In unserer Reihe „Tell me why!” setzt unsere GSofLog-Community das Warum in den Mittelpunkt. Wir wollen mit euch teilen, was uns Sinn gibt, uns antreibt und warum wir uns über Jahre hinweg intensiv mit speziellen Themen auseinandersetzen. Vielleicht geben wir euch ein Warum mit Antworten auf unser Warum.
Heute mit Leif Struwe – Vorwerk Home & Co. KmG
Warum beschäftigst Du dich mit Forecasting?
Mein erster Kontakt mit dem Thema Forecasting war im Masterkurs „Financial Econometrics“. Hier haben wir uns mit ökonometrischen Methoden beschäftigt, die in den Bereichen Finance, Risikomanagement und Rohstoffmärkten eine Rolle spielen. Vertieft habe ich mein Wissen dann während meiner Masterarbeit, in der ich mich mit der Vorhersage von Stromverbräuchen beschäftigt habe. Seitdem lässt mich das Thema nicht mehr los.
Schon seit der Antike fasziniert die Menschen der Blick in die Zukunft, man denke nur an das berühmte Orakel von Delphi, nach dem sogar eine moderne qualitative Forecasting-Methode benannt ist. Oder die mesopotamische Astrologie, die durch die Beobachtung von Sternen und Planeten zukünftige Ereignisse wie Ernten oder Kriege hervorzusagen versuchte. Wie könnte man sich also nicht fürs Forecasting begeistern? 😊
Auch die Vielfalt der Anwendungsfelder fasziniert mich. Methoden des Forecastings begegnen uns überall – weit über Logistik und Supply-Chain-Management hinaus. Klassische Beispiele sind natürlich Wettervorhersagen oder wirtschaftlichePrognosen. Aber auch Vorhersagen von Nutzerzahlen in Webdiensten oder Prognosen des Stromverbrauchs in einem Netzgebiet basieren auf Forecasting-Methoden. Diese Breite macht das Thema unglaublich spannend und relevant.
Ebenso vielfältig sind die Methoden, Modelle und Ansätze, die das Forecasting prägen und stetig weiterentwickeln. Neben klassischen statistischen Modellen wie ARIMA oder ETS (hier verweise ich gerne auf Jakobs Blogbeitrag zu dem Thema) kommen heute zunehmend Machine-Learning-Verfahren und sogar Large Language Models zum Einsatz.
Spannend ist auch die Frage, wie Vorhersagen gestaltet werden:
trainiert man ein Modell auf einer einzelnen Zeitreihe oder global über viele verschiedene? Wie kombiniert man unterschiedliche Prognosen? Und wie lässt sich die Unsicherheit in Vorhersagen quantifizieren? Auch Methoden aus der Explainable Artificial Intelligence (XAI) finden immer häufiger Anwendung, um Vertrauen in die Modelle zu schaffen. All das macht das Forecasting zu einem breiten und dynamischen Forschungsfeld, in dem man sich im Rahmen einer Promotion wunderbar „austoben“ kann.
Trotz aller Begeisterung darf man aber nie vergessen: Forecasts sind Modelle der Wirklichkeit, keine exakten Abbilder der Zukunft. Sie helfen uns, besser zu verstehen und zu planen, aber sie sind nie perfekt. Herausforderungen und offene Fragen gibt es also noch genug.
Im Kern ist es für mich also die Kombination aus der Faszination in die Zukunft zu schauen, der vielfältigen Anwendungsmöglichkeiten und der vielen Möglichkeiten, die das Feld selbst bietet.
Leif Struwe promoviert zum Forecasting im Ersatzteilmanagement in Kooperation mit Vorwerk Home & Co. KmG an der Graduate School of Logistics.