Bedarfsprognose erklärt: was sie leistet und was sie braucht
Eine Bedarfsprognose schätzt aus historischen und laufenden Betriebsdaten, wie viel von einem Gut in einem künftigen Zeitraum benötigt wird, etwa Produkte, Material, Ersatzteile oder Energie. Sie ist die Grundlage für Einkauf, Lagerhaltung und Produktionsplanung und ersetzt Erfahrungswerte durch eine nachvollziehbare, laufend aktualisierte Rechnung.
Bild: Yaning Wu / prediction / Licenced by CC-BY 4.0
Bedarfsprognose: die Definition im Detail
Der Begriff ist bewusst weit gefasst. Sie beantwortet immer dieselbe Frage, nämlich welche Menge wann gebraucht wird, und unterscheidet sich nur in der Zielgröße. Früher entstand sie meist in der Tabellenkalkulation. Heute rechnen Prognosemodelle mit, die saisonale Muster, Sortimentswechsel oder Maschinenzustände als erklärende Größen verarbeiten und sich anpassen, wenn neue Daten hinzukommen. Im Englischen heißt das Verfahren Forecasting.
Abgrenzung zu benachbarten Begriffen
In der Praxis werden vier Begriffe oft vermischt. Die Tabelle ordnet sie ein.
| Begriff | Was vorhergesagt wird | Typische Daten | Wofür das Ergebnis dient |
|---|---|---|---|
| Bedarfsprognose | Menge eines Guts in einem künftigen Zeitraum | je nach Zielgröße unterschiedlich | Oberbegriff für Planung in Einkauf, Lager und Produktion |
| Absatzprognose | Verkaufsmenge je Produkt oder Produktlinie | Auftragshistorie, Rahmenverträge, saisonale Muster | Produktions- und Einkaufsplanung |
| Materialbedarfsplanung | benötigtes Material je Auftrag und Termin | Stücklisten, offene und erwartete Aufträge, Wiederbeschaffungszeiten | Beschaffung und Terminierung |
| Predictive Maintenance | Zeitpunkt eines Ausfalls oder Verschleißes | Sensorik, Steuerungsdaten, Ausfallhistorie | geplante Instandhaltung statt Stillstand |
Die Absatzprognose liefert also oft die Eingabe für die Materialbedarfsplanung. Predictive Maintenance, die vorausschauende Instandhaltung, sagt dagegen keinen Bedarf voraus, sondern ein Ereignis. Beide berühren sich beim Ersatzteilbedarf: Wer weiß, wann Verschleiß droht, kann auch das passende Teil rechtzeitig bestellen.
Was der Branchenreport zu Planung und Supply Chain belegt
Im Branchenreport bildet die Bedarfsprognose den Kern des Anwendungsfelds C, Planung und Supply Chain. Die typische Wirkung liegt bei Beständen, die um 10 bis 50 % gesenkt werden, der Reifegrad gilt als mittel. Einzelfälle zeigen die Spanne: Schneider Electric nennt Bestände um 10 % gesenkt bei rund 100 Mio. Euro Wert (Unternehmensangabe, 2026), Unilever in Hefei eine um 39 % höhere Prognosegüte (WEF Global Lighthouse Network 2026). Beides sind dokumentierte Fälle aus der Industrie, keine Projekte von uns.
Auffällig ist die Voraussetzung. Kein anderes Feld verzeiht schlechte ERP-Stammdaten so wenig. Gebraucht werden Auftrags- und Absatzhistorie über mehrere Jahre einschließlich Ausreißern, realistische Wiederbeschaffungszeiten statt gepflegter Wunschwerte und genau eine Zielgröße, etwa Servicegrad oder Bestandsreichweite. Wie Orpheon diese Prognoseaufgaben in der Fertigung abbildet, zeigt die Seite zur KI-Bedarfsprognose für die Fertigung.
Praxisbeispiel: drei Szenarien mit Orpheon
Wir entwickeln und betreiben mit Orpheon eine eigene Prognoseplattform. Sie deckt drei wiederkehrende Aufgaben ab: die Absatzprognose aus Auftrags- und Verkaufsdaten, die Prognose des Energiebedarfs aus Zählerdaten und Produktionsplänen sowie die Prognose des Ersatzteilbedarfs aus Instandhaltungshistorie, Maschinendaten und Stücklisten. In Mehrwerksbetrieben rechnet Orpheon je Werk oder Linie getrennt, weil sich die Muster zwischen Standorten unterscheiden. Ein erster Pilot mit echten Daten steht in 72 Stunden, der produktive Betrieb folgt in 4 bis 10 Wochen. Wie das technisch aufgebaut ist, beschreibt die Seite zur Bedarfsprognose mit KI. Für Fertigungsbetriebe mit Maschinendaten und Stücklisten gibt es eine eigene Darstellung zur KI-Bedarfsprognose für die Fertigung.
Häufige Fragen
Reicht eine unvollständig gepflegte ERP-Datenbasis?
Oft ja, aber sie begrenzt die Güte. Entscheidend ist, die Lücken vor dem Start zu kennen. Der Report empfiehlt, mit einer Artikelgruppe mit hohem Bestandswert im Parallelbetrieb zu beginnen.
Woran misst man den Erfolg einer solchen Prognose?
Nicht an der Modellgüte allein. Das belastbare Erfolgsmaß ist die Differenz im gebundenen Kapital bei gleichem Servicegrad, gemessen gegen einen Referenzwert, der vor dem Start festgelegt wurde.
