Nachfragevorhersage

Nachfragevorhersage bezeichnet den Prozess der Schätzung zukünftiger Nachfrage nach Gütern oder Dienstleistungen. Sie dient als Grundlage für Planungsentscheidungen in Beschaffung, Produktion, Lagerhaltung und Vertrieb.

Unterscheidung nach Prognithorizont: kurzfristige Vorhersagen (Tage bis Wochen), mittelfristige (Monate) und langfristige (Jahre). Je länger der Zeitraum, desto größer Unsicherheit und Modellkomplexität. Die Wahl des Zeitrahmens beeinflusst Datenbedarf, Modellwahl und Fehlermaße.

Datenquellen und Methoden: Historische Verkaufsdaten, Werbe- und Preisaktionen, Saisonalität, makroökonomische Indikatoren sowie externe Ereignisse fließen in die Modelle ein. Methoden umfassen statistische Verfahren wie exponentielle Glättung, ARIMA und State-Space-Modelle; maschinelles Lernen wie Random Forest, Gradient Boosting oder neuronale Netze; kausale Modelle und Delphi- oder Expertenschätzungen. Eine Mischung aus quantitativen Modellen und fachlicher Einschätzung wird häufig eingesetzt.

Abschätzung und Bewertung: Modelle werden anhand Metriken wie MAE, RMSE, MAPE oder sMAPE bewertet. Validierung erfolgt durch Cross-Validation oder Backtesting. Die Forecast-Qualität hängt von der Datenqualität, Stabilität der Nachfrage und der Berücksichtigung von Promotions, Saisonschwankungen und externen Ereignissen ab.

Anwendungen: Die Ergebnisse unterstützen Bestands- und Beschaffungsplanung, Produktionsprogrammierung, Kapazitätsplanung sowie Preis- und Vertriebsentscheidungen. Sie dienen als zentrale Informationsquelle in integrierten Planungsketten.

Herausforderungen: Datenqualität, Änderung des Nachfrageverhaltens, externe Störungen (Lieferengpässe, Krisen), Overfitting, regelmäßige Modellpflege und Governance. Die Integration in ERP- und Planungssysteme ist entscheidend für eine effektive Nutzung.