Alle Projekte

Fallstudie

Note 1,3

Zero-Shot-Zeitreihenprognose mit LLMs

LLMs nach dem nächsten Sensorwert fragen, und was die Messung ergab

Zeitraum
10/2025 – 03/2026
Kontext
TU Ilmenau, SensBee-Plattform für Smart Cities. Note 1,3.

Problem

LLMs können ohne aufgabenspezifisches Training prognostizieren. Ich habe geprüft, wie zuverlässig allgemeine LLMs auf IoT-Sensordaten der Smart-City-Plattform SensBee sind.

Vorgehen

  • FastAPI-Microservice für die Vorhersage des nächsten Werts auf SensBee.
  • Datenverarbeitung als 6-stufige Pipeline.
  • 4 LLMs in 192 Experimenten.
  • Methode und Ergebnisse in einem schriftlichen Abschlussbericht.

Ergebnisse

  • 192 Experimente, 4 LLMs.
  • Allgemeine LLMs auf numerischen Sensordaten unzuverlässig.
  • Note 1,3.

Technisch interessant

Das negative Ergebnis ist der Grund, warum die Masterarbeit spezialisierte Zeitreihenmodelle vergleicht.