ML-basierte Absatzprognose mit Frühindikatoren

David Hellmers Lopez; Kathrin Kramer; Matthias Schmidt

doi:10.1515/zwf-2023-1060

ML-basierte Absatzprognose mit Frühindikatoren

David Hellmers Lopez
, Kathrin Kramer
, Matthias Schmidt

Leuphana Universität Lüneburg

Publikation: Beiträge in Zeitschriften › Zeitschriftenaufsätze › Forschung › Begutachtung

1 Zitat (Scopus)

Abstract

In einem von Unsicherheit geprägten Marktumfeld zu agieren stellt Unternehmen vor Herausforderungen. Verfahren des maschinellen Lernens (ML) bieten unter Einbeziehung von externen Frühindikatoren eine Möglichkeit, langfristige Absatzprognosen präziser als herkömmliche statistische Prognoseverfahren zu erstellen. Dieser Beitrag zeigt das Potenzial von ML unter Einbeziehung von externen Faktoren (z. B. Konjunkturdaten) für die Absatzprognosen eines Produkts von einem Chemieunternehmen auf.

Titel in Übersetzung	ML-based Demand Forecast with External Factors
Originalsprache	Deutsch
Zeitschrift	ZWF Zeitschrift für wirtschaftlichen Fabrikbetrieb
Jahrgang	118
Ausgabenummer	5
Seiten (von - bis)	324-329
Seitenumfang	6
ISSN	0947-0085
DOIs	https://doi.org/10.1515/zwf-2023-1060
Publikationsstatus	Erschienen - 16.05.2023

Bibliographische Notiz

Publisher Copyright:
© 2023 Walter de Gruyter GmbH, Berlin/Boston, Germany.

Fachgebiete und Schlagwörter

Ingenieurwissenschaften
Absatzprognose
Künstliche Intelligenz
Maschinelles Lernen
Zeitreihenanalyse
Frühindikatoren

ASJC Scopus Sachgebiete

Strategie und Management
Ingenieurwesen (insg.)
Managementlehre und Operations Resarch

Zugriff auf Dokument

10.1515/zwf-2023-1060

Dieses zitieren

@article{1a2fec8d4c2d461197164ebbbdce9bb7,

title = "ML-basierte Absatzprognose mit Fr{\"u}hindikatoren",

abstract = "In einem von Unsicherheit gepr{\"a}gten Marktumfeld zu agieren stellt Unternehmen vor Herausforderungen. Verfahren des maschinellen Lernens (ML) bieten unter Einbeziehung von externen Fr{\"u}hindikatoren eine M{\"o}glichkeit, langfristige Absatzprognosen pr{\"a}ziser als herk{\"o}mmliche statistische Prognoseverfahren zu erstellen. Dieser Beitrag zeigt das Potenzial von ML unter Einbeziehung von externen Faktoren (z. B. Konjunkturdaten) f{\"u}r die Absatzprognosen eines Produkts von einem Chemieunternehmen auf.",

keywords = "Ingenieurwissenschaften, Absatzprognose, K{\"u}nstliche Intelligenz, Maschinelles Lernen, Zeitreihenanalyse, Fr{\"u}hindikatoren, Demand Forecasting, time series analysis, artificial intelligence, Machine Learning, External factors",

author = "Lopez, \{David Hellmers\} and Kathrin Kramer and Matthias Schmidt",

note = "Publisher Copyright: {\textcopyright} 2023 Walter de Gruyter GmbH, Berlin/Boston, Germany.",

year = "2023",

month = may,

day = "16",

doi = "10.1515/zwf-2023-1060",

language = "Deutsch",

volume = "118",

pages = "324--329",

journal = "ZWF Zeitschrift f{\"u}r wirtschaftlichen Fabrikbetrieb",

issn = "0947-0085",

publisher = "Walter de Gruyter GmbH",

number = "5",

}

TY - JOUR

T1 - ML-basierte Absatzprognose mit Frühindikatoren

AU - Lopez, David Hellmers

AU - Kramer, Kathrin

AU - Schmidt, Matthias

PY - 2023/5/16

Y1 - 2023/5/16

N2 - In einem von Unsicherheit geprägten Marktumfeld zu agieren stellt Unternehmen vor Herausforderungen. Verfahren des maschinellen Lernens (ML) bieten unter Einbeziehung von externen Frühindikatoren eine Möglichkeit, langfristige Absatzprognosen präziser als herkömmliche statistische Prognoseverfahren zu erstellen. Dieser Beitrag zeigt das Potenzial von ML unter Einbeziehung von externen Faktoren (z. B. Konjunkturdaten) für die Absatzprognosen eines Produkts von einem Chemieunternehmen auf.

AB - In einem von Unsicherheit geprägten Marktumfeld zu agieren stellt Unternehmen vor Herausforderungen. Verfahren des maschinellen Lernens (ML) bieten unter Einbeziehung von externen Frühindikatoren eine Möglichkeit, langfristige Absatzprognosen präziser als herkömmliche statistische Prognoseverfahren zu erstellen. Dieser Beitrag zeigt das Potenzial von ML unter Einbeziehung von externen Faktoren (z. B. Konjunkturdaten) für die Absatzprognosen eines Produkts von einem Chemieunternehmen auf.

KW - Ingenieurwissenschaften

KW - Absatzprognose

KW - Künstliche Intelligenz

KW - Maschinelles Lernen

KW - Zeitreihenanalyse

KW - Frühindikatoren

KW - Demand Forecasting

KW - time series analysis

KW - artificial intelligence

KW - Machine Learning

KW - External factors

UR - https://www.scopus.com/pages/publications/85159788263

UR - https://www.mendeley.com/catalogue/5cfc645c-78a7-36a4-a58b-cefbd14ba1ba/

U2 - 10.1515/zwf-2023-1060

DO - 10.1515/zwf-2023-1060

M3 - Zeitschriftenaufsätze

SN - 0947-0085

VL - 118

SP - 324

EP - 329

JO - ZWF Zeitschrift für wirtschaftlichen Fabrikbetrieb

JF - ZWF Zeitschrift für wirtschaftlichen Fabrikbetrieb

IS - 5

ER -

ML-basierte Absatzprognose mit Frühindikatoren

Abstract

Bibliographische Notiz

Fachgebiete und Schlagwörter

ASJC Scopus Sachgebiete

Zugriff auf Dokument

Fingerprint

Dieses zitieren