Fraunhofer-Institut für Techno- und Wirtschaftsmathematik ITWMIm Logistiksektor kommen für die jährliche Budgetplanung datengestützte Prognosen zum Einsatz, um Budgets für zahlreiche Kostenstellen abzuleiten. Dafür nutzen Unternehmen häufig konventionelle Prognosetools. Im Rahmen eines Projekts mit einem international tätigen Logistikunternehmen haben wir diesen etablierten Prozess datengetrieben weiterentwickelt. Kernidee ist der Einsatz moderner Zeitreihenverfahren und KI-basierter Machine Learning Modelle, die fundiertere operative und strategische Entscheidungen ermöglichen.
Logistik: Luftaufnahme eines Lagers für Neuwagen
© iStockphoto
Smarter Planen in der Logistik: Intelligente Budgetplanung durch KI-gestützte Vorhersagemodelle
Bessere Prognosen für operative Entscheidungen: Künstliche Intelligenz und Zeitreihenmodelle für die Budgetplanung
Zielsetzung: Bessere Prognosen für operative und strategische Entscheidungen
Im Fokus des Projekts steht die Frage, welches Potenzial moderne Zeitreihenverfahren und KI-basierte ML-Modelle im Vergleich zu bestehenden Prognosetools bieten. Dadurch wird transparent, wo die bestehenden Prognosen bereits gut funktionieren, und wo das größte Potenzial für Verbesserungen liegt. Die implementierten Modelle vergleichen wir systematisch mit den bisherigen Prognosen des Unternehmens.
Um die Ergebnisse schnell in die Praxis zu überführen, entstand eine Proof-of-Concept-Anwendung (PoC), also eine erste prototypische Umsetzung zur Erprobung des Ansatzes unter realen Bedingungen. Sie bietet Controllerinnen und Controllern auf Basis bestehender Datenbanken einfachen Zugriff auf die neuen Prognosen. Die Anwendung ist modular aufgebaut, sodass zusätzliche Kostenstellen oder Standorte aus dem Unternehmensnetzwerk eigenständig integriert und analysiert werden können.
Vielfältige Einsatzmöglichkeiten über das Projekt hinaus
Das entwickelte Konzept zur kombinierten Zeitreihen- und ML-basierten Prognose beschränkt sich nicht auf die Budgetplanung im Logistiksektor. Es eignet sich unter anderem für:
- Vertriebs- und Umsatzplanung – präzisere Absatz- und Umsatzprognosen auf Kunden-, Produkt- oder Regionenebene
- Kapazitäts- und Ressourcenplanung – zuverlässigere Auslastungsprognosen für Standorte, Fahrzeuge oder Personal
- Kosten- und Produktionsplanung – genauere Vorhersagen zu Produktionsmengen, Kostenblöcken oder Materialbedarfen
Die Verbindung aus datengetriebener Analyse, modernen Prognoseverfahren und einer praxistauglichen PoC-Anwendung schafft ein leistungsfähiges Werkzeug für Unternehmen Es erhöht die Planungssicherheit und unterstützt fundierte Entscheidungen.