Aktuell blauer Himmel ohne Wolken:
Hier die Angaben PV:
Die Prognose liegt total daneben (wie gestern auch), da PV keinen Ertrag liefert.
@Tom-HA
Wenn die genauere Logs benötigst, dann schreib bitte, welche Log-Datei du benötigst.
Hi an alle Experten hier. Da ich mich gerade erst seit 3 Wochen mit der Integration befasse, hab ich vielleicht ein Problem, dass ihr leicht lösen könnt: Seit dem Update auf die 12.6. habe ich in den Logs einen m. E. Fehler entdeckt:
2026-01-02 23:30:00 - custom_components.solar_forecast_ml.ai.ai_predictor - INFO - AI training started: 1 outputs
2026-01-02 23:30:00 - custom_components.solar_forecast_ml.ai.ai_predictor - INFO - Prepared 136 training samples from 20 days, 1 outputs
2026-01-02 23:30:00 - custom_components.solar_forecast_ml.ai.ai_predictor - INFO - Training with 136 samples, 20 features, 1 outputs
2026-01-02 23:30:00 - custom_components.solar_forecast_ml.ai.ai_tiny_lstm - INFO - Training: 136 samples, 200 epochs, 1 outputs
2026-01-02 23:30:00 - custom_components.solar_forecast_ml.ai.ai_predictor - ERROR - Training failed: shapes (32,52) and (49,1) not aligned: 52 (dim 1) != 49 (dim 0)
2026-01-02 23:30:00 - custom_components.solar_forecast_ml.production.production_scheduled_tasks - WARNING - AI model training incomplete: shapes (32,52) and (49,1) not aligned: 52 (dim 1) != 49 (dim 0)
Wenn ich das richtig interpretiere habe ich zwar genügend samples für die AI, aber in den Daten scheint etwas nicht zu stimmen und deswegen kann sie nicht lernen???
Die Meldung erscheint natürlich jeden Abend bei der 23:30h Routine mit den gleichen Shapes..
Was mache ich falsch bzw. wie kann ich das umgehen oder ändern?
Ratlos…
Matthias
Hallo @MartyBr , vielen Dank für deine Screenshots. Leider muss ich hier einiges richtigstellen und noch einmal erklären, wie das Ganze funktioniert.
Gehen wir Schritt für Schritt vor!
Es ist völlig in Ordnung und absolut beabsichtigt, dass auch bei verschneiten oder bedeckten Panelen eine Prognose erstellt wird. Das liegt in der Natur der Sache. Die Prognoseerstellung ist eng mit der Wettervorhersage und dem Lernen der KI aus den tatsächlichen Wetterverhältnissen verknüpft. Deshalb wird die Produktionsprognose in solchen Fällen zwar verworfen, das Wetterverhalten wird jedoch weiterhin gelernt. Das bringt den Vorteil, dass sich die Wetter-KI – sobald die Paneele wieder frei sind – deutlich verbessert hat und dadurch zwangsläufig auch die Produktionsprognose genauer wird. Das ist also kein Fehler, sondern ein gewünschtes und logisch nachvollziehbares Verhalten.
Zum Thema Schnee auf den Panelen:
Die Erkennung hängt stark davon ab, wann die Integration installiert wurde. Schnee kann nur dann zuverlässig erkannt werden, wenn zuvor Niederschlag registriert wurde, entsprechende Situationen gelernt wurden.
Die KI lernt dabei folgendes Muster:
Wenn bestimmte Bedingungen wie niedrige Temperatur, hohe Luftfeuchtigkeit, entsprechende Windgeschwindigkeit usw. zusammenkommen und die tatsächliche Produktion daraufhin komplett einbricht (Null-Produktion), schließt sie daraus: „Es liegt sehr wahrscheinlich Schnee auf den Panelen.“
Aktuell wird dieses Szenario bei Dir noch als Frostwarnung ausgegeben, weil die KI primär erkennt: Es ist kalt, es gibt keine Produktion (z. B. morgens Frost), und normalerweise taut das im Laufe des Tages wieder ab. In Fällen wie deinem Beispiel, wo der Schnee länger liegen bleibt, versucht sie aus gelernten Dingen eine Erklärung zu finden. Es ist einfach ein logische Prozess.
Zu genau diesen Themen hatte ich bereits mehrere Community-Calls veranstaltet, zu denen ich alle Interessierten eingeladen habe. Dort habe ich ausführlich erklärt, wie die KI funktioniert (und jede andere), was man realistisch erwarten kann und wo ihre Grenzen liegen. Ich halte es für eine gute Idee, einen weiteren Call anzusetzen, um offene Fragen zu klären und ein besseres allgemeines Verständnis dafür zu schaffen, wie eine solche KI tatsächlich arbeitet.
Ich habe es ja schon mehrmals betont:
Der Begriff „künstliche Intelligenz“ ist in hohem Maße irreführend – das gilt für alle sogenannten KI`s, egal ob Grok, Gemini, ChatGPT oder meine eigene Lösung.
Es handelt sich nicht um echte Intelligenz im menschlichen Sinne, sondern um hochkomplexe, aber letztlich stumpfe statistische Modelle.
Diese Systeme lernen ausschließlich Muster und Wahrscheinlichkeiten aus großen Datenmengen und sagen dann voraus, was basierend darauf am wahrscheinlichsten als Nächstes kommt.
Genau aus diesem Grund habe ich meine KI bewusst zweckgebunden und lokal entwickelt: Sie verlässt Ihr Haus nicht, deine Daten bleiben bei Dir und Du „bezahlst“ nicht mit deiner Privatsphäre für die Nutzung! Das ist eine sehr bewusste Design-Entscheidung! Ich habe also eigentlich alle Datenkraken ausgesperrt zum Schutz der Privatsphäre. Das hat aber den Nebeneffekt, dass kein Schwarmlernen stattfindet und so länger dauert.. ein Preis den ich persönlich sehr gern bezahle! ! -
Was ich in dem Kontext auch schon mal gesagt hatte: Wenn Du ChatGPT fragst " Erstelle mir einen Template-Sensor, der folgendes macht XYZ… Dann ist es NICHT ChatGPT der dir etwas baut, sondern er schaut in die Daten mit denen ChatGPT trainiert wurde und gibt dir das aus. Also: Irgendjemand hat sowas schon mal gemacht und ChatGPT liefert dir das was der “Unbekannte” mit eigenem Hirnschmalz entwickelt hat.. So ist es bei JEDER Anfrage an sog. KI`s.. sie liefern NUR etwas das sie jemand anderen geklaut haben, oder Ihnen zur Verfügung gestellt wurde.. mehr ist es nicht (stark vereinfacht) da von Intelligenz zu sprechen.. ich weiß ja nicht.
Fazit: Nichts von dem ist ein Fehler, sondern pure Logik
Zara
1 „Gefällt mir“
Hallo Matthias,
Zeig doch bitte mal einen Auszug aus dem LOG von gestern Abend (sofern Du gestern vor 23:30 Uhr das Update gemacht hast… Vorab kann ich Dir aber schon mal sagen (basierend auf dem LOG-Auszug) das alles in bester Ordnung ist
Zara
Ich war leider nicht bei deinen Calls dabei, daher die Rückfragen. Was eine KI ist, weiss ich sehr genau (Physiker und ehem. Leiter eines großen Rechenzentrums).
Ich hinterfrage hier nur einige deiner Aussagen, um den Hintergrund zu verstehen.
Zu deiner ML Wetter:
Hier ziehst du wahrscheinlich Wetterprognose verschiedener Anbieter an. Deine Aussage dazu
- Vollständig unabhängig von Internet und externen Wetterdiensten.
dürfte damit nicht stimmen. Richtig ist wahrscheinlich, dass der Anwender keine eigene Wettervorhersage wie OpenWeather, DWD oder PirateWeather benötigt, da dein System im Hintergrund seine Daten von einer Wettervorhersage bezieht.
Ich werde deinen Ratschlag befolgen und einige Tage abwarten, ob die ML irgendwann merkt, dass aufgrund des Schneebelags kein Ertrag erfolgt.
Ich möchte an dieser Stelle betonen, dass ich deine Leistung bewundere, insbesondere die Stats. Das erspart mir unglaubliche Arbeit und sieht extrem ansprechend aus.
Gruß
Martin
Nein, er benutzt keinen Wetterdienst. Wohl aber Wolkendienste!!!
1 „Gefällt mir“
Hallo Martin, vielen Dank für die Erläuterung – dann verstehst du ja, wie es im Kern funktioniert. Wenn du magst, können wir das gerne auch technisch vertiefen und ausführlich diskutieren. Ich denke allerdings, dass die meisten anderen das Thema nicht in dieser Detailtiefe interessiert. Daher super gern via PN!
Nur kurz zu Deiner Zu Anmerkung:
Nein, ich ziehe keine fertigen Wetterprognosen, wie sie allgemein verstanden werden. Stattdessen hole ich mir Rohdaten von NOAA, ECMWF und ICON und wandle diese mit komplexen Berechnungen – ähnlich wie es Meteorologen bei der Erstellung von Wettervorhersagen tun – in die für mich relevanten Kennzahlen um. Dabei filtere ich im Vorfeld bereits heraus, was ich tatsächlich benötige. Wie Roberto richtig sagte in allererster Linie Wolkendaten .
Das mache ich via API mittels Services die es bereitstellen, da ein direkter Zugriff für mich als Privat-Person nicht so einfach zu machen ist und ich auch nicht verlanden will das irgendwer von euch Geld bezahlen muss.
ML selber greift nirgends auf irgendwelche Services zu, Sie benötigt keine Internet-Anbindung, sondern eine Lokale Quelle (in dem Fall die Daten der Wetter KI und der dazugehörigen Pipeline)
Hallo Zara,
danke für die Erläuterung. Dann verstehe die Technik hinter deiner Wetter Prognose besser.
Und gerne auch mal eine “vertiefte” Diskussion. Wir können das ja gerne per PN abstimmen. Du bist wahrscheinlich terminlich Enger als ich (nun Rentner!!)
Gruß
Martin
Frage, wo finde ich einen Anhaltspunkt, ob die KI bei mir angefangen hat zu lernen?
Aktueller Stand ist, dass die Prognosen gefühlt immer stärker abweichen.
Ich hatte vor 4 Tagen ja mal alles zurückgesetzt, gelöscht und neu installiert - seit dem sehe ich trotz nun einiger sonniger Tage, keine wirklichen Fortschritte - vorher war da durchaus eine deutliche Annäherung zu erkennen und Anhand der nun entfallenen Sensoren über die gesammelten Daten sieht man es ja nicht mehr.
In den Protokollen sehe ich auch keine Daten von SFML.
Genau das frage ich mich auch - und zwar seit dem Silvester Update. Davor konnte man toll erkennen, wie er die Samples gesammelt hat und langsam besser geworden ist.
Seitdem habe ich 0 AI Samples und Data File Status steht immer auf 22/23.
Und da seitdem die Prognosen völlig daneben sind, frage ich mich auch, ob sich da überhaupt was tut…
Habe auch vor ca. 4 Tagen nochmals zurückgesetzt - keine Veränderung…
Ah ich habe nun etwas entdeckt - relativ versteckt und in Regionen in denen ich sonst nicht unterwegs bin (Ferne Welten, Fremde Galaxien usw. 
)
1 „Gefällt mir“
Interessant! Da hab ich keinen einzigen Eintrag in der Richtung
Du hast nach “Forecast” gesucht?
Natürlich - mehrfach und verschiedene Suchbegriffe versucht. Werde das heute um kurz nach 23:30 Uhr mal testen. Sollte ja laut den Infos hier um 23:30 Uhr was im Log sein
Wenn du in den Protokollen bist klicke rechts oben auf die drei Punkte - da dann “unveränderte Protokolle” anklicken - erst dann findet man etwas.
1 „Gefällt mir“
100% genau so ist es! Danke @nobbilie
Danke!! Ich denke es wird einige geben, denen es nicht klar ist!
Dann finde ich nur das hier:
2026-01-07 15:09:00.229 DEBUG (MainThread) [custom_components.solar_forecast_ml.data.data_forecast_handler] Production time updated: active=True, duration=22349s
2026-01-07 15:14:00.157 DEBUG (MainThread) [custom_components.solar_forecast_ml.data.data_forecast_handler] Production time updated: active=True, duration=22649s
Hallo Zara,
vorab erstmal vielen Dank für Deine schnelle Reaktion auf meine Anfrage. Dein Projekt ist unheimlich interessant und spannend. Allein den Aufwand und Deine Zeit, die Du dafür aufwendest!
Echt toll!
Jetzt zu meinen Logs von gestern Abend:
2026-01-06 23:30:00 - custom_components.solar_forecast_ml.ai.ai_predictor - INFO - AI training started: 1 outputs
2026-01-06 23:30:00 - custom_components.solar_forecast_ml.ai.ai_predictor - INFO - Prepared 160 training samples from 23 days, 1 outputs
2026-01-06 23:30:00 - custom_components.solar_forecast_ml.ai.ai_predictor - INFO - Training with 160 samples, 20 features, 1 outputs
2026-01-06 23:30:00 - custom_components.solar_forecast_ml.ai.ai_tiny_lstm - INFO - Training: 160 samples, 200 epochs, 1 outputs
2026-01-06
23:30:00 - custom_components.solar_forecast_ml.ai.ai_predictor - ERROR - Training failed: shapes (32,52) and (49,1) not aligned: 52 (dim 1) != 49 (dim 0)
2026-01-06 23:30:00 - custom_components.solar_forecast_ml.production.production_scheduled_tasks - WARNING - AI model training incomplete: shapes (32,52) and (49,1) not aligned: 52 (dim 1) != 49 (dim 0)
Es kamen also erwartungsgemäß 14 samples hinzu, die shapes bleiben jedoch die Gleichen.
Danke und viele Grüße,
Matthias
Bis dahin war es mir ja schon klar, aber ich Stand eben vor dem Thema, dass in der zusammengefassten Ansicht nichts angezeigt wird. Nur durch Zufall habe ich die drei Punkte angeklickt und einfach geschaut was dann passiert. Das ist ein wenig Tricky.
Vielleicht kannst du ja für diejenigen, die nicht in den Protokollen rumturnen einen Sensor integrieren, der im Grunde nur sagt “ich lerne” “ich lerne nicht” und “hier passt was nicht - ich kann nicht lernen”?
2 „Gefällt mir“