Veröffentlicht am

Warum baut man monatelang an einem Prognosemodell, wenn die nächste Krise unvorhersehbar ist?

Ein Vortragender steht in einem Seminarraum neben einer Präsentationsfolie zur datengetriebenen Prognose als Ausgangspunkt für ein Treibermodell.

Warum baut man monatelang an einem neuen Prognosemodell, wenn sich die nächste Krise ohnehin nicht vorhersagen lässt?

Diese Frage hat Malte Horstmannshoff von Sartorius auf dem Live Event der C4B in Hamburg eindeutig beantwortet.

Kein Bottom-up-Prozess und kein ML-Modell hätte Corona kommen sehen. Das ist in Ordnung, denn wichtig ist vor allem eines: in kurzer Zeit eine neue Szenario-Simulation aufsetzen zu können, sobald der alte Forecast nicht mehr stimmt.

Sartorius hat das neue Modell über Monate parallel zum bestehenden Prozess laufen lassen. Bewusst, um Vertrauen aufzubauen.

Am Ende gewann die Kombination aus KI-Prognose und Simulation gegenüber dem alten Prozess klar in der Genauigkeit. Mit nachvollziehbaren Annahmen statt einer Blackbox.

Weil der Prozess nun weniger aufwendig ist, läuft er mittlerweile auch häufiger.

Entscheidend ist, wie schnell neu gerechnet werden kann.

Original auf LinkedIn ansehen