Forschungsprojekt ::

Selektion von Prognoseverfahren in Logistik und Supply Chain Management

Projektbeschreibung

Sowohl statistische Prognoseverfahren als auch Initiativen des Supply Chain Management (SCM) erfreuen sich ungebrochener Beliebtheit in der wissenschaftlichen Forschung als auch der Praxis. Trotz umfangreicher Publikationen zur Entwicklung neuartiger Prognoseverfahren, was sowohl bei kontinuierlichem als auch bei sporadischem Bedarf zu einer Vielfalt möglicher Verfahrensansätze für eine jede zu prognostizierende Zeitreihe geführt hat, wurde das daraus resultierende Problem der Modellselektion nicht intensiv betrachtet. Etablierte Selektionsansätze in der Statistik auf der Basis von Informationskriterien (u.a. AIC oder BIC) stehen dabei im Widerspruch zu Erkenntnissen aus empirischen Prognosewettkämpfen, in denen die in-sample Genauigkeit wenig Aussagen über eine zukünftige Genauigkeit zulässt. Die vorliegenden Forschungsanstrengungen betrachten die Fragestellung der Modellselektion für genaue, robuste und effiziente Prognosen im Kontext von SCM und Logistik. Da Prognosen zukünftiger Nachfragemengen eines Produktes nie zum Selbstzweck erfolgen, sondern immer in betriebswirtschaftliche Entscheidungen von Bestellmengen und -zeitpunkten des SCM eingebunden sind, werden die Auswirkungen der unterschiedlichen Selektionsstrategien nicht nur anhand der Prognosegüte beurteilt, sondern auch anhand der entstehenden Entscheidungskosten.