Zeit­rei­hen­ana­ly­se in der Be­darfs­pla­nung

In diesem Kooperationsprojekt mit der AL-KO Geräte GmbH (öffnet neues Fenster) geht es um die Entwicklung, Bewertung und Quantifizierung einer KI-gestützten Bedarfsplanung für Ersatzteile der Gartengeräteindustrie. Die historischen Verkaufsdaten unseres Praxispartners bildeten bei dieser Zeitreihenanalyse die Basis der Bedarfsplanung. Das Hauptziel der Anwendung ist es, trotz ausgeprägter saisonaler Schwankungen, die Zustellzeiten an den Endkunden zu minimieren und so eine effiziente und schnelle Versorgung des Abnehmers mit den benötigten Komponenten sicherzustellen.

Wissenschaftlich konzentriert sich das Projekt auf die Fragestellung, welche spezifischen Variablen einen signifikanten Einfluss auf die Bedarfsplanung von Ersatzteilen haben. Wir untersuchen, wie der Einsatz von KI-Methoden, den Bedarfsplanungsprozess verbessern kann und welche Datenqualität und -quantität dafür erforderlich ist. Dabei werden klassische KI-Methoden wie SARIMA (Seasonal Autoregressive Integrated Moving Average) und VAR (Vector Autoregression) sowie moderne Deep Learning-Techniken wie LSTM (Long Short-Term Memory) auf ihre Eignung und Effizienz in diesem spezifischen Kontext hin analysiert und verglichen.

Während unser Hauptaugenmerk auf der Gartengeräteindustrie liegt, sind die gewonnenen Einsichten und Erfahrungen auch auf anderen Branchen übertragbar. Wir erhalten somit wertvolle Erkenntnisse über die praktische Anwendung von KI-Methoden in der Zeitreihenanalyse, welche wiederum die Basis weiterer Forschungs- und Projektarbeiten darstellen.