Skip to main content
main-content

Über dieses Buch

Mit diesem Buch liegen kompakte Beschreibungen von Prognoseverfahren vor, die vor allem in Systemen der betrieblichen Informationsverarbeitung eingesetzt werden. Praktiker mit langjähriger Prognoseerfahrung zeigen außerdem, wie die einzelnen Methoden in der Unternehmung Verwendung finden und wo die Probleme beim Einsatz liegen. Das Buch wendet sich gleichermaßen an Wissenschaft und Praxis. Das Spektrum reicht von einfachen Verfahren der Vorhersage über neuere Ansätze der künstlichen Intelligenz und Zeitreihenanalyse bis hin zur Prognose von Softwarezuverlässigkeit und zur kooperativen Vorhersage in Liefernetzen. In der siebenten, wesentlich überarbeiteten und erweiterten Auflage werden neue Vergleiche von Prognosemethoden, GARCH-Modelle zur Finanzmarktprognose, „Predictive Analytics“ als Variante der „Business Intelligence“ und die Kombination von Vorhersagen mit Elementen der Chaostheorie berücksichtigt.

Inhaltsverzeichnis

Frontmatter

Allgemeine Prognosemethoden

Frontmatter

1. Prognoserechnung – Einführung und Überblick

Zusammenfassung
Der Wunsch des Menschen, in die Zukunft zu schauen, dürfte so alt sein wie die Menschheit selbst. Nach dem Aufkommen der elektronischen Rechenanlagen war vor allem durch die populäre Literatur der Eindruck erweckt worden, dass nunmehr ein neuer Weg zur Erfüllung dieses uralten Menschheitstraumes gewiesen sei. Charakteristisch hierfür waren Redewendungen wie z.B. „Computer haben vorhergesagt, dass im Jahr 2000 ...“. Zunächst trat im Hinblick auf „die exakte Prognose“ durch computerunterstützte Prognoseverfahren eine gewisse Ernüchterung ein. Bekannte Methoden – etwa in Verbindung mit Standardsoftware-Paketen in den Sektoren Absatz, Lagerhaltung und Finanzierung – haben hier zum Teil zu Enttäuschungen geführt. In jüngerer Zeit wird Wissenschaftlern vorgeworfen, die katastrophale Finanzkrise nicht antizipiert zu haben. Diese kontern oft mit einem Schuss Resignation, indem sie das von Nassim Taleb eingeführte und inzwischen häufig benutzte Bild vom „Schwarzen Schwan“ bemühen [10]; dies ist eine unerwartete Katastrophe, welche Menschen aus psychologischen Gründen aus ihrer Vorstellungswelt verdrängen. Schlimme Terrorattacken gehören ebenso dazu wie die Zerstörung eines Kernkraftwerkes, der Zusammenbruch einer systemischen Bank oder ein großer Technologiesprung.
Peter Mertens, Susanne Rässler

2. Einführung in die kurzfristige Zeitreihenprognose und Vergleich der einzelnen Verfahren

Zusammenfassung
Genauigkeit der Vorhersage. Bei der Forderung nach einer möglichst hohen Genauigkeit der Vorhersage ist zu berücksichtigen, dass zusätzliche Genauigkeit in der Regel mit erhöhtem Aufwand verbunden ist. Man hat daher stets diesen erhöhten Aufwand mit den Erträgen aus der besseren Prognose zu vergleichen. Letztere können in Kostensenkungen bestehen. (Beispiel: Bei genauerer Prognose im Rahmen eines Lagerdispositionssystems können die Sicherheitsbestände niedriger gehalten werden.) Der Ertrag kann jedoch auch eine Risikominderung sein, etwa weil durch eine bessere Vorhersage im Rahmen eines Planungsmodells die Gefahr einer Fehlentscheidung geringer ist.
Michael Schröder

3. Einführung in die Prognose saisonaler Zeitreihen mithilfe exponentieller Glättungstechniken und Vergleich der Verfahren von Holt/Winters und Harrison

Zusammenfassung
Zahlreiche ökonomische Zeitreihen mit Monats-, Quartals- oder Halbjahreszeitabstand der Beobachtungswerte weisen neben einem Trend, also einer längerfristigen systematischen Änderung des Datenniveaus, auch Schwankungen der Zeitreihenwerte auf, die sich relativ gleichförmig Jahr für Jahr, in Sonderfällen auch Monat für Monat oder Woche für Woche, wiederholen. Diese als Saison bezeichneten zyklischen Schwankungen können in der Regel auf den Jahreszeitenwechsel und die Anpassung der menschlichen Lebensführung an dieses physikalische Phänomen zurückgeführt werden. So zeigt beispielsweise die Reihe der von der Bundesagentur für Arbeit monatlich ermittelten Arbeitslosenzahlen in der Bundesrepublik ausgeprägte Saisonschwankungen auf, die sich wesentlich durch die vom jahreszeitlichen Klimawechsel und von Ferienzeiten verursachten Beschäftigungsschwankungen in bestimmten Wirtschaftsbereichen wie dem Baugewerbe oder dem Hotel- und Gaststättengewerbe erklären lassen. Ein weiteres auffälliges Beispiel haben Braun und Evans [2] untersucht: Sie fanden dramatische Unterschiede der Faktorproduktivität auf volkswirtschaftlicher Ebene zwischen dem ersten und dem vierten Quartal eines jeden Jahres. Die Werte lagen im Durchschnitt der Messreihen zwischen -24 Prozent und +16 Prozent. Als Hauptursache identifizierten die Forscher die Auswirkungen des Weihnachtsfestes: Das mit Blick auf das Weihnachtsgeschäft „gehortete“ und nicht voll ausgelastete Personal arbeitet in der Weihnachtszeit (viertes Quartal) sehr angestrengt und damit produktiv, in den übrigen Zeiten des Jahres aber weniger hart oder ist sogar unterfordert.
Roland Schuhr

4. Prognose sporadischer Nachfragen

Zusammenfassung
Eine sporadische Nachfragezeitreihe zeichnet sich dadurch aus, dass die Zeitreihe eine nicht vernachlässigbare Anzahl von Zeitpunkten aufweist, bei denen die Nachfrage null beträgt. Derartige Zeitreihen findet man häufig im Einzelhandel mit feinem Distributionsnetz sowie in der Ersatzteilbevorratung von Hightech-Produkten. Dabei nimmt die Sporadizität mit zunehmendem zeitlichem, sachlichem und regionalem Differenzierungsgrad zu. Beispielsweise kann die monatliche Gesamtnachfrage nach einer bestimmten Zigarettensorte in einer bestimmten Verpackungsform auf der Ebene der Bundesrepublik Deutschland durch zeitreihenanalytische Methoden für quasi-stetige Zufallsvariablen prognostiziert werden [38], da das Produkt ein hohes Nachfragevolumen pro Zeiteinheit aufweist. Die Gesamtnachfrage der gleichen Kombination von Sorte und Verpackungstyp auf Tagesbasis an einem Zigarettenautomaten weist hingegen tendenziell geringe ganzzahlige Volumina auf, wobei unter Umständen an einigen Tagen überhaupt keine Nachfrage auftritt. Für die Bestückung der einzelnen Automaten benötigt man aber fein aufgelöste tagesspezifische Nachfrageprognosen, die aufgrund der Lagerhaltungs- und Automatenbeschickungskosten mit Lagerhaltungsmodellen kombiniert werden müssen. Vergleichbare Situationen finden sich etwa bei Drogeriemärkten sowie bei der Bevorratung von Ersatzteilen, wobei letztere bei kurzlebigen Produkten zusätzlich noch mit einem hohen Verschrottungskostenrisiko behaftet sind.
Ulrich Küsters, Jan Speckenbach

5. Prognose bei unregelmäßigem Bedarf

Zusammenfassung
Sporadische Nachfrage tritt in vielen Branchen auf. Ein Beispiel sind modische Artikel mit eng begrenzter Lebensdauer. Branchenübergreifend bereiten sogenannte Langsamdreher bei der Vorhersage besondere Probleme, die auf die sehr unregelmäßige Nachfrage zurückzuführen sind [2].
Arthur Nowack

6. Ein gemischt deterministisch-stochastisches Prognoseverfahren

Zusammenfassung
Vor allem bei der Absatzprognose trifft man in der Praxis oft den Fall an, dass ein Teil der Daten bekannt ist, ein anderer hingegen unbekannt. Die Vorhersage muss dann aus einem deterministischen und einem stochastischen Teil zusammengesetzt werden, sodass man zu einem gemischt deterministisch-stochastischen Prognosemodell gelangt. In Betrieben, die zum einen sofort auszuliefernde Aufträge (Sofortaufträge) und zum anderen Aufträge erhalten, die erst nach einer gewissen Lieferfrist zu erfüllen sind (Terminaufträge), rekrutiert sich der künftige Absatz aus
1. Lieferungen aufgrund bereits eingetroffener, aber noch nicht ausgelieferter (Termin-)Aufträge,
2. Lieferungen aufgrund erwarteter Sofortaufträge,
3. Lieferungen aufgrund erwarteter Terminaufträge.
Walter Trux

7. Prognose mithilfe von Verweilzeitverteilungen

Zusammenfassung
Der erste Schritt des darzustellenden Prognoseverfahrens besteht in einer Analyse des Betriebsgeschehens hinsichtlich der vorliegenden sachlichen und zeitlichen Abhängigkeitsbeziehungen. Diese Analyse wird in zwei Stufen durchgeführt.
Heinz Langen, Fritz Weinthaler

8. Punkt-, Intervallprognose und Test auf Strukturbruch mithilfe der Regressionsanalyse

Zusammenfassung
In der Theorie der linearen Regression ist es möglich, unter bestimmten Voraussetzungen bei vorgegebenen n Punkten (x 1; y 1), (x 2; y 2),...,(x n ; y n ) einen erwartungstreuen Schätzwert für den Wert der Regressionsgeraden an einer weiteren Stelle (x n +1) zu berechnen und ein Vertrauensintervall für diesen Schätzwert anzugeben. Im ersten Fall spricht man von Punktprognose, im zweiten von Intervallprognose. Weiterhin kann eine Vorhersage über die Verteilung der Ordinate y n +1 eines (n + 1)-ten Messpunktes (x n +1; y n +1) gemacht werden; hier ist eine Intervallprognose möglich.
Hans Schneeberger

9. Ökonometrische Prognoseverfahren für Paneldaten

Zusammenfassung
Wiederholungsbefragungen von mehreren Individuen zu wiederkehrenden Zeitpunkten liefern einen reichhaltigen Datenschatz, die sogenannten Paneldaten. Die zweidimensionale Struktur von Paneldaten, bei denen für eine bestimmte Gruppe von Querschnittseinheiten (dies können etwa Personen, Haushalte oder Betriebe sein) interessierende Variablen an mehreren Zeitpunkten erhoben werden, erlaubt die Anwendung reichhaltigerer und realistischerer ökonometrischer Spezifikationen als dies bei Verwendung von Querschnitts- oder Zeitreihendaten allein der Fall wäre (vgl. z.B. [17]). So ermöglicht die Analyse von Paneldaten unter anderem, unbeobachtete zeitkonstante Unterschiede zwischen den einzelnen Querschnittseinheiten innerhalb des Modells zu kontrollieren. Dies gilt sowohl für systematische als auch unsystematische Formen solch einer individuenspezifischen Heterogenität. Bekannte Beispiele für deutsche Paneldaten sind etwa das Sozioökonomische Panel (SOEP), das Nationale Bildungspanel (NEPS) oder das IAB-Betriebspanel. Weitere Beispiele betriebswirtschaftlicher Natur (GfK-Panel) finden sich in Kapitel 19 dieses Buches.
Christian Aßmann, Susanne Rässler, Katja Wolf

10. Prognose mit nichtparametrischen Verfahren

Zusammenfassung
Statistische Prognosen basieren auf der Annahme, dass ein funktionaler Zusammenhang zwischen der zu prognostizierenden Variable y und anderen J-dimensionalen beobachtbaren Variablen x = (x 1,...,x J ) ∈ ℝ J besteht. Kann der funktionale Zusammenhang geschätzt werden, so kann im Prinzip für jedes x der zugehörige y-Wert prognostiziert werden.
Wolfgang Härdle, Rainer Schulz, Weining Wang

11. Mittel- und langfristige Absatzprognose auf der Basis von Sättigungsmodellen

Zusammenfassung
Bei einer Reihe von Produkten ist es relativ gut möglich abzusehen, nach welcher Absatzmenge der Markt gesättigt sein wird. Daher eignet sich die Sättigungsgrenze als Parameter eines Prognosemodells, das vor allem den mittel- oder langfristig erreichbaren Absatz abzuschätzen gestattet. Im Rahmen von Produktionsplanungssystemen oder auch solchen zum Lieferkettenmanagement (Supply Chain Management) dürfte besonders der Fall bedeutsam sein, bei dem die Absatzmengen bzw. das Wachstum des nächsten Halbjahres oder Jahres vorhergesagt werden sollen („Wachstumsmodelle“). Es ist aber auch möglich, von beobachteten Werten der Funktion auf die Höhe des Sättigungswertes zu schließen und den ungefähren Zeitpunkt anzugeben, zu dem er bis zu einem bestimmten Prozentsatz erreicht sein wird.
Peter Mertens

12. Prognose uni- und multivariater Zeitreihen

Zusammenfassung
Zeitlich ablaufende zufällige Vorgänge können durch stochastische Prozesse modelliert werden. Insbesondere ist es in diesem Rahmen möglich, Unsicherheit über die Zukunft zu beschreiben. Für stationäre Prozesse wurde bereits um 1940 eine elegante Prognosetheorie von Kolmogorov [35] und Wiener [59] entwickelt. Ein weiterer wesentlicher Beitrag geht auf Kalman [34] zurück. Diese Theorie behandelt die lineare Kleinst-Quadrate(KQ)-Prognose unter der Voraussetzung, dass die zweiten Momente des zugrunde liegenden Prozesses bekannt sind. In den meisten Fällen sind diese zweiten Momente jedoch nicht bekannt und müssen geschätzt werden, sodass das Prognoseproblem mit einem Identifikationsproblem einhergeht. Die Theorie der linearen Kleinst-Quadrate(KQ)-Prognose stationärer Prozesse bei bekannten zweiten Momenten und die Theorie der Identifikation von AR-, ARMA und Zustandsraumsystemen bilden die beiden Herzstücke der theoretischen Analyse des Prognoseproblems. Unsere Darstellung beschränkt sich auf diese lineare Kleinst-Quadrate(KQ)-Prognose und die Identifikation von linearen dynamischen Systemen. Nichtlineare Prognosefunktionen und von den quadratischen abweichende Kostenfunktionen werden demnach nicht behandelt, wenn es nicht ausdrücklich erwähnt ist. Die Praxis hat gezeigt, dass diese linearen Ansätze auch bei offensichtlich nichtlinearen Mechanismen erstaunlich erfolgreich sind.
Manfred Deistler, Klaus Neusser

13. Die Input-Output-Rechnung als Hilfsmittel der Prognose

Zusammenfassung
Die Prognose der wirtschaftlichen Entwicklung eines Unternehmens oder eines Wirtschaftsbereichs darf nicht isoliert vorgenommen, sondern muss in ein umfassendes Dateninformationssystem integriert werden. Will man z. B. für einen Wirtschaftsbereich die Produktionsentwicklung in den nächsten Jahren vorhersagen, so muss man einerseits das Wachstum des Bruttoinlandsprodukts und seiner Komponenten, andererseits die für die Zukunft erwartete Produktionsentwicklung der wichtigsten Abnehmerbranchen des Bereichs berücksichtigen. Darüber hinaus empfiehlt es sich – was oft übersehen wird –, auch die Entwicklung derjenigen Branchen zu beachten, die als Kunden des zu prognostizierenden Wirtschaftsbereichs zwar nicht direkt in Erscheinung treten, die seine künftige Entwicklung aber indirekt beeinflussen, weil sie Vorleistungsprodukte nachfragen, bei deren Fertigung ebenfalls Produkte des zu prognostizierenden Bereichs eingesetzt werden.
Reiner Stäglin

14. Prognose mithilfe von Markovprozessen

Zusammenfassung
Die Einführung in die Struktur der Markov-Prozesse soll am Beispiel einer einfachen Prognoseaufgabe erfolgen. Betrachtet werden Wanderbewegungen von Konsumenten zwischen unterschiedlichen Produkten sowie die sich daraus ergebenden Marktanteile. Dabei soll unterschieden werden zwischen Käufen der Marke A und der Marke B. Durch eine Verbraucherbefragung sei festgestellt worden, dass 30 Prozent der Kunden von A im nächsten Monat das Produkt der Marke B kaufen, d. h., 70 Prozent bleiben bei A und von B wechseln 20 Prozent zu A über. Zunächst wird davon ausgegangen, dass der Markt geschlossen ist, also weitere Wettbewerber und Konsumenten nicht auftreten. Vereinfachend wird zusätzlich angenommen, dass keine Werbemaßnahmen durchgeführt werden und auch Zyklen sowie saisonale Schwankungen unberücksichtigt bleiben, folglich das Einkaufsverhalten im Zeitablauf als konstant vorausgesetzt werden kann. Ebenso bleiben Erlöse und andere Bewertungen noch außer Betracht. Die hier gemachten Einschränkungen werden in den folgenden Abschnitten schrittweise aufgehoben.
Klaus Hansen

15. Prognose chaosgestörter Zeitreihen

Zusammenfassung
Chaos ist das Verhalten nichtlinearer Systeme, deren Entwicklung mithilfe mathematischer Modelle beschrieben werden kann. Ihr Verhalten ist vollständig determiniert, also vorherbestimmt, aber nicht prognostizierbar. Jedoch gilt in der Regel, dass solche Systeme sich weitgehend chaosfrei oder doch chaosarm verhalten und nur bei bestimmten Parameterkonstellationen in Chaos umschlagen. Bei der praktischen Prognose ist es bedeutsam, zu erkennen, ob und wann nicht beherrschbare Turbulenzen drohen, um rechtzeitig Maßnahmen zu ergreifen, das Chaos abzuwenden.
Klaus Hansen

16. Der Beitrag der Künstlichen Intelligenz zur betrieblichen Prognose

Zusammenfassung
Viele leistungsfähige Prognosesysteme enthalten eine größere Anzahl unterschiedlicher Verfahren, deren Auswahl und Anwendung meist mathematische Experten erfordern. Wegen der in der betrieblichen Praxis zahlreich zu erstellenden Prognosen sind die Experten entsprechende Zeit gebunden. Um Prognosesysteme einem breiteren Benutzerspektrum zugänglich zu machen, bleibt einerseits, sie vollkommen zu automatisieren. Dann hat man aber in der betrieblichen Praxis bei weniger plausiblen Ergebnissen ein Akzeptanz-Problem. Es wird dort Wert darauf gelegt, dass der Lösungsweg nachvollziehbar ist. Andererseits bestehen Möglichkeiten, Prognosesysteme interaktiver zu gestalten: Der Benutzer könnte durch den Prognoseprozess „geführt“ und bei der Methodenauswahl und -parametrierung „beraten“ werden. Das System interpretiert die Ergebnisse und schlägt gegebenenfalls Korrekturen vor. Zusätzlich könnte man dem Benutzer Verfahren an die Hand geben, die den funktionalen Zusammenhang von Eingabedaten und Prognosewerten selbstständig erlernen. Dann entfiele die Notwendigkeit, mit den mathematisch-statistischen Details einer Modellbildung vertraut zu sein.
Philipp Janetzke, Achim Lewandowski

17. Monitoring von Prognoseverfahren

Zusammenfassung
Frühwarnsysteme (Monitore) spielen in allen Bereichen der Betriebswirtschaftslehre und der Wirtschaftsinformatik eine wichtige Rolle, umkürzlich eingetretene, aber noch nicht diagnostizierte Entwicklungen und Ereignisse, die für ein Unternehmen von Bedeutung sind, möglichst präzise und frühzeitig zu erkennen. Frühwarnsysteme dienen damit aus betriebswirtschaftlicher Sicht vor allem dem Zweck, mithilfe geeigneter Maßnahmen rechtzeitig auf neue Entwicklungen zu reagieren.
Ulrich Küsters, Janko Thyson, Claudia Büchl

18. Evaluation, Kombination und Auswahl betriebswirtschaftlicher Prognoseverfahren

Zusammenfassung
Idealerweise wird die Selektion einer Prognosemethodologie in einen strukturierten Prozess eingebettet [80]. Dabei entwickelt man ausgehend von einer Stärken-Schwächen-Analyse der bisher benutzten Verfahren, den vorhandenen Informationsgrundlagen und einer genauen Bedarfsanalyse einen Migrationspfad, der die Prognosequalität unter Beachtung von Kosten-Nutzen-Aspekten iterativ verbessert. Innerhalb dieses Prozesses spielt neben der präzisen Evaluation der Leistungsfähigkeit der bisher benutzten Verfahren (Track Records) auch eine Prüfung der potenziell nutzbaren Daten und Verfahren sowie deren Prognosegenauigkeit und Umsetzbarkeit eine wichtige Rolle.
Ulrich Küsters

Spezielle Prognosemethoden für betriebswirtschaftliche und volkswirtschaftliche Anwendungsfelder

Frontmatter

19. Modellgestützte Marktanteilsprognose auf Basis von Paneldaten

Zusammenfassung
Marketing und Vertrieb sind laufend mit der Frage konfrontiert, wie eine Veränderung im Marketing-Mix den Marktanteil beeinflusst. Wie haben sich Preis und Marktanteil entwickelt? Das mag interessant sein. Für das Management wesentlicher ist jedoch die Frage, welche Auswirkung eine Preiserhöhung um 5 Prozent auf den Marktanteil haben wird, oder besser noch, welcher Preis den Deckungsbeitrag der Marke maximiert.
Die Beantwortung solcher Fragen versprechen Marketing-Mix-Modelle. Unabhängig von der vorhandenen Datenbasis liegt dabei stets das gleiche Prinzip zugrunde: Zunächst wird rechnerisch die Verbindung zwischen den Einflussgrößen (im Falle von Marketing-Mix-Modellen die Marketing-Mix-Variablen wie z. B. Preis, Distribution oder Handelsaktionen) und einer Ergebnisgröße (im Falle von Marktanteilsprognosen der Marktanteil) ermittelt. Dazu sind Hypothesen erforderlich, die in mathematische Gleichungen umgesetzt werden. Diese Gleichungen enthalten Parameter, die mithilfe mathematisch-statistischer Verfahren geschätzt werden. Die Qualität der Schätzung wird dann nach inhaltlichen und statistischen Aspekten geprüft.
Raimund Wildner

20. Die Verbindung von Absatzplanung und Prognoserechnung – ein Beispiel aus der Praxis

Zusammenfassung
Die Logistik ist ein wesentlicher Ansatzpunkt zur Steigerung der Rentabilität. Optimierte Bestände senken Kosten und die Kundenzufriedenheit steigt durch Liefertreue.
Dabei lebt das Konzept der Planungsketten auf breiter Basis unter der Bezeichnung „Supply Chain Management“ (SCM) wieder auf. Während die betriebswirtschaftlichen Funktionen weitgehend den herkömmlichen entsprechen, bietet die moderne Informationstechnologie durch dezentrale Rechnerlandschaften und insbesondere durch die weltweite Vernetzung über das Internet bisher ungeahnte Möglichkeiten und fördert so die Akzeptanz des SCM.
Meinhard Helm

21. Kundenwertprognose

Zusammenfassung
Im letzten Jahrzehnt hat sich zunehmend die Erkenntnis durchgesetzt, dass sich Unternehmen auf diejenigen Kundenbeziehungen konzentrieren sollen, die am meisten zum Unternehmenserfolg beitragen. Um die wertvollsten Kunden des Unternehmens zu identifizieren, werden verlässliche Prognosemodelle benötigt. Da Unternehmen heute die Möglichkeit haben, auf große Kundendatenbanken zurückzugreifen, wird es für sie zusehends leichter, eine Bewertung ihrer Kunden vorzunehmen. In diesem Zusammenhang ist das Konzept des Customer Lifetime Value (CLV) von entscheidender Bedeutung. Reichheld und Sasser ([22], S. 109) definieren den CLV als „net present value of the profit streams a customer generates over the average customer lifetime“. Auf Basis dieser grundlegenden Definition entstanden im Laufe der Zeit zahlreiche CLV-Modelle, die erfolgreich zur Prognose von Kundenprofitabilität eingesetzt wurden (vgl. z.B. [1, 2, 6, 7, 16, 18, 25]).
Florian von Wangenheim, Christine Geser

22. Predictive Analytics in der Strategischen Anlagenwirtschaft

Zusammenfassung
Predictive Analytics (ein deutschsprachiger Begriff hat sich bisher nicht ausgeprägt) dient dem Erkenntnisgewinn zur Entscheidungsunterstützung in Unternehmen. Anwendungsgebiete finden wir immer dort, wo komplexe Verfahren zur zukunftsorientierten Datenauswertung notwendig sind. Beispielsweise wird es angesichts einer gestiegenen Kapitalintensität in vielen Branchen, insbesondere der Energiewirtschaft, zunehmend erforderlich, den Anlagenlebenszyklus im Ganzen zu betrachten, um diesen effizient zu steuern. Dabei erfordern analytische Verfahren einen ganzheitlichen Rahmen, um auf Wechselwirkungen und Optimierungspotenziale hinzuweisen. In diesem Sinne ist Predictive Analytics ein Werkzeug zur strategischen Unternehmenssteuerung [44]. Sich mit der Predictive Analytics auseinandersetzende Publikationen zeigen eine Zunahme im Zeitraum von 2000 bis 2010 (siehe Abb. 22.1, links). Der rechte Abbildungsteil zeigt die Beiträge, die das Thema Predictive Analytics im expliziten Fokus aufweisen. Dabei ist ein zeitlicher Verlauf erkennbar, der an den Gartner Hype Cycle erinnert. In der Finanzmarktkrise wurden Prognoseprozesse nicht mehr ausgeführt, weil man deren Ergebnissen nicht mehr vertraute [17]. Eine solche Desillusionierung kann den Rückgang an praxisorientierten Arbeiten begründet haben.
Carsten Felden, Claudia Koschtial, Johannes Buder

23. Qualitätsvergleiche bei Kreditausfallprognosen

Zusammenfassung
Wirtschaftsdaten als Objekte von Prognosen sind meist metrischer Natur: Arbeitslosenzahlen, Aktienkurse, Umsätze, Erlöse usw., alle sind quantitative Variablen, bei denen sich Prognosen und realisierte Werte wie auch konkurrierende Prognosen leicht vergleichen lassen. Anders ist die Lage bei qualitativen, speziell dichotomen Null-Eins-Variablen, die im Zentrum der folgenden Überlegungen stehen. Hier ist der Vergleich von Prognosen und realisierten Werten wie auch der Qualitätsvergleich konkurrierender Prognosen erheblich schwerer.
Walter Krämer

24. Volatilitätsmodelle für Finanzmarktzeitreihen

Zusammenfassung
Die Analyse von Aktienkursen, bzw. – allgemeiner – von Finanzmarktzeitreihen, weist eine lange Tradition auf. Als Geburtsstunde der Finanzmathematik wird oft der 29. März 1900 gesehen. An diesem Tag verteidigte der französische Student Louis Bachélier seine Arbeit zur Analyse von Aktien- und Optionspreisen bzw. -märkten. Üblicherweise stehen bei der Analyse nicht die Niveaus (Preise, vgl. Abb. 24.1) der Zeitreihen (z.B. Aktien- oder Wechselkurse) selbst, sondern deren einperiodische Veränderungsraten, die sogenannten Renditen, im Fokus (vgl. Abb. 24.2). Während Bachélier implizit unabhängige und identisch normalverteilte Renditeverteilungen unterstellte, wurde die Aufmerksamkeit von E.F. Fama im Jahr 1963 auf unabhängig und identisch verteilte Renditemodelle mit schweren Rändern (sogenannte α-stabile Verteilungen) gelenkt. Ging man lange Jahre von unabhängigen Renditeverteilungen aus, so herrscht mittlerweile Konsens über die Existenz von Abhängigkeiten höherer Ordnung bei den Renditen, insbesondere bei den quadrierten Renditen bzw. Volatilitäten. Einen Meilenstein in der Modellierung der Volatilitäten von Finanzmarktrenditen setzte Robert F. Engle im Jahr 1982 mit seiner Publikation über autoregressive, bedingt heteroskedastische („Autoregressive Conditionally Heteroscedastic“, kurz ARCH-)Modelle. Bis heute stellen diese (sowie deren unzählige Verallgemeinerungen) den Standard in Wissenschaft wie Finanzmarktpraxis dar und werden sowohl für den uni- als auch den multivariaten Fall nachfolgend diskutiert.
Matthias J. Fischer

25. Arbeitsmarktliche Beratung mithilfe von statistischen Prognosen – Auswahl von Maßnahmen

Zusammenfassung
Wann immer es gilt, eine Kundin oder einen Kunden bezüglich verschiedener alternativer Instrumente zu beraten, stellt sich die Frage nach der besten oder optimalen Auswahl im Hinblick auf ein gewünschtes Ziel. Ein Kundenberater in einer Bank oder Versicherung soll eine Anlage- oder Versicherungsstrategie für einen Klienten auswählen, ein Arzt möchte die beste Behandlungsmethode für eine Patientin finden oder ein Berufsberater sucht die optimale Ausbildung für einen Schulabgänger.
Markus Frölich, Michael Lechner, Heidi Steiger

26. Prognose von Softwarezuverlässigkeit, Softwareversagensfällen und Softwarefehlern

Zusammenfassung
Im Laufe der letzten Jahrzehnte hat Software nicht nur in der Form von Computerprogrammen an Bedeutung gewonnen, sondern zudem als integraler Bestandteil von so unterschiedlichen Systemen wie Automobilen und medizinischen Geräten fast jeden Lebensbereich erobert. Diese Entwicklung hat zweifelsohne die Möglichkeiten der betroffenen Systeme erhöht. Allerdings ist der Mensch durch den Siegeszug der Software auch in zunehmendem Maße von ihrem korrekten Verhalten abhängig geworden.
Michael Grottke

27. Kooperative Vorhersage in Unternehmensnetzwerken

Zusammenfassung
Mit der zunehmenden Vernetzung der Betriebe wird es für Einzelunternehmen immer schwieriger, die Marktsituation angemessen zu überblicken und zu prognostizieren. Dies trifft vor allem auf die Unternehmen zu, die nicht das Endprodukt herstellen, sondern Rohstoffe verarbeiten oder Halbfertigfabrikate veredeln. Im schnellen Wirtschaftsaufschwung nach der Krise 2008 bis 2010 machte sich dies vor allem in der IT- und in der Kfz-Zulieferindustrie sehr bemerkbar. So konnten Komponenten wie LCD-Monitore aus Ostasien für das Apple iPad oder Mikrochips für die Bordelektronik der Fahrzeuge nicht rechtzeitig geliefert werden; die Folge war, dass die Endprodukte lange Lieferzeiten hatten oder in einzelnen Ländern überhaupt nicht angeboten wurden. Aus diesem Grund geht man in Unternehmensnetzwerken vermehrt dazu über, bei der Prognosebildung zu kooperieren.
Peter Mertens, Andrew J. Zeller, Jörn Große-Wilde

Backmatter

Weitere Informationen

Premium Partner

    Bildnachweise