Viele Unternehmen verlassen sich bei ihrer Absatzplanung noch immer auf historische  Verkaufsdaten. Was wurde im letzten Jahr verkauft? Wie sahen die letzten Monate aus?  Welche saisonalen Muster lassen sich erkennen? Diese Informationen bilden zweifellos eine  wichtige Grundlage für Forecasts. Doch sie beantworten nur eine Frage:

‍

Was ist in der Vergangenheit passiert?

‍

Sie beantworten jedoch nicht, warum sich die Nachfrage verändert oder was in Zukunft  passieren wird. Genau deshalb stoßen klassische Forecast-Modelle heute zunehmend an  ihre Grenzen. Insbesondere in der FMCG-, Lebensmittel- und Getränkeindustrie verändern  sich Märkte schneller als jemals zuvor. Wetter, Handelsaktionen, Social-Media-Trends oder  ein verändertes Konsumentenverhalten können die Nachfrage innerhalb weniger Tage  deutlich beeinflussen, lange bevor sich diese Veränderungen in den Verkaufszahlen  widerspiegeln.

‍

Warum historische Verkaufsdaten häufig nicht ausreichen  

‍

Historische Verkaufszahlen sind ein Blick in den Rückspiegel. Sie zeigen, welche Nachfrage  bereits entstanden ist, nicht jedoch, welche Nachfrage sich aktuell entwickelt. Das wird besonders deutlich bei Produkten, deren Absatz von externen Faktoren beeinflusst  wird. Dazu gehören beispielsweise:

‍

● Wetterentwicklungen  

● Feiertage  

● Handelsaktionen  

● regionale Veranstaltungen  

● Preisänderungen  

● Suchverhalten im Internet  

● saisonale Trends  

● veränderte Konsumgewohnheiten

‍

Ein klassisches Forecast-Modell erkennt diese Veränderungen meist erst dann, wenn sie  bereits in den Verkaufszahlen sichtbar sind. Zu diesem Zeitpunkt ist es jedoch häufig zu  spät, um Produktion, Einkauf oder Bestände optimal anzupassen.

‍

Ein Praxisbeispiel: Als Google Trends den Forecast bestätigte  

‍

Ein Getränkehersteller erhielt von Optiwiser einen Forecast, der für eine bestimmte  Produktlinie deutliche Nachfragespitzen prognostizierte. Für das Planungsteam war diese

Prognose zunächst nicht nachvollziehbar. Weder die historischen Verkaufszahlen noch  saisonale Muster oder geplante Promotionen deuteten auf einen solchen Anstieg hin. Der  Forecast schien auf den ersten Blick falsch zu sein. Was das KI-Modell jedoch erkannt hatte,  war ein Signal außerhalb des ERP-Systems: Das Suchinteresse nach Kombucha stieg bei  Google bereits deutlich an, Wochen bevor sich diese Entwicklung in den Bestellungen des  Unternehmens widerspiegelte. Kurze Zeit später bestätigte der Markt genau diese  Entwicklung. Die Nachfrage stieg wie prognostiziert.  

Dieses Beispiel zeigt eindrucksvoll, dass relevante Informationen häufig außerhalb der  klassischen Unternehmensdaten entstehen.

‍

Nicht jede Information verbessert einen Forecast  

‍

Ein häufiger Irrtum lautet: Je mehr Daten, desto besser der Forecast. In der Praxis ist das  jedoch nicht der Fall. Moderne KI bewertet automatisch, welche Einflussfaktoren tatsächlich  einen messbaren Beitrag zur Prognosequalität leisten. Nur diese Signale fließen dauerhaft in  das Modell ein.  

Bei einem Kundenportfolio zeigte sich beispielsweise:  

‍

● Google Trends erklärte rund 21 % der verbesserten Forecast-Qualität.  

● Wetterdaten lieferten dagegen lediglich etwa 10 % zusätzlichen Erklärungswert.

‍

Welche externen Faktoren relevant sind, hängt also immer vom jeweiligen Produkt,  Vertriebskanal und Markt ab. Genau diese individuelle Bewertung übernimmt die KI  automatisch.

‍

ERP-Systeme kennen Ihre Vergangenheit, aber nicht den Markt

‍

ERP-Systeme liefern wertvolle Informationen über:  

● Verkäufe  

● Lagerbestände  

● Aufträge  

● Produktionsdaten  

● Einkaufsdaten

‍

Sie kennen jedoch nicht, was außerhalb des Unternehmens passiert. Sie wissen beispielsweise nicht,

● welche Produkte aktuell besonders häufig gesucht werden,  

● wie sich das Wetter auf den Absatz auswirkt,  

● welche Trends Verbraucher beschäftigen,

● oder welche Ereignisse die Nachfrage in den kommenden Wochen beeinflussen  werden.  

Genau diese externen Signale entscheiden jedoch häufig darüber, ob ein Forecast präzise  ist oder nicht.

‍

Wie KI Forecasts intelligenter macht  

‍

KI-gestützte Forecasting-Lösungen kombinieren interne Unternehmensdaten mit externen  Einflussfaktoren und bewerten deren Relevanz automatisch. Anstatt ausschließlich  historische Verkaufszahlen auszuwerten, analysiert die KI beispielsweise:

● Suchtrends  

● Wetterprognosen  

● Feiertage  

● Promotionen  

● regionale Ereignisse  

● Preisentwicklungen  

● saisonale Muster

‍

Die Modelle lernen kontinuierlich aus neuen Daten und passen sich automatisch an  veränderte Marktbedingungen an. Dadurch entstehen Forecasts, die dynamischer und  deutlich robuster sind als klassische Prognosen.

‍

Wie Optiwiser Unternehmen unterstützt  

‍

Optiwiser entwickelt KI-gestützte Forecasting-Lösungen speziell für Unternehmen der  FMCG-, Lebensmittel-, Getränke- und Kosmetikindustrie. Die Plattform verbindet historische  Unternehmensdaten mit externen Marktsignalen und bewertet automatisch, welche Faktoren  die Nachfrage tatsächlich beeinflussen. Nur relevante Variablen fließen dauerhaft in die  Prognosemodelle ein.

In Benchmark-Projekten erreichen die Modelle von Optiwiser eine 21 bis 45 % höhere  Forecast Accuracy als die bisherigen Unternehmensprognosen, gemessen im laufenden  Betrieb und nicht unter Laborbedingungen. Damit erhalten Unternehmen Forecasts, die  Einkauf, Produktion und Bestandsplanung auf eine deutlich zuverlässigere Grundlage  stellen.

‍

Gute Forecasts entstehen nicht nur aus historischen Daten  

‍

Historische Verkaufszahlen bleiben ein wichtiger Bestandteil jeder Planung. Sie erzählen  jedoch nur einen Teil der Geschichte. Wer die Nachfrage präzise prognostizieren möchte,  muss auch verstehen, welche externen Faktoren den Markt beeinflussen und welche davon  tatsächlich relevant sind. Moderne KI erkennt diese Zusammenhänge automatisch und hilft  Unternehmen dabei, Forecasts kontinuierlich zu verbessern. So entstehen

planungsentscheidungen, die nicht nur auf der Vergangenheit basieren, sondern zukünftige  Entwicklungen frühzeitig berücksichtigen.  

‍

Wissen Sie, welche Signale Ihre Nachfrage beeinflussen?  

‍

Erfahren Sie in einer kostenlosen Potenzialanalyse, wie Optiwiser historische  Unternehmensdaten mit externen Einflussfaktoren kombiniert und so Forecasts deutlich  präziser macht.

‍