Update Notes: Version 20.0.0 “ZARA”
Dieses Update markiert einen bedeutenden Meilenstein für künftige Entwicklungen und die Steigerung der Prognosegenauigkeit. Mit der Version 20.0.0 wird Solar Forecast ML bei entsprechender Hardware um eine leistungsstarke KI-Komponente erweitert: das Add-on Toorox ForeSight AI (TFS).
Hinweis: Die Installation von TFS ist optional. Aufgrund der Anforderungen sollte die App nur auf Systemen mit ausreichenden Hardware-Ressourcen installiert werden.
Was ist “TFS” – Toorox ForeSight AI?
TFS basiert auf einem von mir selbst trainierten Modell, das 18 Jahre Solar-, Wetter- sowie Strahlungs- und Wolkendaten nutzt.
- Die Technik: Für Home Assistant wurden 20,5 Millionen Parameter für 180 Standorte in Deutschland in eine Transformer-KI integriert (38 Features, Quantile, d=256).
- Der Unterschied: Die Logik weicht grundlegend von der bisherigen „Hubble“-Logik ab und ist deutlich leistungsfähiger.
- Lokal & Effizient: TFS ist keine reine Solar-Prognose, sondern eine vollständige, lokale Energie-KI, die auf das Wesentliche reduziert wurde.
Hardware-Anforderungen & Beschränkungen
Da es sich um eine vollwertige lokale KI handelt (vergleichbar mit Modellen wie DeepSeek R1 oder Gemma), ist eine gewisse Rechenleistung erforderlich.
- Optimiert für HA: TFS wurde so schlank wie möglich gebaut, um auf einem breiten Spektrum an Hardware zu laufen.
- Keine GPU nötig: TFS benötigt keine Grafikkarte oder VRAM.
- Kein Overhead: Das Modell wurde nicht quantisiert und benötigt kein Ollama.
Spezifikationen:
Um einen stabilen Betrieb zu gewährleisten, sollte der Host (Home Assistant) über mindestens 4 GB RAM verfügen. TFS wird beim Booten in den RAM geladen und belegt permanent ca. 600 MB.
- AMD: Uneingeschränkt möglich; die Leistungsklasse entscheidet lediglich über die Geschwindigkeit der Prognose.
- Intel: Prozessoren ab Baujahr 2016 der i-Serie (i3, i5, i7, …). 4-Kern-Prozessoren bieten einen deutlichen Vorteil.
- Inkompatibel: Alle Intel Pentium- und Celeron-CPUs (z. B. J-Serie) werden nicht unterstützt. Bitte nicht installieren!
- Raspberry Pi: Ab Version 4 mit 8 GB RAM möglich.
- Hardware-Bundles: HA Yellow, Green etc. sind ausgeschlossen.
Datenschutz & Installation
Die KI arbeitet vollständig offline. Es ist keine Internetverbindung erforderlich und es müssen keine separaten Konfigurationen vorgenommen werden. TFS nutzt die vorhandenen Daten von SFML – alles bleibt auf eurem lokalen Rechner.
- Installation: TFS erscheint als App (Container) und kann unkompliziert über HACS installiert werden.
Wichtige Hinweise
- Konfiguration: SFML muss zwingend korrekt konfiguriert sein (korrekte Sensoren).
- Anlaufzeit: Bei einer Neuinstallation von SFML startet TFS erst nach 10 Tagen Datensammlung.
- Performance: Der EOD (End of Day) Prozess verlängert sich zeitlich.
- Fallback: Wird TFS deinstalliert, übernimmt automatisch wieder die Hubble-KI.
- Ausblick: Es wird eine separate Docker-Version erscheinen (Linux, MacOsX, Proxmox, VM,..) . Diese ist deutlich umfangreicher, verfügt über eine eigene Weboberfläche und greift via API/REST direkt auf HA oder Wechselrichter zu.
KI -Version
Modell-ID: toorox-foresight-ha-20.5m-ft-fp32-1.0
Format: safetensors
Datentyp: float32 (32-bit Float)
Parameter: 20.465.232
Architektur: d_model=256, 6 Encoder + 4 Decoder Layers, 8 Heads
Kontext: 72 Stunden historisch → 24 Stunden Forecast
Release-Informationen:
- Geplantes Release: 15.04.2026
- Status: Training läuft (Tag 4 von 6 abgeschlossen)
- Testergebnisse: Trefferabweichung aktuell bei hervorragenden 0,65 %
- Modell: toorox-foresight-ha-20.5m-ft-fp32-1.0 d256
Wer sich an den doch imensen Stromkosten für das Training beteiligen möchte ist herzlich wilkommen:
Fuel my kWh? I’d really appreciate it — keep this project running!
