KI-basierte Stahlpreisprognose für Effiziente Einkaufsstrategien

Unterstützung der Disponierenden durch Preisprognosen

Methoden der künstlichen Intelligenz und insbesondere Neuronale Netze sind besonders geeignet komplexe Zusammenhänge mehrerer Einflussgrößen zu modellieren. Deswegen wird in dem Projekt ein Historical Consistent Neural Network eingesetzt, um die Preise von verschiedenen relevanten Stahlsorten zu prognostizieren. Ziel ist es Einkäufer*innen mit prognostizierten Preisen zu unterstützen, die möglichst Nahe den tatsächlichen Preis treffen. Dabei kann die Prognose weitere hilfreiche Einblicke bieten. Den Einkaufs-Abteilungen unserer Kunden liefert das Modell eine Einschätzung, wann die Preise im Prognosezeitraum am geringsten sind und, ob das Modell steigende oder sinkende Preise prognostiziert. Stimmen die Einkaufsexpert*innen mit der Modellprognose überein, bestätigt das Modell die Meinung und erhöht somit die Sicherheit. Liefert das Modell andere Ergebnisse, verhilft die Analyse zu einem tieferen Verständnis des Stahlmarktes im Unternehmen. Damit können die Zeitpunkte der Rohstoffbeschaffung verbessert werden, was Potential für Ersparnisse birgt. Die Grafik schildert beispielhaft den Ablauf der Prognose und die folgende Handlungshilfe für die Einkaufs-Abteilungen. Verschiedene Einflussgrößen werden dem Modell übergeben, dass im Anschluss eine Prognose erstellt. Dort werden beispielsweise sinkende Preise prognostiziert. Durch eine spätere Beschaffung, verringert sich der Preis und Einsparungen im Einkauf können erzielt werden.