Daten & Analytics
(Exponential Smoothing)Exponentielle Glättung
Auch bekannt als:
ETS
Holt-Winters
Aktualisiert: 11.2.2026
Eine Familie statistischer Zeitreihen-Methoden, die aktuelle Beobachtungen exponentiell stärker gewichtet als vergangene.
Kurz erklärt
ETS/Holt-Winters gewichtet aktuelle Daten stärker – einfach, schnell und überraschend genau als Forecasting-Baseline.
Erklärung
Simple (Level), Double/Holt (Level + Trend), Triple/Holt-Winters (Level + Trend + Saisonalität).
Relevanz für Marketing
Oft überraschend genau und schneller als komplexe ML-Modelle. Standard-Baseline.
Häufige Fallstricke
Nur univariat. Kann Multiple Saisonalitäten nicht nativ modellieren.
Entstehung & Geschichte
Brown (1956), Holt (1957), Winters (1960). ETS-Framework von Hyndman et al. (2002) vereinheitlichte alle Varianten.
Abgrenzung & Vergleiche
Exponentielle Glättung vs. ARIMA
ETS dekomponiert in Level/Trend/Saison; ARIMA modelliert Autokorrelationen.