tooroxForesight ist eine zusätzliche Option — SFML wird weiterhin vollständig entwickelt und unterstützt. Beide Systeme existieren parallel und bedienen unterschiedliche Bedürfnisse. Wer mit SFML zufrieden ist, muss nichts ändern → im Gegenteil SFML wird von den mehrern Millionen Parametern profitieren (in späteren Updates werden die Trainingsdaten in SFML einfließen.

tooroxForesight ist eine dedizierte, eigenständige Prognose-Engine, die als autarke Intelligenzschicht vollständig lokal innerhalb eurer Infrastruktur operiert. Während SFML als bewährte Basis erhalten bleibt, geht tooroxForesight einen anderen Weg — spezialisierter, containerisiert und tiefer in die Transformer-Technologie eingebettet und kann so auf die neusten Entwicklungen in der KI zurückgreifen. HA → restriktiv und in modernen technologien outdated mehrer Entwicklungsschritte im Hintertreffen (aus diesem Grund bekommt das HA DEV Team auch die Sprach-Tools von Ha nicht in den Griff… torrox ForeSight → neueste lokale Technologien.

1. Systemarchitektur & Deployment

Die Software ist als containerisierte Anwendung konzipiert. Datenaustausch erfolgt bidirektional über Home Assistant — tooroxForesight extrahiert Rohdaten, prozessiert sie und spielt die Ergebnisse als Sensorentitäten zurück → bietet auch eine eigene Website

Installationswege:

Standalone Docker — macOS, Linux, Proxmox, VM
Home Assistant Add-on — Nahtlose Integration direkt im HA-Ökosystem

2. Die KI-Engine: Transformer ohne GPU-Zwang

Im Kern arbeitet ein hochoptimierter 0.5B Parameter Transformer, der gezielt für Zeitreihenanalysen im Energiebereich entwickelt wurde — kein generatives LLM, keine GPU-Abhängigkeit. → Aber daraus ergeben sich auch HW-Anforderungen.

CPU-Optimierung: Läuft auf Standard-Server-Hardware oder performanten NAS-Systemen
On-Device Learning: Kontinuierliches, lokales Lernen — angepasst an Verschattung, PV-Ausrichtung, individuelles Verhalten. Keine Cloud, keine Datenweitergabe.

3. Training & Datengrundlage

tooroxForesight ist eine vollständige Eigenentwicklung „from scratch". Training auf einem massiv kuratierten Datensatz mit mehreren Millionen Sonnenstunden und historischen Wetterdaten — manuell aufbereitet, um Rauschen zu eliminieren und die Relevanz für Energieprognosen zu maximieren.

4. Vergleich: Generische lokale KI vs. tooroxForesight

Merkmal Generische lokale KI (Ollama etc.) tooroxForesight
Fokus Text- & Sprachverarbeitung Energie- & Wetterprognosen
Hardware Hoher VRAM / GPU-Bedarf CPU-optimiert
Lernkurve Aufwendiges Prompt-Engineering Out-of-the-box einsatzbereit
Datenschutz Lokal Lokal (vollständige Souveränität)

5. Typische Einsatzszenarien

tooroxForesight fügt sich in nahezu jede bestehende Infrastruktur ein — egal ob HA zentral oder peripher ist:

1. HA auf minimalistischer Hardware → Rechenarbeit ausgelagert
Pi, Green, Yellow o.ä. als HA-Host — tooroxForesight läuft daneben auf NAS, Linux-Server oder macOS. HA bleibt schlank, die KI-Last liegt auf der Hardware, die dafür gebaut ist.

2. Proxmox mit HA im Container → tooroxForesight als eigener Container
Saubere Trennung auf Containerebene — beide laufen auf derselben Hardware, aber vollständig isoliert. Ideal für bestehende Proxmox-Setups.

3. HA auf potenter Hardware → tooroxForesight als Add-on direkt in HA
Wer genug Rechenleistung auf dem HA-Host hat, bekommt die nahtloseste Integration — als App direkt im HA-Ökosystem, ohne zusätzliche Infrastruktur.

4. Vollständig ohne Home Assistant
tooroxForesight als Container auf beliebiger Hardware, direkte Anbindung der Solaranlage — kein HA notwendig. Für alle, die eine rein eigenständige Lösung ohne Smart-Home-Plattform wollen.

Fazit

tooroxForesight und SFML verfolgen zwei grundlegend unterschiedliche Ansätze. SFML ist tief in Home Assistant verwurzelt — es arbeitet innerhalb der HA-Umgebung, akzeptiert deren Restriktionen und holt das Maximum aus dem heraus, was HA ermöglicht. tooroxForesight geht einen anderen Weg: State-of-the-Art lokale KI-Entwicklung, verbunden mit Home Assistant — aber ohne HA als Host. Keine Kompromisse durch Plattformgrenzen, keine Abhängigkeit vom HA-Ökosystem.

In die Entwicklung sind direkt Eure Erfahrungen, gemeldeten Probleme und Wünsche eingeflossen. Das Ergebnis ist kein Ersatz und kein Richtungswechsel — sondern eine vollständig eigenständige, parallele Weiterentwicklung für alle, die mehr Power, echte Standalone-Fähigkeit und die neueste Transformer-Technologie wollen.

Vorteil dieser Architektur:

Eine Codebasis, zwei Installations-Wege
HA-User → den Comfort der HA-UI
Linux-User → standalone arbeiten ohne HA
Updates funktionieren in beiden Richtungen gleich

So ergeben sich 3 Möglichkeiten:

SFML → reines HA
toroox ForeSight HA App
toorox ForeSight Standalone