentechnologien setzen auf eine Zeitachse, eine Dimension. Wird mit diesen Technologien nach der Modellierungsphase in den operativen Betrieb gegangen, fehlt eine zweite Dimension als Auditachse, um Eingangsdaten und Rechenergebnisse zu protokollieren. Die fehlende Nachvollziehbarkeit der Rechenergebnisse ist ein K.o.-Kriterium für den Trust. Überdies entsteht in jedem Modell mit der Zeit ein Versionierungsbedarf, Bedarf also für die dritte Dimension als Notierungsachse. Ein nachträgliches technisches Aufsetzen weiterer Zeitachsen führt zu einem Verlust an Rechengeschwindigkeit. Besonders für den Bereich Big Data nicht praktikabel. Hoch performant durch den gesamten Workflow mit dem HAKOM TSM Time Series Manager: Drei Dimensionen von Beginn an on-board.

Trust ist der essentielle Faktor für jede Zeitreihentechnologie „… and don’t forget: Life is a time series!“

Den Autor Stefan Komornyik kontaktieren.