Vorhersagen-Modell

Vorhersage-Modelle für die Wirtschaft

Für Unternehmen ist besonders das Verhalten von Kunden interessant. So können KI-Algorithmen auf der Basis verschiedener Kundendaten Rückschlüsse auf das Kaufverhalten einzelner Kunden ziehen. Relevante Informationen können hierfür zum Beispiel die folgenden sein:

• Alter, Einkommen, Ausbildung, Hobbys usw.
• Bestellungen in der Vergangenheit
• Verhalten auf einer Onlineshopseite (aufgerufene Seiten, Mausbewegungen usw.)

Der Vorteil von Vorhersage-Modellen auf KI-Grundlage liegt im Entdecken bisher unbekannter Zusammenhänge. Zusätzlich entwickeln KI-Algorithmen (zum Beispiel durch Trial-and-Error) immer treffsichere Strategien, den Kunden zu einer bestimmten Aktion zu bewegen – abhängig davon, an welcher Station der Customer Journey er sich gerade befindet.

Neben diesen individuellen Vorhersagen sind auch Makro-Prognosen möglich. Ein Deep-Learning-Algorithmus kann zum Beispiel auf der Grundlage einer Vielzahl unterschiedlicher Daten (Transaktionen, Suchanfragen, Wettervorhersage) Vorhersagen über die Käufe der kommenden Wochen abgeben. Diese Projektionen sind insbesondere für die Logistik eines Unternehmens sehr hilfreich.

Zuverlässige Prognosen für die Grundversorgung

Vorhersage-Modelle liefern Wahrscheinlichkeitswerte über zukünftige Entwicklungen. Sie lassen sich in verschiedenen Bereichen einsetzen. Beispiele:

• Vorhersage von Wahlergebnissen
• Wetterprognosen
• wirtschaftliche Entwicklungen
• zu erwartende TV-Einschaltquoten

Dazu kommen auch Bereiche der Grundversorgung, die ohne zuverlässige Prognosen nicht auskommen, wie beispielsweise der Strommarkt. Um eine konstante Spannung umfassender Stromnetze aufrechtzuerhalten und die Stromversorgung großer Gebiete zu gewährleisten, sind genaue Prognosen über den Stromverbrauch unabdingbar. Diese Prognosen beruhen auf unterschiedlichen Gegebenheiten – zum Beispiel Wetterdaten, großen TV-Events und der Kapazität von Kraftwerken.

Differenzierte Vorhersage-Modellen sind vor allem deshalb so wertvoll, weil die Zukunft ungewiss ist. Wer über gute Prognosen verfügt, hat einen klaren Wettbewerbsvorteil. Je mehr relevante Basis-Daten vorliegen, umso wahrscheinlicher werden die Vorhersagen. Das Maschinelle Lernen wird durch den umfassenden Zugriff auf große Datenmengen (Big Data) die Wahrscheinlichkeitswerte von Vorhersagen ständig optimieren.