Planungs- und Forecasting-Prozesse nehmen für zahlreiche Unternehmen noch viel Zeit in Anspruch. Über mehrere Monate werden Daten gesammelt, erfasst, konsolidiert und mit verschiedenen Abteilungen und Entscheidern abgestimmt. Doch wenn neue Marktentwicklungen, veränderte Kostenstrukturen oder geänderte Kundenanforderungen das Unternehmen wesentlich beeinflussen, stellt sich die Frage: War die ganze Mühe umsonst? Sind die erarbeiteten Planungsdaten und Forecasts jetzt sogar nutzlos?
Warum KI im Forecasting immer wichtiger wird
Werden neue Entwicklungen nicht schnell berücksichtigt, kann dies sogar zum Risiko werden. Entscheidungen, die auf der Basis von veralteten Daten getroffen werden, können einen Betrieb in eine falsche Richtung steuern.
Es verwundert daher nicht, dass immer mehr Unternehmen sich für moderne Tools entscheiden, um Planung und Forecasting zu verbessern. Künstliche Intelligenz (KI) wird hier viel Potenzial zugeschrieben.
Forecast mit KI erstellen
Für die BARC-Studie Resilient Planning in Volatile Markets wurden weltweit 261 Unternehmen befragt. Jedes dritte Unternehmen arbeitet noch mit Tabellenkalkulationen. Doch auf Dauer kann die Arbeit mit Excel dem hohen Tempo, das durch das volatile Umfeld vorgegeben wird, nicht mehr standhalten.
Vorteile von KI im Forecasting-Prozess
Das haben auch viele Betriebe erkannt: 40 % der befragten Unternehmen planen Predictive Forecasting und KI-gestützte Planung einzuführen. Der Vorteil: Mit KI können effiziente, adaptive rollierende Forecasts umgesetzt werden, die sich automatisch aktualisieren.
Mögliche Potenziale durch KI-gestützte Planung (laut der BARC-Studie) |
|
So gelingt der Einstieg in KI-gestütztes Forecasting
KI verändert damit nicht nur die Geschwindigkeit, sondern auch die Qualität im Forecasting. Anstatt Daten im Nachhinein zu interpretieren, können Unternehmen in Echtzeit auf Veränderungen reagieren. Damit wird Forecasting zunehmend zu einem lernenden, dynamischen Prozess – eine Entwicklung, die in den kommenden Jahren an Bedeutung weiter zunehmen wird. Allerdings ist der KI-Einsatz nicht unfehlbar: Auch mit modernen Tools können Fehler gemacht werden. Zudem ist die Umstellung aufwendig und Expertise muss häufig erst noch erworben werden. Folgende Schritte sollten daher nicht unterschätzt werden:
- Datenqualität sicherstellen: Der erfolgreiche Einsatz von KI hängt von der Datenbasis ab.
- Pilotprojekt starten: Nach der Auswahl eines passenden Tools sollte zunächst eine Testphase genutzt werden, Erfahrungen zu sammeln und erste Forecasts zu erstellen.
- Controller und KI kombinieren: KI ersetzt Controller nicht sondern liefert wichtige Analysen und Informationen. Controller müssen jedoch entsprechend mit den Tools vertraut gemacht und geschult werden.
- Change Management: Neue/Veränderte Prozesse erfordern eine klare Kommunikation und Verantwortlichkeiten.
- Implementierung: Wenn KI-basierte Prozesse erfolgreich getestet wurden, kann der Einsatz sukzessive in verschiedenen Bereichen implementiert werden.
