> 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/nachfragemanagement/demand/diagnose-forecast-errors.md).
# Prognosefehler diagnostizieren
Erkennen Sie die häufigen Ursachen einer schlechten Prognose und wenden Sie die passende Korrektur an.
Wenn ein Produkt einen großen Prognosefehler zeigt, lautet die erste Frage nicht „Wie hoch sollte die Zahl sein?", sondern „Warum ist die Prognose falsch?". Die meisten Fehler haben eine Handvoll Ursachen, und viele davon liegen in den Daten, aus denen das Modell lernt, und nicht im Modell selbst. Diese Seite hilft Ihnen, die Ursache zu benennen und die Korrektur zu wählen.
### Die drei häufigsten Ursachen
#### 1. Ein Bedarfsrückgang, den das Modell noch nicht verarbeitet hat
**Was Sie sehen:** Der Bedarf ist seit mehreren Monaten niedriger, aber die Prognose folgt noch dem früheren Niveau.
**Warum das passiert:** Flowlity passt sich schnell an eine dauerhafte Änderung an, außer bei starker Saisonalität. Das Modell lernt auch aus demselben Zeitraum der Vorjahre, daher braucht ein Rückgang in einem Monat, der im Vorjahr hoch war, länger, bis er verarbeitet ist.
**So prüfen Sie es:** Aktivieren Sie in der Produktdetailansicht des Moduls [Bedarf](/de/nachfragemanagement/demand.md) in der Diagrammlegende **Unbereinigter vergangener Bedarf (N-1)** und **Unbereinigter vergangener Bedarf (N-2)**. Wenn dieselben Monate in den Vorjahren hoch waren, hält die Saisonalität die Prognose oben.
**Was zu tun ist:**
* Klären Sie die Ursache mit dem Vertriebsteam. Ist sie strukturell (verlorener Kunde, ausgelistetes Sortiment, auslaufendes Produkt) oder vorübergehend?
* Wenn sie strukturell ist und mit einem auslaufenden Produkt zusammenhängt, siehe *Auslauf und Produktersetzungen* weiter unten.
* Wenn sie strukturell ist und sich das Produkt auf dem neuen Niveau weiter verkauft, wenden Sie ein Expertenmodell an, das dem jüngsten Bedarf folgt, etwa das **Modell Durchschnitt der letzten Perioden** oder das **Modell Durchschnitt + Trend**, unter **Produktstrategie** > **Prognose** > **Prognosemodelle**. Klicken Sie auf **Prognose berechnen**, um das Ergebnis vor dem nächsten wöchentlichen Lauf zu sehen.
* Wenn sie vorübergehend ist, lassen Sie das Modell weiterlaufen und beobachten Sie in den folgenden Reviews, wie schnell es sich anpasst.
#### 2. Eine Einführung mit wenig oder keiner Historie
**Was Sie sehen:** ein neues Produkt mit einigen Wochen oder Monaten Historie und der [Bedarfsvorhersagbarkeit](/de/konzepte/concepts/metrics-glossary.md) Niedrig oder Keine. Oft eine neue Version oder Farbe, die ein älteres Produkt ersetzt.
**Was zu tun ist:**
* Wenden Sie bei einem ganz neuen Produkt das Expertenmodell **Einführungsmodell** an: Es lernt das Einführungsmuster ähnlicher Produkte, die Flowlity oder Sie auswählen.
* Verknüpfen Sie bei einem Produkt, das ein älteres ersetzt, das ältere Produkt als ähnliches Produkt, damit das Modell dessen Historie übernehmen kann. Siehe [Produktähnlichkeiten](/de/konzepte/concepts/product-similarities.md).
#### 3. Auffällige Historie
**Was Sie sehen:** Wochen, die keinen normalen Bedarf widerspiegeln, etwa ein Rückgang durch einen Bestandsausfall, eine einmalige Spitze oder ein Einbruch, oder eine vergangene Aktion.
**Was zu tun ist:** Prüfen Sie die Korrekturen, die der Bedarfsanomalie-Agent für Engpässe, Ausreißer und vergangene Aktionen vorgenommen hat: Behalten Sie sie, ändern Sie ihren Wert oder löschen Sie sie, und fügen Sie eigene mit **Vergangene Bedarfsanpassung hinzufügen** hinzu. Siehe [Bedarfsanomalien untersuchen und beheben](/de/nachfragemanagement/demand/investigate-demand-anomalies.md). Bestätigen Sie die Ursache, bevor Sie bereinigen: Ein echter Einmalauftrag ist tatsächlicher Bedarf, kein Rauschen.
### Weitere Muster, die Sie erkennen sollten
#### Auslauf und Produktersetzungen
**Was Sie sehen:** ein wichtiges Produkt, dessen Bedarf nach einer langen stabilen Phase auf fast null fällt, während in seiner Familie nur noch ein oder zwei Produkte übrig sind.
**Warum das passiert:** Das Produkt ist ausgelaufen oder wurde ersetzt, aber die Änderung hat Flowlity nicht erreicht. Das alte Produkt behält eine Prognose, und das neue startet ohne Historie.
**Was zu tun ist:**
* Legen Sie das Datum für **Auslauf** des alten Produkts unter **Produktstrategie** > **Prognose** fest, damit es den Plan nicht mehr bestimmt. Für viele Produkte wählen Sie diese aus und nutzen **⋮** > **Produktstrategie bearbeiten** > **Lebenszyklus bearbeiten**. Eine [Automatisierung](/de/ki-and-automatisierungen/automations.md) kann den Lebenszyklus auch nach Zeitplan anpassen.
* Verknüpfen Sie den Nachfolger als ähnliches Produkt mit seinem Vorgänger, oder bitten Sie Ihren Flowlity-Ansprechpartner, die Historie zu übertragen.
* Prüfen Sie den Restbestand des Vorgängers, wenn Sie Bestellungen für den Nachfolger validieren: In der Planung zeigt ihn die Reihe **Bestand ähnlicher Produkte**.
* Wenn Ersetzungen häufig sind, vereinbaren Sie mit Ihrem Flowlity-Ansprechpartner einen regelmäßigen Prozess (zum Beispiel ein häufigeres Neuladen der Historie), statt Produkte einzeln zu korrigieren.
#### Kannibalisierung durch eine neue Variante
**Was Sie sehen:** Eine neue Ausgabe oder Variante wächst, während eine bestehende fällt. Jede SKU zeigt einen großen Fehler, aber die Summe der Familie liegt nahe an der Prognose.
**Was zu tun ist:** Beurteilen Sie die Genauigkeit dieser Produkte auf Familien- oder Modellebene: Klicken Sie in der Bedarfsliste auf **Gruppieren** > **Gruppe hinzufügen** und gruppieren Sie nach der Tag-Kategorie der Familie, um die Zwischensumme der Familie zu lesen. Verknüpfen Sie die neue Variante mit der bestehenden. Wenn neue Ausgaben fester Bestandteil Ihres Geschäftsmodells sind, behalten Sie diese Gruppierung in Ihrer Review-Ansicht.
#### Ein Rückgang in der ganzen Kategorie
**Was Sie sehen:** Der Bedarf fällt in einer ganzen Kategorie gleichzeitig, ohne Bestandsausfälle.
**Was zu tun ist:** Klären Sie mit dem Vertriebsteam, ob die Ursache extern ist (wirtschaftliche Lage, ein großes Ereignis, eine Marktveränderung) und ob sie einmalig oder dauerhaft ist. Wenn eine ähnliche Störung in einem bekannten Zeitraum erneut erwartet wird, erstellen Sie ein Prognoseereignis für diesen Zeitraum. Siehe [Prognoseereignisse erstellen und anwenden](/de/umsatzoptimierung/promotions/create-forecast-events.md).
#### Ein unerklärter Rückgang
**Was Sie sehen:** ein starker Rückgang bei einem Produkt ohne Bestandsausfall, während ähnliche Produkte derselben Familie gut prognostiziert werden.
**Was zu tun ist:** Notieren Sie ihn und fragen Sie das Vertriebs- oder Vertriebscontrolling-Team, ob es einen Grund gibt, etwa eine Vertriebsmaßnahme, eine Kundenänderung oder eine Preisentscheidung. Gibt es eine systematische Ursache, muss das Planungsteam sie für die nächste Prognose kennen. Ist der Rückgang wirklich zufällig, lässt er sich nicht prognostizieren und sollte keine Änderungen an Ihrem Prozess auslösen.
### Kurzübersicht
| Was Sie sehen | Wahrscheinliche Ursache | Prüfung | Korrektur |
| ---------------------------------------------------------------------- | ------------------------------- | ------------------------------------------------- | --------------------------------------------------- |
| Bedarf seit Monaten niedriger, Prognose noch hoch | Rückgang noch nicht verarbeitet | Vertriebsteam, Überlagerungen N-1 / N-2 | Abwarten und beobachten, oder als Auslauf behandeln |
| Bedarf seit Monaten niedriger, keine Saisonalität | Dauerhafte Änderung | Überlagerungen N-1 / N-2 | Expertenmodell auf Basis des jüngsten Bedarfs |
| Wenig Historie, niedrige Vorhersagbarkeit | Einführung oder Ersetzung | Einführungsmodell oder ähnliches Produkt gesetzt? | Einführungsmodell, oder den Vorgänger verknüpfen |
| Wochen mit null oder wenig Bedarf, dann Erholung | Bestandsausfall | Engpass-Korrektur | Korrektur behalten oder ändern |
| Einzelne Spitze oder Einbruch | Ausreißer oder Einmalauftrag | Ausreißer-Korrektur, Vertriebsteam | Korrektur behalten, ändern oder löschen |
| Bedarf nahe null nach stabiler Phase | Auslauf oder Ersetzung | Produktstrategie, Produktfamilie | Auslauf festlegen, Nachfolger verknüpfen |
| Eine Variante steigt, eine andere fällt | Kannibalisierung | Summe auf Familienebene | Auf Familienebene prüfen |
| Ganze Kategorie rückläufig | Externes Ereignis | Vertriebsteam | Prognoseereignis, wenn es sich wiederholt |
| Starker Rückgang, kein Bestandsausfall, verwandte Produkte unauffällig | Unbekannt | Vertrieb oder Vertriebscontrolling | Notieren und eskalieren |
{% hint style="info" %}
Bevor Sie das Modell infrage stellen, prüfen Sie die Daten. In der Praxis stammen viele große Fehler aus den Stammdaten: auslaufende Produkte, die noch aktiv sind, Nachfolger ohne Historie oder fehlende Hierarchie-Tags.
{% endhint %}
### Verwandte Seiten
* [Einen Review der Prognosegenauigkeit durchführen](/de/nachfragemanagement/demand/run-forecast-review.md): wo die Diagnose in die Review-Routine passt.
* [Bedarfsanomalien untersuchen und beheben](/de/nachfragemanagement/demand/investigate-demand-anomalies.md): Engpässe, Ausreißer und vergangene Aktionen.
* [Produktähnlichkeiten](/de/konzepte/concepts/product-similarities.md): Historie für Nachfolger übernehmen.
* [Bedarf](/de/nachfragemanagement/demand.md): Expertenmodelle, Produktstrategie und Prognose berechnen.
* [Prognoseereignisse und Bedarfsanpassungen](/de/konzepte/concepts/forecast-events.md): wie Ereignisse und Korrekturen die Prognose verändern.
* [Bedarfsprognose erklärt](/de/konzepte/concepts/demand-forecasting.md): wie das Modell aus der Historie lernt.
