Predictive Forecasts sind von einer künstlichen Intelligenz erstellte Vorausschauen, die auf Vergangenheitswerten beruhen und mithilfe von schlauen Algorithmen Zukunftswerte erstellen. Soweit vorab maximal vereinfachend gesagt.
Bei einem Forecast geht es übrigens meistens um unterjährige Prognosen, also um die Frage, wohin das vom Baum fallende Äpfelchen bis zum Jahresende rollt. Abweichend dazu gibt es auch noch rollierende Forecasts, die stets zwölf oder noch mehr Monate in die Zukunft schauen und nicht auf das Kalenderjahresende oder auf das Ende des Geschäftsjahrs blicken.
Forecasts können in allen Unternehmensabteilungen für die unterschiedlichsten Themen erstellt werden. Und jetzt kommt was Wichtiges: Forecast werden nicht auf Basis allgemeingültiger Regeln oder Formeln erstellt, es handelt sich hier ja nicht um eine Naturwissenschaft, sondern um Betriebswirtschaft.
Der allereinfachste und vielleicht auch dümmste Forecast besteht aus einer reinen linearen Hochrechnung der Istwerte. Das kann in einigen Fällen passen, zum Beispiel wenn der Kostenverlauf übers Jahr hinweg immer gleichförmig ist. Ein Beispiel: Im Januar sind auf der Kostenstelle 123 genau 1.000 Euro Kosten angefallen. Mittels linearer Hochrechnung wird für die Kostenstelle 123 ein Forecast über 12.000 Euro erstellt. Angenommen, es handelt sich um eine Kostenstelle, die extra für die Stromrechnungen eingerichtet wurde, haut das hin, wenn die monatlichen Abschlagszahlungen das gesamte Jahr über unverändert bleiben und die jährliche Abrechnung ergibt, dass der Verbrauch exakt den Abschlagszahlungen entspricht. Flattert im Mai jedoch vom Stromanbieter ein Brief ins Haus mit der schlechten Botschaft, dass eine Nachzahlung von 2.800 Euro fällig ist und ab Juni die Abschlagszahlungen auf 1.300 Euro erhöht werden, liegt der Forecast mit seinen 12.000 Euro mächtig daneben, da bis zum Jahresende auf der Kostenstelle 16.600 Euro anfallen werden. Eine Abweichung im stolzen zweistelligen Prozentbereich. Für die meisten Fälle ist diese Methode also ungenügend.
Lange Rede, kurzer Sinn, ein Forecast, der lediglich auf einer linearen Hochrechnung beruht, genügt meist nicht und wird oftmals grob daneben liegen. Wenn Ihr solche Forecasts von teuren oder weniger teuren Controllern erstellen lasst, könnt Ihr euch das Geld dafür sparen und einfach Excel für euch rechnen lassen.
Fließen Erfahrungswerte und Wissen über zukünftige Kostenentwicklungen bei der Erstellung des Forecasts mit ein, steigt die Qualität der Forecastwerte. Gute Controller rufen im Hintergrund Erfahrungswerte aus der Vergangenheit ab und füttern diese obendrein mit Informationen über zukünftige Entwicklungen, die Sie unter anderem durch den regelmäßigen inhaltlichen Austausch mit den Fachabteilungen erhalten. Daraus sollte in aller Regel ein vernünftiger Forecastwert resultieren. Soweit die manuelle Forecasterstellung.
Bei einem Predictive Forecast fließen stochastische Modelle, maschinelles Lernen und Data Mining-Ansätze ein. Viele Leute, denen zum ersten Mal ein Forecast, erstellt auf Basis künstlicher Intelligenz, gezeigt wird, fragen natürlich nach der genauen Berechnungsmethodik die da dahintersteckt. Leider werden sie auf ihre Frage keine befriedigende Antwort erhalten, da das auseinanderdröseln der verwendeten Algorithmen tief in die IT mit einer riesigen Menge an Daten und deren Verwendung gehen würde und deshalb wenig hilfreich wäre.
Grob gesagt nutzen die Algorithmen die zur Verfügung stehenden Vergangenheitswerte und versuchen damit die Zukunft zu prognostizieren. Je mehr Daten zur Verfügung stehen, desto besser wird die Prognosewahrscheinlichkeit. Saisonale Schwankungen berücksichtigt die künstliche Intelligenz genauso wie langfristig erkennbare Trends, zum Beispiel von Kostensteigerungen oder auch Kostensenkungen.
Für das hier genannte Beispiel der Kostenstelle 123 für die Stromrechnungen könnte deshalb ein Predictive Forecast ganz ordentliche Werte liefern. Dasselbe gilt für andere relativ gleich verlaufende Kosten.
Nicht gefeit ist der Predictive Forecast dagegen gegen Überraschungen. Entscheidet das Management im letzten Quartal aufgrund der enormen Strom-Kostensteigerungen das alte Mühlrad am Bach wieder zu reaktivieren, um so gar keinen Strom mehr von Extern beziehen zu müssen, wird auch der Predictive Forecast schwer daneben liegen. Die Künstliche Intelligenz kann solche Entscheidungen oder Ereignisse nicht vorhersehen. In einer Welt, in der sich die Rahmenbedingungen schnell verändern und immer komplexer werden, Stichwort VUCA, ist bis auf weiteres neben einem Predictive Forecast weiterhin eine manuelle Einschätzung bei wichtigen Themen nötig. VUCA steht übrigens für volatility, uncertainty, complexity und ambiguity, also Volatilität, Unsicherheit, Komplexität und Mehrdeutigkeit.