Bei der Vorhersage von Finanz- und Vertriebskennzahlen setzt Bayer auf analytische Methoden und Künstliche Intelligenz (KI). Die steigende Dynamik der Märkte macht es vielen Unternehmen schwer, Entwicklungen vorherzusagen und eine präzise Absatz- und Finanzprognose zu generieren. KI soll diese verbessern – und einen zuverlässigen Blick in die Zukunft ermöglichen.

Bayer hat bereits 2015 mit dem data.one Projekt damit begonnen, die Daten des Unternehmens zu zentralisieren, um Steuerungsdimensionen zu harmonisieren sowie ein einheitliches Konzernreporting zur Verfügung zu stellen. Das ermöglicht dem Konzern nun den Einsatz von KI.

Die zusammen mit [at] – Alexander Thamm entwickelte Forecasting-Lösung fokussiert sich zunächst auf die Weiterentwicklung von rein statistischen, auf Vergangenheitswerten basierenden Modellen hin zu einem auf KI basierten Modell, das insbesondere weitere interne und externe Datenquellen berücksichtigt. In diesem Kontext geht es um eine vereinfachte Planung von zukünftigen Kosten und Gewinnen verschiedener Geschäftsbereiche. Von diesen Auswertungen hängen nicht nur Investitionsentscheidungen, sondern letztlich die gesamte strategische Ausrichtung ab. Das Ziel ist daher vor allem eine stärkere Verzahnung zwischen der operativen und der Finanzplanung.

KI-basiertes Forecasting ermöglicht den Beschäftigten, den Fokus auf die Planung strategischer Produkte oder Aktivitäten zu legen.

Die Auswertung erfolgte bislang in einem aufwändigen und stark manuell geprägten Prozess. Mit der weitgehenden Automatisierung dieser Prozesse stehen in Zukunft diese Prognosen auch erstmals nicht mehr nur zu bestimmten Planungszeitpunkten zur Verfügung. Durch die kontinuierliche Verfügbarkeit wird eine schnellere Reaktionsfähigkeit und Entscheidungsfindung für das Unternehmensmanagement erreicht. Diese Transformation des Planungsprozesses ist essenziell, wie beispielsweise die Herausforderungen der Corona-Pandemie zeigen.

Data-Science-Modelle als skalierbares Werkzeug für eine effizientere Budget- und Vertriebsplanung

Der Lösungsansatz: ein auf maschinellem Lernen basiertes datengestütztes Prognosetool. Der gemeinsam entwickelte Kosten – Forecast wird bereits produktiv genutzt und steht sowohl Kostenstellenverantwortlichen, als auch Controllern konzernweit zur Verfügung. Hierauf aufbauend wurde exemplarisch für einen Geschäftsbereich die technologische Basis für zukünftige Vereinfachungen des Planungsprozess sowie eine flexible, bedarfsgerechte und kontinuierliche Prognostizierung gelegt. Mit diesem Piloten wurde die Verlagerung von reinen Point- hin zu Intervallforecasts entwickelt. Letztere geben einen Wertebereich an, innerhalb dessen bestimmte Ereignisse mit einer gewissen Wahrscheinlichkeit eintreten. Zukünftig ermöglicht die Lösung es, bestimmte Maßnahmen zu simulieren, die als Diskussions- und Entscheidungsgrundlage dienen. Die Vorhersageergebnisse werden in einem individuell gestalteten Dashboard nutzerfreundlich dargestellt. 

„Verbesserte und beschleunigte Prognosen sind eine wertvolle Ergänzung des Finanzinstrumentariums. Forecasting-Lösungen sind daher eine der Kernaufgaben und Herausforderungen, die wir als ‚IT & Digital Transformation‘ insbesondere unserer Finanz-Abteilung zur Verfügung stellen wollen“, so Philipp Plank, Head of Decision Science for Enabling Functions im Konzern.

Bei allem gerechtfertigten Optimismus, ist es aber auch wichtig festzuhalten, dass diese Lösungen nicht die Planung in Gänze ablösen wird. Sie bieten viel mehr die Möglichkeit, den Mitarbeitenden Zeit zurückzugeben, indem ein Großteil der Vorhersagen automatisiert wird. So können die Beschäftigten den Fokus auf die Planung wesentlicher, strategischer Produkte oder Aktivitäten legen. „In verschiedenen Projekten innerhalb und außerhalb der Finanzfunktion haben wir durch den Einsatz der Modelle große Fortschritte im Bereich automatisierter Forecasts erreicht und stärken hiermit in Zukunft die Entscheidungsgrundlage, beispielsweise für Produktionsplanungen und Investitionen“, bestätigt Philipp Plank.

Disclaimer:

Dieser Beitrag erschien im Original im Handelsblatt Journal „Künstliche Intelligenz – AI Experience“ (Juni 2022).