> For the complete documentation index, see [llms.txt](https://docs.flowlity.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.flowlity.com/de/konzepte/concepts/demand-forecasting.md).
# Bedarfsprognose erklärt
Wie Flowlity die Bedarfsprognose erstellt und wie die finale Prognose bestimmt wird.
Flowlity prognostiziert den Bedarf als Spanne wahrscheinlicher Ergebnisse, nicht als einzelne Zahl. Diese Spanne ist das **Konfidenzintervall**: Je breiter es ist, desto unsicherer ist die Prognose. Flowlity nutzt diese Unsicherheit, um Ihren Sicherheitsbestand zu dimensionieren. Ein schwankendes Produkt erhält also mehr Puffer als ein stabiles.
### Wie die Prognose entsteht
Die Prognose besteht aus zwei Ebenen:
* **KI-Foundation-Modell**: Es wird auf allen Produkten Ihres Standorts trainiert und lernt die großen Muster (Saisonalität, Trends, Zusammenhänge zwischen Produkten, externe Signale). Es ist immer aktiv und erzeugt die **Flowlity-Prognose**.
* **Expertenmodelle**: optionale Modelle, die Sie einem Produkt hinzufügen, um Ihr Wissen über dieses Produkt einzubringen, zum Beispiel einen Trend, einen saisonalen Verlauf oder das Einführungsmuster ähnlicher Produkte. Das ist die Funktion Forecast Studio.
Der Prognose-Agent berechnet die Prognose jede Woche neu. Sie können sie auch jederzeit mit **Prognose berechnen** neu berechnen, was Credits verbraucht.
### Woraus das Modell lernt
* **Bereinigter vergangener Bedarf**: Ihre Bedarfshistorie, nachdem Flowlity Anomalien korrigiert hat (Ausreißer, durch Bestandsausfälle verursachte Engpässe, vergangene Aktionen) und Preis- und Aktionseffekte entfernt hat. Sie wird auf den letzten Basispreis normalisiert, damit eine vergangene Aktion die Basisprognose nicht aufbläht. Aus dieser Historie lernt das Modell.
* **Unbereinigter vergangener Bedarf**: die Historie, wie sie aus Ihren Systemen empfangen wurde, zum Vergleich aufbewahrt.
* **Ähnliche Produkte**: die Historie eines Produkts, das Sie mit einem anderen verknüpfen, vor allem um Produktersetzungen zu steuern. Für ein neues Produkt ist das Expertenmodell **Einführungsmodell** die bessere Wahl: Es lernt aus der Einführung ähnlicher Produkte.
* **Prognoseereignisse**: Aktionen und Prognoseanpassungen, verwaltet im Modul [Aktionen](/de/umsatzoptimierung/promotions.md). Nur bestätigte Aktionen ändern die Prognose. Geplante Aktionen und Aktionen in Prüfung werden nur zur Information angezeigt.
* **Produktlebenszyklus**: ein Datum für **Verkaufsstart** oder **Auslauf**, festgelegt in der **Produktstrategie**. Flowlity erkennt außerdem Einführungsspitzen, damit das Modell nicht aus den ersten Erstbevorratungen lernt, und lässt die Prognose sinken, wenn sich ein Produkt seinem Auslauf nähert.
Auf Standorten mit Kundenachse prognostiziert Flowlity jedes Produkt auf Basis seiner gesamten Historie und verteilt die Prognose dann nach dem Bedarfsanteil der Kunden.
### Wie die finale Prognose bestimmt wird
Die **Finale Prognose** ist die Prognose, die die Planung verwendet. Für jede zukünftige Periode nimmt Flowlity:
1. **Meine Prognose**, wenn Sie für diese Periode einen Wert eingegeben haben.
2. Andernfalls die Basisprognose: die **Flowlity-Prognose** oder die **Externe Prognose**, wenn die **Prognosequelle** des Produkts darauf eingestellt ist.
3. Wenn Ihr Standort im Modul Bedarf festen oder geplanten Bedarf zeigt, liegt die finale Prognose danach nie unter diesem **zukünftigen Bedarf**.
Bei Produkten mit einer Bestellpunkt-Strategie folgt die finale Prognose dem zukünftigen Bedarf.
**Beispiel.** Ein Produkt hat in drei Monaten jeweils eine Flowlity-Prognose von 100 Einheiten:
| Monat | Flowlity-Prognose | Meine Prognose | Zukünftiger Bedarf | Finale Prognose |
| ------- | ----------------- | -------------- | ------------------ | --------------- |
| Januar | 100 | keine | 40 | 100 |
| Februar | 100 | 120 | 60 | 120 |
| März | 100 | 120 | 150 | 150 |
Im März übersteigt der zukünftige Bedarf bereits beide Prognosen und bestimmt daher die finale Prognose.
### Die Prognose lesen
In der Produktdetailansicht des Moduls [Bedarf](/de/nachfragemanagement/demand.md) zeigt das Diagramm den vergangenen Bedarf neben den Reihen **Finale Prognose**, **Flowlity-Prognose** und **Konfidenzintervall**. Aktivieren Sie **Unbereinigter vergangener Bedarf (N-1)** oder **Unbereinigter vergangener Bedarf (N-2)**, um die Prognose mit denselben Monaten der Vorjahre zu vergleichen.
Um auf das Gesehene zu reagieren, folgen Sie den Abschnitten *So prüfen Sie die Prognose eines Produkts*, *So wenden Sie ein Expertenmodell an* und *So berechnen Sie eine Prognose sofort neu* auf der Seite [Bedarf](/de/nachfragemanagement/demand.md).
### Prognosegenauigkeit
Die Ansicht **🎯 Prognosegenauigkeit** der Bedarfsliste zeigt, wie weit vergangene Prognosen vom tatsächlichen Bedarf entfernt waren. Nutzen Sie sie, um Produkte zu finden, die einen besseren Input brauchen: eine korrigierte Historie, ein ähnliches Produkt, ein Expertenmodell oder ein Prognoseereignis. Im [Kennzahlen-Glossar](/de/konzepte/concepts/metrics-glossary.md) finden Sie MAE, MAPE und FVA.
### Beteiligte Agenten
* **Prognose-Agent**: berechnet jede Woche die Flowlity-Prognose.
* **Bedarfsanomalie-Agent**: korrigiert jede Woche Ausreißer, Engpässe, vergangene Aktionen und Einführungsspitzen in Ihrer Historie.
* **Produktähnlichkeits-Agent**: schlägt jede Woche bis zu fünf ähnliche Produkte für jedes Produkt vor.
### Verwandte Seiten
* [Prognoseereignisse und Bedarfsanpassungen](/de/konzepte/concepts/forecast-events.md)
* [Produktähnlichkeiten](/de/konzepte/concepts/product-similarities.md)
* [Bedarf](/de/nachfragemanagement/demand.md)
* [Agenten](/de/ki-and-automatisierungen/agents.md)
* [Bedarfsanomalien untersuchen und beheben](/de/nachfragemanagement/demand/investigate-demand-anomalies.md)
* [Einen Review der Prognosegenauigkeit durchführen](/de/nachfragemanagement/demand/run-forecast-review.md)
* [Kennzahlen-Glossar](/de/konzepte/concepts/metrics-glossary.md)
