Änderungserkennung, ein zentraler Forschungsbereich in der Fernerkundung, ist entscheidend für die Beobachtung und Analyse von Oberflächenveränderungen. Trotz erheblicher Fortschritte durch tiefenlernbasierte Methoden bleibt die Durchführung von hochpräziser Änderungserkennung in räumlich-zeitlich komplexen Fernerkundungsszenarien weiterhin eine erhebliche Herausforderung. Die jüngste Einführung von Foundation-Modellen mit ihrer starken Universalität und Generalisierungsfähigkeit bietet potenzielle Lösungen. Allerdings stellt die Brücke zwischen Daten und Aufgaben weiterhin eine bedeutende Hürde dar. In diesem Paper stellen wir Time Travelling Pixels (TTP) vor, einen neuartigen Ansatz, der das latente Wissen des SAM-Foundation-Modells in die Änderungserkennung integriert. Diese Methode adressiert effektiv die Domänenverschiebung bei der Übertragung allgemeinen Wissens sowie die Herausforderung der Darstellung homogener und heterogener Merkmale mehrzeitlicher Bilder. Die state-of-the-art-Ergebnisse auf dem LEVIR-CD-Datensatz belegen die Wirksamkeit des TTP. Der Quellcode ist unter \url{https://kychen.me/TTP} verfügbar.