{"id":38668,"date":"2024-04-24T13:28:41","date_gmt":"2024-04-24T11:28:41","guid":{"rendered":"https:\/\/ak-online.de\/?p=38668"},"modified":"2024-04-25T17:22:43","modified_gmt":"2024-04-25T15:22:43","slug":"die-erwartungen-an-ki-bei-der-absatzprognose-sind-haeufig-ueberzogen","status":"publish","type":"post","link":"https:\/\/www.ak-online.de\/de\/die-erwartungen-an-ki-bei-der-absatzprognose-sind-haeufig-ueberzogen\/","title":{"rendered":"Die Erwartungen an KI bei der Absatzprognose sind h\u00e4ufig \u00fcberzogen"},"content":{"rendered":"\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t

Wenn ich nicht mehr weiterwei\u00df, mache ich eine KI sogleich? Die Erwartungen an KI bei der Absatzprognose sind h\u00e4ufig \u00fcberzogen \n<\/h3>\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Die naive Meinung vieler F\u00fchrungskr\u00e4fte und Sachbearbeiter ist, dass man mit K\u00fcnstlicher Intelligenz (KI) endlich zu genauen Prognosen kommen kann. Statt Vergangenheitsdaten anzuschauen, setzt man besser auf KI. Die Realit\u00e4t sieht aber deutlich anders aus.<\/strong><\/p>\n

In Wirklichkeit lernt auch ein KI-System aus der Vergangenheit. Die KI kann m\u00f6glicherweise in den vorhandenen historischen Zeitreihen Gesetzm\u00e4\u00dfigkeiten jenseits Trends und Saisonalit\u00e4ten erkennen, die klassische statistische Prognoseverfahren nicht erkennen. Allerdings ist das ARIMA-Verfahren hier auch bereits sehr gut. Wie jeder statistische Ansatz zeigt auch das ARIMA-Verfahren nicht auf, welche konkreten Faktoren die Prognose beeinflussen. Das kann eine KI aber auch nicht leisten, wenn man ihr lediglich historische Zeitreihen aus Kundenauftr\u00e4gen oder Lagerabgangsdaten und keine gesonderten Informationen \u00fcber Einflussgr\u00f6\u00dfen bereitstellt, die auf das historische Nachfrageverhalten eingewirkt haben.<\/p>\n

Wenn man (Voraussetzung 1<\/strong>) Vermutungen hat, welche externen Faktoren auf die Marktnachfrage einwirken k\u00f6nnten, kann man einen Schritt weitergehen und kann diese bei KI-gest\u00fctzten Prognosen sehr effizient und einfach ber\u00fccksichtigen; vor allem, wenn es mehrere Faktoren sind, die zusammenwirken. Allerdings findet die KI m\u00f6gliche Einflussfaktoren auf das Nachfrageverhalten auch nicht selbst\u00e4ndig. Allenfalls kann man mit Large Language Models wie GPT (\u201eChatGPT\u201c) Vermutungen anstellen, welche Einflussfaktoren wirken k\u00f6nnten, wenn man selbst keine Vermutungen hat.<\/p>\n

Um die Auswirkungen der vermuteten Einflussfaktoren auf die Marktnachfrage nach einem Produkt oder einer Produktgruppe quantitativ beurteilen und Aussagen \u00fcber das zuk\u00fcnftige Nachfrageverhalten treffen zu k\u00f6nnen, ben\u00f6tigt auch die KI entsprechende historische Zahlenreihen (Voraussetzung 2<\/strong>) zu diesen Faktoren, mit denen man die KI trainieren kann.<\/p>\n

Dass solche historischen Daten vorliegen, reicht jedoch nicht aus. Es muss eine hinreichende Anzahl an Daten vorliegen (Voraussetzung 3<\/strong>), um die KI trainieren zu k\u00f6nnen. Wie viele Daten erforderlich sind, kommt, wie oft, auch hier auf den Einzelfall an. Um es aber einmal pragmatisch und unwissenschaftlich zu formulieren: 100 Datens\u00e4tze sind eher zu wenig, 1000 w\u00e4ren schon besser, einige zigtausend am besten. So viele Daten sind in vielen F\u00e4llen aber \u00fcberhaupt nicht zu finden.<\/p>\n

Weiterhin m\u00fcssen Daten zu den Einflussfaktoren auch f\u00fcr die Zukunft vorliegen (Voraussetzung 4a<\/strong>). Nur wenn man wei\u00df, wie sich die Einflussfaktoren zuk\u00fcnftig ver\u00e4ndern werden, kann man die Auswirkungen dieser Ver\u00e4nderung auf die Marktnachfrage ermitteln. Wo das nicht der Fall ist, besteht noch die Chance (Voraussetzung 4b<\/strong>), dass die gegenw\u00e4rtigen und historischen Daten der Einflussgr\u00f6\u00dfen in sich bereits eine Aussage \u00fcber die zuk\u00fcnftige Nachfrageentwicklung enthalten. Das klingt kompliziert, ist aber ganz einfach: W\u00fcrde die KI beispielsweise aus den Trainingsdaten erkennen, dass eine Steigerung eines Konjunkturfaktors, z.B. des IFO-Index oder des Eink\u00e4uferindex mit sechs Monaten Verzug zu einer Nachfragesteigerung f\u00fchrt, reicht die Kenntnis des aktuellen Wertes dieser Indices, um daraus eine Aussage \u00fcber die zuk\u00fcnftige Nachfrage in sechs Monaten ableiten zu k\u00f6nnen. In der Tat zeigen einige Analysen von uns aus Kundenprojekten, dass bestimmten Konstellationen mehrerer Konjunkturfaktoren zusammen bei bestimmten Warengruppen bestimmter Kunden eine Aussage \u00fcber die Nachfrageentwicklung dieser Warengruppen f\u00fcr die n\u00e4chsten drei bis sechs Monate erm\u00f6glichen.<\/p>\n

Nehmen wir als Anwendungsbeispiel zur Verdeutlichung des Sachverhalts den Einfluss von Verkaufsaktionen von Wettbewerbern auf die Nachfrage nach eigenen Produkten. Bei Standardprodukten, die von verschiedenen Unternehmen angeboten werden und die sich wechselseitig ersetzen k\u00f6nnen, ist dies oft eine wesentliche Einflussgr\u00f6\u00dfe auf die Marktnachfrage nach dem eigenen Artikel. Informationen \u00fcber Verkaufsaktionen von Wettbewerbern zusammenzutragen kann sehr schwierig, wenn nicht unm\u00f6glich sein. Zumindest w\u00e4re eine Kenntnis \u00fcber Aktionstermine und Verkaufspreise, idealerweise auch \u00fcber die Absatzmengen erforderlich.<\/p>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Aus f\u00fcnf Ereignissen (Aktionen) l\u00e4sst sich kaum Belastbares ermitteln. Man muss Kenntnis von ausreichend vielen Ereignissen haben. Je schw\u00e4cher die Auswirkungen der Wettbewerberaktionen auf die Nachfrage nach den eigenen Produkten ist, desto mehr Ereignisse sind notwendig, um Aussagen mit einiger Sicherheit zu treffen. Wenn ausreichend Daten verf\u00fcgbar sind und die KI mit den vorhandenen Daten einen Einfluss auf die Marktnachfrage der eigenen Produkte erkennen kann, ist das schon ein gro\u00dfer Schritt, nutzt aber nichts, wenn man die zuk\u00fcnftigen Aktionen des Wettbewerbs nicht im Voraus kennt. Wenn das Ereignis eingetreten ist, ist es meist zu sp\u00e4t und die Prognose nutzt nichts mehr. Wenn  Wettbewerberaktionen die zuk\u00fcnftige Nachfrage nach den eigenen Produkten beeinflussen, kann eine aktuell stattfindende Aktion eines Wettbewerbers m\u00f6glicherweise zu einem vor\u00fcbergehenden Nachfrageeinbruch bei den eigenen Produkten f\u00fchren. Allzu weit in die Zukunft d\u00fcrfte sich die Erkenntnis aber nicht auswirken.<\/p>\n

Insgesamt l\u00e4sst sich sagen, dass die Erwartungen an KI bez\u00fcglich der Verbesserung von Prognosen zumindest aktuell noch \u00fcbertrieben sind. Obwohl KI in der Lage ist, aus historischen Daten zu lernen und m\u00f6glicherweise Gesetzm\u00e4\u00dfigkeiten zu erkennen, die klassische statistische Prognoseverfahren nicht erkennen, gibt es immer noch viele Herausforderungen und Einschr\u00e4nkungen, die \u00fcberwunden werden m\u00fcssen. Diese liegen heute nicht mehr grunds\u00e4tzlich in den M\u00f6glichkeiten der KI, sondern sehr oft in den fehlenden Daten. Fehlende Daten, die f\u00fcr denjenigen, der dar\u00fcber verf\u00fcgt, viel Geld wert sind und die deshalb immer seltener gro\u00dfz\u00fcgig und kostenlos zum Training von KI-Systemen zur Verf\u00fcgung gestellt werden…<\/p>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"

Wenn ich nicht mehr weiterwei\u00df, mache ich eine KI sogleich? Die Erwartungen an KI bei der Absatzprognose sind h\u00e4ufig \u00fcberzogen Die naive Meinung vieler F\u00fchrungskr\u00e4fte und Sachbearbeiter ist, dass man mit K\u00fcnstlicher Intelligenz (KI) endlich zu genauen Prognosen kommen kann. Statt Vergangenheitsdaten anzuschauen, setzt man besser auf KI. Die Realit\u00e4t sieht aber deutlich anders aus.<\/p>\n","protected":false},"author":25,"featured_media":38674,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"inline_featured_image":false,"footnotes":""},"categories":[1587,2039,1586],"tags":[1612,25,2063],"class_list":["post-38668","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-absatz-bedarfsprognose","category-ki","category-supply-chain-strategie","tag-absatz-und-bedarfsplanung","tag-absatzprognose","tag-ki"],"acf":[],"aioseo_notices":[],"aioseo_head":"\n\t\t\n\t\n\t\n\t\n\t\n\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t