hängt von SFML ab, nicht von Stats… KI von SFML berechnet das Wetter und benötigt Daten zum Lernen.
LG Zara
1 „Gefällt mir“
Ich hatte auch die NONE (5 Stück meine ich) und habe einfach die “Entitäts IDs neu erstellen” lassen. Dann hat es gepasst. Ist der einzige Menüpunkt hinter den 3 Punkten.
1 „Gefällt mir“
Ja, mein Herzblatt, das habe ich ja auch geschrieben, dass ich die Vorgehensweise gewählt habe.
Nur für „newbies“ habe ich darauf hingewiesen, dass MIR ein solches Vorgehen ein unsicheres Gefühl vermittelt.
Wenn ich die beiden langen Threads nicht sekundiös verfolgt hätte, hätte ich das nicht gewusst.
Verstehe mich richtig: KEINE KRITIK!
1 „Gefällt mir“
Hatte ich so nicht verstanden. Dachte Du hast die händisch umbenannt. Du bist ja gewiefter als Du denkst! 
1 „Gefällt mir“
Hallo zusammen,
seit der neuesten version geht die cpu last auf gut 40%, nur wenn man sich die live daten ansieht.
hat das noch jemand bemerkt?
Grüße
Interessante Beobachtung 
Mit Chrome hab ich auf dem Laptop dann etwa 5-8 % Auslastung.
1 „Gefällt mir“
Hallo Zara, ML Weather meldet auch bei mir falsche Aussentemperaturen. Warum wird nicht der eigene Wettersensor genommen? Für aktuelle Werte sollten doch die gemessenen Werte genommen werden. Für die Prognose in der Zukunft ist es okay, die Werte von der KI berechnen zu lassen.
Gruß
Martin
Bei ML Weather habe ich derzeit auch noch komische Windgeschwindigkeiten. Draußen nur ein ganz leichtes Lüftchen. Allerdings habe ich am Montag erst alle historischen Daten gelöscht und ich lasse die Software mal ein paar Tage ihren Job tun 
Hier ist es aktuell auch fast Windstill und ML zeigt steigend an, Bezugsquelle int. Sensor ist DWD dort aktuell 7km/h, also Faktor 10
Arbeitsspeicherauslastung: 11,3% - Prozessornutzung: 0%
Das scheint ja hier zu laufen.
Nur über SFML stat bin ich darauf gekommen, dass mein Poweropti Lesekopf für den Smartmeter seit 06:07 Uhr nicht mehr sendet. Neu eingebunden habe ich ihn bereits.
Jetzt versuche ich mal über ESC Einspeisung und Verbrauch aus den Fronius Sensoren zu holen.
Einen windigen und schneereichen Tag wünsche ich.
Habe ich bereits gestern gemeldet: siehe weiter oben …
Hier die Antwort:
Das verstehe ich nicht. Hier ein Zitat von Tom-HA:
SFML Wetter – Die erste wirklich lokale Wetter-App! (BETA 4)
-
Vollständig unabhängig von Internet und externen Wetterdiensten.
-
Nahtlos integriert in die native Home-Assistant-Wetterkarte.
-
KI-gestützte lokale Vorhersagen (Genauigkeit steigt mit der Zeit und verfügbaren Daten).
-
In der Startphase aktualisiert sich die Prognose alle 3 Stunden.
Ein spannender erster Schritt in Richtung komplett offline-fähiger Wetterintegration! Ein noch bestehender BUG ist, dass die Anzeige während der Berechnung auf einigen System von 3 Tage Ansicht auf aktuell springt.
WICHTIG: Nach dem Hinzufügen der Integration mind 6 min warten damit die entsprechende Datei erstellt und der Cache befüllt werden kann - dann erst einrichten! (vorher wird die Einrichtung melden " Datei nicht gefunden"
Woher bekommt denn ML Weather die Wetterdaten?
von der Wetter-KI und dem Wetter-Expert Blender sowie ML aus SFML
Wozu wird die ML Wetter benötigt? Reicht die lokale Wetterstation (z.B. Ecowitt) und die Wettervorhersage (z.B. DWD) nicht aus?
Wenn ML Wetter beide Instanzen nutzt, wäre es doch sinnvoll, die aktuellen Werte von der lokalen Wetterstation zu nehmen.
Was hältst du davon?
Hallo Tom,
zunächst möchte ich dir dazu gratulieren – wirklich eine sehr coole und gute Idee, die du umgesetzt hast!
Ich habe eine Frage zur SFML Stats Domain-Sperrung: Ich finde die Sperrung sehr sinnvoll. Ich habe allerdings einen Proxy-Server davor geschaltet, der alle Zugriffe per „Account + 2FA“ absichert.
Besteht die Möglichkeit, ein Feld oder eine Einstellung einzurichten, über die man die Domain für bestimmte Zugriffe freischalten kann?
Vielen Dank schon mal für deine Rückmeldung!
Viele Grüße
Hans-Peter
ACHTUNG NERD-STUFF
Eine wirklich gute Frage!
Zunächst muss man verstehen, wie Solar Forecast ML (SFML) das Wetter berechnet. SFML kommt komplett ohne eine Home-Assistant-Wetter-Integration oder externe Sensoren aus. Der Grund: Alle getesteten Wetterintegrationen (WI) sind viel zu ungenau, um daraus eine zuverlässige Solar-Prognose abzuleiten. SFML ist daher vollständig unabhängig und nutzt eigene Quellen über API-Abfragen. Die Qualität der Prognose wird durch die tatsächliche Leistung der Solarpanele kontinuierlich von der KI gelernt und bewertet.
Das ist ein extrem komplexer Prozess, der lokal auf deinem System abläuft. Wenn man tiefer darüber nachdenkt, wird schnell klar, woher die Komplexität kommt. Hier nur einige der relevanten Faktoren:
- Verschattung
- Schnee- oder Schmutzbedeckung
- Regen
- Ausrichtung und Neigung der Anlage
- Leistung und Alter der Panele
- Güte/Qualität der Module
- Standortfaktoren (z. B. Höhe über Meeresspiegel, Luftverschmutzung)
- Bewölkung
- Eigene Sensorik der Anlage
- Und viele mehr…
Ich habe nicht umsonst mehrmals betont: Die Wetter-KI ist der komplexeste Teil der gesamten Integration. Jeder, der sich ernsthaft mit Wetter beschäftigt hat, weiß, wie schwierig und unberechenbar Vorhersagen sind – vor allem, wenn man nicht nur auf grobe Trends, sondern auf präzise lokale Bedingungen setzt. Je kleiner der Vorhersageradius wird (regional → lokal → wenige Quadratmeter der PV-Anlage), desto komplexer wird es.
Die einzig realistische Lösung: All diese Parameter in ein intelligentes Modell bringen und eine KI darauf trainieren lassen, die Abhängigkeiten zu lernen. Wenn man sich vergegenwärtigt, wie viele Millionen möglicher Kombinationen es gibt, wird klar, was ihr hier eigentlich in den Händen haltet – und warum SFML in dieser Form ein echtes Novum ist.
Zurück zu deiner Frage:
Der Output dieser komplexen Wetter-KI ist genau das, was ML-Wetter in verständliche, gängige Daten umwandelt und anzeigt. Deshalb ist es nicht möglich, einfach lokale Sensoren hinzuzufügen und diese irgendwie zusätzlich einzubeziehen – das wird von SFML bereits intern berücksichtigt und optimiert.
Eine denkbare Alternative wäre jedoch: Die leistungsstarke Wetter-KI aus SFML von der Solar-Prognose zu entkoppeln und sie mit Daten einer lokalen Wetterstation zu füttern, damit sie rein lokale Wetterprognosen lernt. Das wäre ein spannendes separates Projekt!
Falls Interesse besteht, könnte ich die Wetter-KI und den „Blender“ aus SFML herauslösen und zum Testen bereitstellen.
Aber Achtung: Das würde definitiv nicht auf einem Raspberry Pi mit Home Assistant laufen und wahrscheinlich auch nur eingeschränkt auf einem Standard-Proxmox-System. Ohne eigene Wetterstation würde es außerdem gar nicht funktionieren – woher sollten die Trainingsdaten kommen?
Das Ganze wäre zudem ein komplett neuer Thread und gehört nicht hierher.
Besteht denn überhaupt Interesse, das mal auszuprobieren?
Zara
4 „Gefällt mir“
Hallo Hans-Peter,
vielen Dank für die netten Worte!!
Zara
Ja, habe auch gerade eine Ecowitt bestellt 
Ja, natürlich besteht zumindest meinerseits Interesse. ML meldet aktuell Frost auf meinen Panelen. In Wirklichkeit liegen da 20 cm Schnee! Hier könnte die KI den Unterschied der Solareinstrahlung meiner Wetterstation mit den erreichten Leistungen der PV erkennen. Das passiert leider aktuell nicht. ML ignoriert wegen Frost die Null-Werte der PV.
Das wurde auch gestern gemeldet.
Hier die Meldung von heute Morgen:
P.S.
Ich setze die aktuellste Version ein:
