Macht in SAP IBP eigentlich eine KI den Forecast?

2025-09-04

Die Frage ist doch berechtigt: jetzt wo wir überall KI einsetzen, ist es doch naheliegend das auch bei der Bedarfsplanung zu tun, oder?

Bei der Bedarfsplanung machen wir Annahmen über eine Zukunft, die noch nicht stattgefunden hat. Bei den normalerweise in SAP IBP verwendeten statistischen Prognosemethoden wissen wir ganz genau, welche Annahmen das sind: zum Beispiel "der Absatz des letzten Monats hat einen größeren Einfluss auf die Prognose als der Absatz im vorletzten Jahr" oder "wir gehen bei diesem Artikel einmal davon aus, dass der Absatz keinem Trend unterliegt".

Stimmen diese Annahmen?

Das wissen wir erst hinterher.

Die in IBP verwendeten Prognosealgorithmen (z.B. exponentielle Glättung oder ARIMA) sind erprobte und weithin verwendete statistische Prognosemethoden. Das bedeutet, sie haben ein genau nachvollziehbares mathematisches Verhalten. Das ist insbesondere auch für die Akzeptanz einer Prognose wichtig. Darüber hinaus gibt es im IBP das sogenannte "Demand Sensing". Hierbei wird für die nächste Zukunft (z.B. die nächsten vier Wochen) eine zusätzliche Prognose auf Tagesbasis erstellt. Diese Demand Sensing Prognose kann durch die Nutzung von maschinellem Lernen weitere externe Parameter in die Prognoseerstellung mit aufnehmen, wie z.B. das Wetter oder der Champions-League-Spielplan.

Die Auswahl der verwendeten Prognosealgorithmen kann man in einem gewissen Rahmen über den Prozess der "Forecast Automation" automatisieren. Auch dies ist wieder ein regelbasierter statistischer Prozess, bei dem die Absatzzahlen analysiert und auf der Basis generierter Kennzahlen dann die richtigen Prognosealgorithmen ausgewählt werden. Beispielsweise kann so identifiziert werden, ob ein Produkt saisonalen Schwankungen unterliegt oder ob es nur sporadisch verkauft wird.

Könnte eine "langfristig denkende" KI so etwas besser - indem sie z.B. eigenständig versucht, bisher nicht berücksichtigte Einflussparameter zu identifizieren? Vorstellbar für die Zukunft wäre das. Im Gegensatz zu den heute verwendeten KI-Verfahren wäre das aber so etwas wie ein "intelligenter Agent", der den Prognoseprozess langfristig begleitet und seine Entscheidungen und Vorschläge entsprechend bewerten und beeinflussen kann.

Dafür ist aber erforderlich, kontinuierlich die Forecast-Qualität zu messen und zu bewerten. Womit wir beim Bedarfsplanungsprozess als Ganzes sind: Bedarfsplanung ist eine kontinuierliche Aufgabe und eben nicht die einmalige Nutzung einer magischen Glaskugel.

Diesen Prozess gilt es, sinnvoll zu gestalten und mit den richtigen Werkzeugen zu unterstützen.