Datengetriebene Methodik zur Absatzprognose mit Hilfe maschineller Lernverfahren in kleinen und mittleren Unternehmen mit kundenauftragsbezogener Fertigung

von Marius Syberg

200 Seiten, Taschenbuch

Kurzbeschreibung des Verlags

Kleine und mittlere Unternehmen mit kundenauftragsbezogener Fertigung stehen vor der Herausforderung, ihren Absatz unter zunehmender Marktvolatilität und Lieferkettenunsicherheit zuverlässig zu prognostizieren. Klassische statistische Verfahren stoßen bei volatilen Nachfragemustern an ihre Grenzen, während maschinelle Lernverfahren zwar Potenzial bieten, aber hohe Anforderungen an Daten, Kompetenzen und Ressourcen stellen. Dies sind Voraussetzungen, die in KMU oft nicht gegeben sind. Die Dissertation entwickelt im Rahmen eines Design-Science-Research-Ansatzes eine datengetriebene Methodik zur Absatzprognose unter Einsatz maschineller Lernverfahren. Im Kern steht die strukturierte Ermittlung einer passenden Prognosekonfiguration aus Prognosehorizont, Modell, Datenquellen und Evaluationskriterien für den individuellen Anwendungsfall. Die Methodik umfasst vier Artefakte: einen Analyse- und Auswahlprozess, ein Datenkonzept, ein Modellierungs- und Evaluierungssystem sowie eine operative Anwendungsunterstützung. Die entwickelte Methodik ermöglicht KMU eine kontextbezogene Konfiguration ihrer Absatzprognose.. Ein praxisnahes Datenkonzept verbindet heterogene Unternehmens- und Marktdaten systematisch unter KMU-typischen Rahmenbedingungen. Ein Evaluations- und Anpassungskreislauf erlaubt die flexible Reaktion auf veränderte Marktbedingungen. Die modulare Struktur ermöglicht den schrittweisen Einsatz einzelner Artefakte auch ohne ausgeprägte ML-Expertise. Die Validierung anhand dreier industrieller Anwendungsfälle zeigt, dass die Methodik die Prognosegüte verbessern kann und insbesondere durch Nutzerfreundlichkeit und Erklärbarkeit Akzeptanz in der Praxis schafft.

• Reihe: Schriftenreihe Industrial Engineering
• Themen: Technologie, Ingenieurswissenschaft, Landwirtschaft, Industrieprozesse Technologie, allgemein Ingenieurswesen, Maschinenbau allgemein
• ISBN: 9783819107108
• Sprache: Deutsch
• Erscheinungsdatum: 06.05.2026
• Größe: 21 x 14.8 cm
• Verlag: Shaker