Per AI zur optimalen Absatzprognose

Welchen Einfluss haben Feiertage und die regionalen Unterschiede von hunderten Filialen? Und wie prognostiziert man die Absatzmenge für gänzlich neue Produkte ohne Verkaufshistorie? Wie zahlreiche Wettbewerber bediente sich auch ein großer Hersteller von Convenient-Food – mit einem Jahresumsatz von rund 500 Millionen Euro – hierzu bisher einer meist excelbasierten Planung und klassischen Planungstools. “Demand Planner“ ergänzten die historischen Verkaufsdaten – aufwändig und eher intuitiv. Doch jedes verdorbene Produkt und jedes leere Regal reduziert den Umsatz. Und der manuelle Pflegeaufwand für tausende von Produkten ist immens. Ein genaueres und weniger
aufwandsintensives System war gefordert.

Das entwickelte Prognosemodell ist bei rund 85 Prozent der vorhergesagten Produkte zuverlässiger, präziser und insgesamt weniger personalkostenintensiv als das vorherige Verfahren. Selbst neue Produkte ohne Verkaufshistorie ermöglichen über vergleichbare Produkte eine zuverlässige Prognose. Der lernfähige Algorithmus berücksichtigt nach kurzer Zeit die vorliegenden historischen Daten und optimiert sich selbst. Ein regelmäßiges Retraining der Modelle sorgt für eine immer bessere Prognosegüte. So liefert Demand Forecasting klare Wettbewerbsvorteile für den Lebensmittelhersteller. Durch nachhaltige Produktion wird das Unternehmen auch seiner Verantwortung gegenüber Ressourcen und der Umwelt gerecht.

Im Rahmen eines Proof-of-Concept entwickelte pmOne ein Prognosetool, das über einen
lernenden Algorithmus – „Time Series Forecasti ng“ – und durch angereicherte Daten die genannten Herausforderungen löst. Zuerst analysiert das System die Zeitreihen und berücksichtigt Absatztrends, saisonale Schwankungen und zyklische Mengenentwicklungen. Hinzu kommen Wetterdaten sowie Daten zur Bevölkerungsdichte und zu Feiertags- sowie Wochentagsschwankungen. So entsteht eine gehaltvolle Planungsgrundlage. Das Verfahren hat gegenüber gängigen Methoden einen entscheidenden Vorteil: Es ermöglicht eine ganzheitliche Betrachtung des komplett en Produktsortiments und ist in der Lage, Abhängigkeiten und gemeinsame Trends von Produkten – etwa die Korrelation von Bratwurstund Senfverkauf – zu berücksichtigen.