Data Scientists & Analytics
„Unser Modell schlägt die Baseline im Backtest. Aber ist der Backtest fair oder haben wir uns die Zahlen schöngerechnet?“
Forecasting Sparring & Architecture
Ein erfahrener Blick von außen für Teams, die Forecasting selbst verantworten und eine Entscheidung absichern wollen. Ohne dass daraus gleich ein Projekt werden muss.
Wenn ein Forecast nicht die erwartete Wirkung entfaltet, liegt es selten am Algorithmus allein. Häufiger an der Datenbasis, dem Use-Case-Zuschnitt, der Planungsebene, der KPI-Logik, an Overrides, Sondereffekten, bestehenden Systemen – oder an der Frage, welche Entscheidung überhaupt unterstützt werden soll.
Data Science sieht das Modell. Planning sieht den Prozess. IT sieht das System.
Jede Sicht ist richtig, keine ist vollständig. Und die Zeit, das in Ruhe auseinanderzunehmen, fehlt meist genau dann, wenn eine belastbare Aussage gebraucht wird.
Der größte Hebel liegt oft nicht im besseren Modell, sondern darin, früher zu wissen, woran es wirklich liegt.
Zielgruppen
Für vier Teams mit unterschiedlichen Fragen und demselben Bedarf: einem erfahrenen Blick von außen, bevor eine Entscheidung teuer wird.
„Unser Modell schlägt die Baseline im Backtest. Aber ist der Backtest fair oder haben wir uns die Zahlen schöngerechnet?“
„Unsere Planer überschreiben einen Großteil der Forecasts. Liegt es am Modell oder am Prozess?“
„Welche Hebel gibt es, um geringere Durchlaufzeiten, weniger Engpässe oder niedrigere Qualitätsrisiken zu erreichen?“
„SAP-IBP-Standard, eigener Forecasting-Layer oder beides? Und wo genau verläuft die Grenze?“

Der Forecaster im Expert Sparring
Dr. Thomas Christ, Chief Data Scientist, prägt das Forecasting bei prognostica seit 2014. Er kommt dazu, wenn es methodisch ernst wird, und gibt Ihnen eine fundierte und ehrliche Einschätzung. Denn gute Data Science braucht nicht nur Methodik, sondern auch den Mut, früh Nein zur falschen Lösung zu sagen.
Wie tief das gehen soll, klären wir gemeinsam.Zusammenarbeit
Flexible Formate möglich! Von einem 90-Minuten-Termin über ausführliche Methoden-, Use-Case- oder Architektur-Checks bis hin zu kontinuierlicher Beratung.
Lassen Sie uns in einem kurzen Gespräch die passende Variante für Sie finden.
Wählen Sie ein Format, um die Details zu sehen.
Vor einem Steering, vor einer Anbieterentscheidung, bevor ein Modell live geht: Es gibt eine Frage, und die Antwort hat Konsequenzen.
Das Modell läuft, die Zahlen sehen gut aus. Aber niemand von außen hat es bisher gechallengt: Backtesting, Feature-Leakage, Granularität, Bias, Benchmarks, Erklärbarkeit gegenüber dem Business.
Wenn Durchlaufzeiten, Engpässe, Kapazitäten oder Qualitätsrisiken besser beherrscht werden sollen, prüfen wir den fachlichen Hebel, die Datenbasis und eine sinnvolle Baseline, bevor Zeit und Budget in ein MVP fließen.
Die Accuracy stagniert, jede Abteilung hat eine andere Theorie, und die nächste Investition ist teuer – egal ob in Daten, Modell, Prozess oder System.
Das Team ist gut. Die kritischen Fragen kommen trotzdem: monatlich, projektbegleitend, vor wichtigen Entscheidungen.
Nicht sicher, welche Stufe passt? Genau das klärt sich im ersten Sparring. Und wenn sich zeigt, dass es mehr als Sparring braucht, etwa ergänzende Planungslogik oder KI-Agenten für Demand Review & S&OP, sagen wir das auch.
+10 %
Prognosegüte
Julius Blum GmbH · Hierarchisches Demand-Forecasting
Blum benötigte konsistente Forecasts über mehrere Hierarchieebenen und mehr als zwei Millionen Planungsobjekte. In der gemeinsamen Analyse wurden Prognosegüte je Ebene, geeignete Segmentierungen und Muster wie Auslaufartikel oder Marketingeffekte untersucht. Die daraus entwickelte Lösung verbesserte die Prognosegüte auf der höchsten aggregierten Ebene um 10 % gegenüber SAP IBP und lässt sich direkt in das Planungssystem einspielen.
Zur Erfolgsgeschichte„Ihre Arbeitsweise identifiziert Aspekte, die wir zuvor noch gar nie so kritisch betrachtet haben wie Sie.“
Beides zusammenzubringen gelingt noch weniger – und genau das braucht ein gutes Review: Methode, Planungspraxis und System gleichzeitig im Blick. Intern sitzen diese drei Perspektiven meist in drei Abteilungen. Bei uns am selben Tisch.
Forecasting-Exzellenz seit 2014
Statistik, Machine Learning, Foundation Models, Unsicherheit, Bias, Accuracy. Wir bauen Forecasting-Lösungen selbst und wissen deshalb, was im Betrieb bricht, nicht nur, was im Paper steht.
Planungsrealität
Demand Planning, S&OP, Bestände, Service Level, Planer-Workflows. Wir beurteilen ein Modell daran, ob es im Prozess trägt, nicht nur daran, ob es statistisch sauber ist.
Systemoffen
SAP IBP, OMP, eigene Pipelines, ergänzende Layer. Die Empfehlung folgt dem Engpass, nicht dem Tool.
Das gilt auch für angrenzende operative Use Cases, wenn Daten, Unsicherheit, Prozesswirkung und Umsetzbarkeit gemeinsam bewertet werden müssen.
Ablauf
Sie schildern Ihre Frage und den Kontext. Wir sondieren und strukturieren: Welche Entscheidung steht an, wo liegt die vermutete Schwierigkeit, welche Informationen braucht der fachliche Deep Dive? Kein Foliensatz nötig.
Zuhören, nachfragen, Annahmen challengen, einordnen: Wo liegt der Engpass wirklich, welche Risiken werden übersehen und was wäre der nächste Schritt an Ihrer Stelle?
Sie erhalten unsere Einschätzung schriftlich, so dass Sie sie intern vertreten können. Und eine ehrliche Antwort darauf, ob es weiteren Bedarf gibt.

Dr. Kristina Krebs · Member of the Board
Ihre Ansprechpartnerin für das Erstgespräch.