In der Nachlaufphase, der End-of-life-Phase, eines Produkts stehen Produkthersteller vor der Herausforderung die Bedarfsmengen an Ersatzteilen zur Gewährleistung ihrer Garantieversprechen zu prognostizieren. Wir haben ein Langzeitprognose-Tool für den Allzeitbedarf von Ersatzteilen auf der Basis des Maschinellen Lernens entwickelt, das Unternehmen dabei hilft ihre Ersatzteilbestände fundierter abzuschätzen, Lagerplätze effizienter zu nutzen, Über- und Unterdeckung zu reduzieren und Verschrottungskosten zu minimieren.