Zur Hauptnavigation wechseln Zur Suche wechseln Zum Hauptinhalt wechseln

Predictive Analytics im Forecasting – Status quo in österreichischen Unternehmen

  • Sebastian Wiesinger

    Studienabschlussarbeit: Masterarbeit

    Abstract

    In einer zunehmend dynamischen und unsicheren Geschäftswelt lassen sich Prognosen immer schwieriger tätigen. Da klassische Planungs- und Budgetierungs-Prozesse auf starren Annahmen basieren, stoßen diese an ihre Grenzen und können nur bedingt auf Veränderungen reagieren. Aufgrund der Digitalisierung eröffnen sich neue Möglichkeiten im Forecasting, insbesondere durch den Einsatz von Predictive Analytics. Anhand zahlreicher Praxisbeispiele sowie umfangreicher Literaturquellen entsteht der Eindruck, dass Predictive Analytics im Forecasting bereits zu einem Großteil eingesetzt wird. Aktuelle Studien verdeutlichen jedoch, dass der Einsatz dieser Technologien gering ist. Da sich die Studien meist auf den deutschsprachigen Raum beziehen, eröffnet sich eine Forschungslücke, wie der Status quo in österreichischen Unternehmen einzuschätzen ist. Vor diesem Hintergrund untersucht diese Masterarbeit vorhandene Herausforderungen, Barrieren, Erfolgsfaktoren, Handlungsempfehlungen sowie Anwendungsgebiete, die sich für österreichische Unternehmen beim Einsatz von Predictive Analytics im Forecasting ergeben. Zudem soll herausgefunden werden, wieso sich Unternehmen gegen den Einsatz der Technologie entscheiden. In der vorliegenden Arbeit wird der Status quo von Predictive Analytics im Forecasting in österreichischen Unternehmen mittels einer systematischen Literaturanalyse nach Fink sowie einer qualitativen empirischen Untersuchung nach Mayring ermittelt. Auf Basis der Analyse von 30 einschlägigen Publikationen wurde ein Kategoriensystem gebildet, das die Grundlage für die Datenauswertung bildet. Im Zuge der empirischen Untersuchung wurden insgesamt 15 Interviews mit 17 Expert*innen durchgeführt und analysiert. Die Ergebnisse der Studie verdeutlichen, dass österreichische Unternehmen Predictive Analytics im Forecasting vor allem zur Umsatz- sowie zur Cashflow-/Liquiditätsprognose als vorteilhafte Anwendungsgebiete betrachten. Darüber hinaus verdeutlichen die Ergebnisse, dass Akzeptanz- und Vertrauensprobleme sowie mangelndes Fachwissen in Bezug auf den Einsatz von Predictive Analytics im Forecasting als die aktuell größten Herausforderungen und Barrieren gelten. Ferner bestehen technologische Herausforderungen etwa im Hinblick auf Datenschutz und Datensicherheit bzw. in Bezug auf die Datenqualität und -verfügbarkeit. Im Bezug auf die Gründe, weshalb sich Unternehmen gegen den Einsatz von Predictive Analytics im Forecasting entscheiden, geht hervor, dass knappe finanzielle und personelle Ressourcen, das Geschäftsmodell oder Akzeptanz- und Vertrauensprobleme die Hauptgründe gegen den Einsatz darstellen. Die Ergebnisse der Erfolgsfaktoren zeigen, dass für den erfolgreichen Einsatz von Predictive Analytics im Forecasting die Schaffung von Akzeptanz und Vertrauen, Pilotprojekte sowie bereichsübergreifende Teams notwendig sind. Zusätzlich wird dem Controlling eine wichtige Rolle zugeschrieben, da es den Einsatz von Predictive Analytics im Forecasting eigenständig initiieren und vorantreiben sollte. Abschließend zeigen die Studienergebnisse, dass die parallele Nutzung eines klassischen und prädiktiven Forecasts, wobei letzterer zunächst als „Second Opinion“ dient, als wesentliche Handlungsempfehlung betrachtet wird. Dadurch wird Akzeptanz sowie Vertrauen in einen Predictive Forecast geschaffen. Zusätzlich ist es notwendig, die Nachvollziehbarkeit der Prognosemodelle zu gewährleisten. Aus den Ergebnissen geht hervor, dass dies mithilfe von „Explainable AI“ möglich ist, da dadurch der Rechenweg des Predictive Forecasts erklärbar und nachkalkulierbar ist. Die Datenaufbereitung und -bereinigung gehören zu wesentlichen Handlungsempfehlung, falls die aktuelle Datenbasis nicht ausreichend erscheint.
    Datum der Bewilligung2025
    OriginalspracheDeutsch (Österreich)
    Gradverleihende Hochschule
    • FH OÖ
    Betreuer/-inPeter Hofer (Betreuer*in)

    Studiengang

    • Controlling, Rechnungswesen und Finanzmanagement

    Zitieren

    '