3-SIGNAL-ENSEMBLE: ÜBER 85 % PROGNOSEGENAUIGKEIT.
Warum die Kombination aus Auftragspipeline (60 %), Zeitreihen-ML (29 %) und Lagerkontrakten (11 %) funktioniert — und warum reine Prophet- oder XGBoost-Modelle in der Industrie regelmäßig unter 70 % bleiben.
Worum es geht
Mengenprognose für Industrie-Hersteller funktioniert nicht über ein einzelnes Modell. Wir setzen ein Ensemble aus drei orthogonalen Signalen: Auftragspipeline (was ist tatsächlich am Markt unterwegs), Zeitreihen-ML (was sagt die Historie) und Lagerkontrakte (was ist vertraglich zugesagt). Die Gewichtung 60/29/11 hat sich in Pilotwerken bewährt und erreicht Genauigkeiten über 85 % auf Artikelebene — das doppelte vieler Bauchgefühl-Forecasts.
Warum ein einzelnes Modell scheitert
Die meisten Mengenprognosen im Industrie-Kontext basieren entweder auf statistischen Zeitreihen-Methoden (Prophet, ARIMA) oder auf maschinellem Lernen (XGBoost, LightGBM). Beide haben in der Praxis ein Genauigkeits-Plateau bei etwa 65–75 %. Der Grund: Sie sehen nur die Vergangenheit, nicht die Pipeline.
Wenn der Vertrieb weiß, dass nächste Woche drei große Ausschreibungen rauskommen — das steht in keinem Zeitreihen-Modell. Genauso wenig wie ein bestehender Liefervertrag mit garantierten Abrufmengen. Beide Signale leben außerhalb der Zeitreihen-Welt.
Die drei Signale im Detail
Signal 1 · Auftragspipeline (60 %)
Aus CRM und Vertriebs-Logs: Wieviele Anfragen, Angebote und Aufträge sind in der Pipeline, mit welcher Wahrscheinlichkeit kommen sie zur Ausführung, in welchem Zeitraum? Dieses Signal ist branchenspezifisch — im Tiefbau dominieren EU-Ausschreibungen, im Mauerwerksbau Generalunternehmer-Anfragen.
Signal 2 · Zeitreihen-ML (29 %)
Klassisches ML-Modell auf der Artikel-Historie. Saisonalität, Trend, Wochen-Effekte. Wir nutzen typischerweise eine Kombination aus Prophet (für Trend und Saison) und XGBoost (für Effekt-Kombinationen wie „Großauftrag X führt 4 Wochen später zu Mehrbedarf Y“).
Signal 3 · Lagerkontrakte (11 %)
Bestehende Rahmenverträge, Abrufmengen, garantierte Lieferpflichten. Dieses Signal ist klein in der Gewichtung, aber wichtig für die Genauigkeit — es ist das einzige, das mit Sicherheit weiß, was kommt.
Warum gerade 60/29/11?
Die Gewichtung ist nicht akademisch hergeleitet, sondern in einem Pilotwerk empirisch ermittelt. Sie hat sich über mehrere Monate als robust erwiesen — auch unter Lastspitzen und in Sondersituationen. Andere Hersteller können andere Gewichtungen brauchen. Wichtig ist das Prinzip: drei orthogonale Signale, eine Ensemble-Gewichtung, periodische Validierung.
Was Sie konkret in Ihrem Haus brauchen
- Ein CRM mit Pipeline-Disziplin — Anfragen, Angebote, Aufträge müssen gepflegt sein. Excel-Listen reichen nicht.
- Ein Artikelstamm mit Historie über mindestens 24 Monate, möglichst tagesgenau.
- Eine Liste aktiver Rahmenverträge mit Abrufmengen und Restlaufzeiten.
Wenn alle drei Punkte vorhanden sind, ist ein erster Prototyp in 4–6 Wochen produktiv. Genauigkeits-Ziel über 85 % als Go/No-Go-Kriterium — das ist hart, aber realistisch.
Häufige Fragen
Dann wird die Gewichtung umverteilt. Ohne Lagerkontrakt-Signal landen wir typischerweise bei 70/30 — immer noch deutlich besser als reine Zeitreihen-Prognose.
Wöchentlich. Das ist Sweet Spot zwischen Reaktionsfähigkeit und Modellstabilität. Bei sehr volatilen Märkten kann täglich sinnvoll sein.
Artikelstamm, Bestellhistorie, Lagerbestände, Rahmenverträge. Wir bauen eine schlanke Schnittstelle, die nur Lese-Zugriff braucht — kein Schreiben ins ERP.
Pilot in einem Werk mit 250+ Artikeln liegt typischerweise zwischen 9 und 12 Wochen. Nach dem Pilot skaliert die Methodik werkweise zu deutlich geringeren Kosten.
Bereit für den Quickwin-Tag?
Sie wählen die Lösung. Sie nennen den Schmerzpunkt. Wir liefern abends Software die läuft — nicht ein Konzept, nicht eine Präsentation, nicht ein Angebot für ein Angebot.