Angeregt durch jüngste Fortschritte in großen Sprachmodellen für die Natursprachverarbeitung (Natural Language Processing, NLP) entwickeln wir ein Zeitreihen-Grundmodell für die Prognose, dessen out-of-the-box Zero-Shot-Leistung auf einer Vielzahl öffentlicher Datensätze nahe an der Genauigkeit der derzeit besten überwachten Prognosemodelle für jedes einzelne Datenset heranreicht. Unser Modell basiert auf der Vortrainierung eines patchbasierten Decoder-Attention-Modells auf einer großen Zeitreihenkorpora und zeigt eine gute Leistung über verschiedene Längen der Prognosehistorie, Vorhersagedauern sowie zeitliche Granularitäten hinweg.