Suchen

Expertenbeitrag

Dipl.-Wirtschaftsingenieur Peter Küssner

Dipl.-Wirtschaftsingenieur Peter Küssner

Geschäftsführer Cubeware GmbH, Cubeware GmbH

Predictive Analytics ist keine Glaskugel

| Autor / Redakteur: Peter Küssner / Clara Hartmann

Prädiktive Methoden erlauben es Unternehmen, frühzeitig Abweichungen zwischen dem Ist- und dem anvisierten Sollzustand zu erkennen und validere Entscheidungen zu treffen. Doch wie so oft gilt auch im Falle von Predictive: Die Technologie ist ein Enabler, kein Selbstzweck.

Firmen zum Thema

Auch vorhersagende Modelle haben ihre Grenzen.
Auch vorhersagende Modelle haben ihre Grenzen.
(Bild: gemeinfrei / Pixabay )

Die Vorteile bei Geschwindigkeit, einzubeziehenden Datenvolumina und Detailgrad von Planungen auf Basis automatisierter Hochrechnungen sind im Bereich von Predictive Analytics unbestritten. Durch Predictive Analytics erhöht sich die Planungssicherheit, das Entscheidungsrisiko sinkt und letztendlich verbessert sich die Wertschöpfung. Qualität der Ergebnisse, Prognosegüte und Nachvollziehbarkeit im Vergleich zu menschlichen Analysten wird hingegen heiß diskutiert. Predictive Analytics hat also auch seine Grenzen. Das reine Füttern von statistischen Modellen oder künstlichen Intelligenzen mit Daten wird kurzfristig nicht zu fundamental neuen Ergebnissen führen.

Wichtig ist also zu klären: In welchen Umgebungen und Anwendungsfällen bewähren sich Algorithmen? Wo liefern sie zwar viele Daten, aber kaum verwertbare Einsichten? Vorhersagende Algorithmik stößt vor allem bei Ereignissen, die nicht aus Vergangenheitsdaten erlernt werden können, an ihre Grenzen. Weitere Aspekte sind:

Eine Basis muss geschaffen werden

Prognosen basieren auf Vergangenheitsdaten und den daraus abgeleiteten Zusammenhängen. Das Aufspüren von Beziehungen und Mustern ist die wesentliche Basis, um aus den verfügbaren Daten Prädiktionen abzuleiten. Nur die richtigen Daten in der richtigen Qualität, der erforderlichen Granularität und ausreichender Historie erlauben solide Voraussagen.

Vorhersagemodelle ersetzen den Menschen nicht

Ein tiefes Verständnis der Kausalzusammenhänge ist ebenfalls wesentlich für nützliche Prognosen. Denn nur, wenn die beobachteten Faktoren in einer Ursache-Wirkungsbeziehung stehen, können Maßnahmen auch die gewünschte Wirkung erzielen – diese Unterscheidung trifft immer der Mensch.

Es gibt keinen Anspruch auf Allgemeingültigkeit

Prädiktive Modelle werden für einen bestimmten Anwendungsfall konzipiert und trainiert. Da sich unter anderem Märkte, Wettbewerb und Kundenverhalten ständig ändern, muss zwangsläufig eine kontinuierliche Kontrolle des Modellverhaltens und der Prognosegüte erfolgen, um eine Anpassung oder ein Neutraining vorzunehmen. One size fits all funktioniert hier nicht.

Die Zukunft bleibt bedingt planbar

Damit Modelle ihre Aussagekraft behalten, dürfen sich die abgebildeten Zusammenhänge in der Zukunft nicht ändern. Die einer Prognose zugrundeliegenden Strukturen müssen über einen gewissen Zeitraum konstant sein und Gültigkeit für die Zukunft haben. Nur dann können diese erlernt und für qualitativ hochwertige Vorhersagen genutzt werden. Treffsichere und vor allem längerfristige Prognosen für hochdynamische Geschäftszusammenhänge bieten keine solchen stabilen Strukturen und werden immer Utopie bleiben. Nur, wenn stabile konstante Rahmenbedingungen als Voraussetzung gegeben sind, in einer nicht von Überraschungen geprägten Umwelt, können verlässliche Ergebnisse generiert werden, die als Entscheidungs-Basis dienen.

Das Fazit

Durch die planerische Vorwegnahme und Beschäftigung mit Risiken, Einflussgrößen und Ursache-Wirkungs-Beziehungen, gestützt durch Predictive-Analytics-Methoden, können Unternehmen die Zeit zur Entscheidung und Einleitung von Maßnahmen drastisch reduzieren. Im täglichen Marketing-Trommelfeuer wird jedoch nur allzu gern vergessen: Wer voraussagen möchte, muss zunächst beschreiben; wer eine Maschine anlernen möchte, braucht zunächst passende Trainingssets; wer etwas finden möchte, muss zunächst wissen, wonach er eigentlich sucht. Erst dann kann aus dem Konjunktiv ein Indikativ werden und die Zukunft ist planbar.

(ID:46326512)

Über den Autor

Dipl.-Wirtschaftsingenieur Peter Küssner

Dipl.-Wirtschaftsingenieur Peter Küssner

Geschäftsführer Cubeware GmbH, Cubeware GmbH