Startseite / Planung und Logistik / Produktionsplanung und -steuerung (PPS)

Bedarfsprognose

Fügen Sie die Absatz- oder Verbrauchshistorie ein: Der Rechner testet sechs Methoden, wählt die mit dem kleinsten Fehler und schreibt die nächsten Monate mit Konfidenzband fort, bereit für Sicherheitsbestand und wirtschaftliche Losgröße.

Werkzeug zur Vorauslegung und Abschätzung: Die Ergebnisse ersetzen weder Planung, Berechnung oder Gutachten einer fachkundigen Person noch die Prüfung nach den geltenden Normen.

Vorläufige AbschätzungRevision 03.11.2026
Bedarfshistorie
Gelesene Daten anzeigen

Verwenden Sie tatsächlichen Absatz oder Verbrauch (Abgänge), keine Bestellungen. Monate mit Fehlmengen unterschätzen den Bedarf: Korrigieren Sie sie vor dem Einfügen.

Methoden
Für die nächsten Schritte

Die Daten bleiben nur in diesem Browser und werden nicht gesendet. Deaktivieren, um sie zu löschen.

—Prognose für die nächste Periode
—

Historie, Anpassung und Prognose

Tatsächlicher Bedarf, Ein-Schritt-Prognose der gewählten Methode und künftige Prognose mit angenähertem Band.

Tippen Sie auf das Diagramm, um die Werte zu sehen.

Vergleich der Methoden

Prognose je Periode

Fehler der gewählten Methode

Tatsächlicher Bedarf minus Prognose in jeder Periode; Balken über null: Die Prognose war zu niedrig.

Tippen Sie auf das Diagramm, um die Werte zu sehen.

Tracking-Signal

Kumulierte Fehlersumme ÷ kumulierter MAD, Periode für Periode, mit den Warngrenzen. Außerhalb des Bands ist die Prognose nach oben oder unten verzerrt.

Tippen Sie auf das Diagramm, um die Werte zu sehen.

Nächster Schritt

Übernehmen Sie die Ergebnisse dieser Seite in einen anderen Rechner, mit bereits ausgefüllten Feldern.

Sicherheitsbestand →Wirtschaftliche Losgröße →Produktionskapazität →

Der Berechnungsbericht fasst Eingaben, Ergebnisse, Gleichungen, Annahmen und Quellen dieser Seite zusammen, mit Feldern für Projekt, Bearbeiter und Revision. Der Gesamtbericht enthält zusätzlich die Diagramme und Interpretationen in Farbe. Wählen Sie im Druckdialog „Als PDF speichern“.

Methode, Annahmen und Quellen

Verwendete Gleichungen

Gleitender Durchschnitt: F_t = (y_(t−1) + … + y_(t−n)) ÷ n; gewichtet: Gewichte 1, 2, …, n (das größte für die neueste Periode)
Einfache exponentielle Glättung: L_t = α·y_t + (1 − α)·L_(t−1); F_(t+1) = L_t
Holt: L_t = α·y_t + (1 − α)(L_(t−1) + b_(t−1)); b_t = β(L_t − L_(t−1)) + (1 − β)·b_(t−1); F_(t+h) = L_t + h·b_t
Holt-Winters additiv: L_t = α(y_t − s_(t−m)) + (1 − α)(L + b); s_t = γ(y_t − L_t) + (1 − γ)s_(t−m); F = L + h·b + s; multiplikativ: y_t ÷ s, y_t ÷ L_t und F = (L + h·b)·s
Fehler (e = y − F): MAD = Σ|e| ÷ N; RMSE = √(Σe² ÷ N); MAPE = Σ|e ÷ y| ÷ N; TS = Σe ÷ MAD; Band = F ± z·RMSE
Für den Sicherheitsbestand: Bedarf/Tag = mittlere Prognose ÷ Tage der Periode; Abweichung/Tag ≈ RMSE ÷ √(Tage der Periode)

Annahmen und Grenzen

  • Initialisierung: einfache exponentielle Glättung mit L = y_1; Holt mit L = y_2 und b = y_2 − y_1; Holt-Winters mit Niveau und Trend aus den Mittelwerten der ersten beiden Zyklen und Saisonindizes aus dem ersten trendbereinigten Zyklus.
  • Alle Methoden werden in denselben Perioden verglichen (nach dem ersten Saisonzyklus bzw. dem größten Fenster des gleitenden Durchschnitts), mit Ein-Schritt-Prognose. Die Rastersuche testet α, β und γ von 0,05 bis 0,95 in Schritten von 0,05: eine gute Wahl, nicht unbedingt das stetige Optimum.
  • Das Band ±z·RMSE ist angenähert und konstant; in der Praxis wächst die Unsicherheit mit dem Horizont. Sporadischer Bedarf, Aktionen, Fehlmengen und bekannte künftige Ereignisse werden nicht berücksichtigt.

Normen und technische Dokumente

  • Hyndman, R. J.; Athanasopoulos, G. Forecasting: Principles and Practice, 3rd ed., OTexts, 2021 (exponential smoothing and Holt-Winters)
  • Winters, P. R. Forecasting sales by exponentially weighted moving averages. Management Science, 6(3), 324–342, 1960
  • Holt, C. C. Forecasting seasonals and trends by exponentially weighted moving averages, ONR Memorandum 52, 1957 (reprinted in International Journal of Forecasting, 20(1), 2004)
  • Silver, E. A.; Pyke, D. F.; Thomas, D. J. Inventory and Production Management in Supply Chains, 4th ed., CRC Press, 2017 (forecast errors and tracking signal)
  • Makridakis, S.; Wheelwright, S. C.; Hyndman, R. J. Forecasting: Methods and Applications, 3rd ed., Wiley, 1998

Geltende Vorschriften

  • Beachten Sie die in Ihrem Land geltenden arbeits-, steuer- und handelsrechtlichen Vorschriften (Arbeitszeit, Überstunden und Lohnnebenkosten, Umsatzsteuer, steuerliche Abschreibung und Tarifverträge), bevor Sie diese Werte für Lohnabrechnung, Preise oder Steuererklärungen verwenden.

Häufige Fragen

Wozu dient die Bedarfsprognose?

Um Produktion, Einkauf, Bestand und Personal zu planen, bevor die Aufträge eingehen. Die statistische Prognose nutzt die Absatz- oder Verbrauchshistorie, um die nächsten Monate fortzuschreiben; danach ist sie mit dem Wissen des Vertriebs abzugleichen (Aktionen, Neukunden, verlorene Verträge).

Welche Methode soll ich wählen?

Der Rechner testet alle auf demselben Abschnitt der Historie und wählt die mit dem kleinsten Fehler. Allgemein gilt: gleitender Durchschnitt und einfache exponentielle Glättung bei stabilem Bedarf; Holt bei steigendem oder fallendem Trend; Holt-Winters bei Saisonalität (Spitzen in bestimmten Monaten). Multiplikativ, wenn die Spitze mit dem Volumen wächst; additiv, wenn die Spitze eine feste Größe hat.

Wie lese ich das Ergebnis des Beispiels?

Bei 36 Monaten Historie ist die gewählte Methode Holt-Winters multiplikativ (α = 0,05; β = 0,05; γ = 0,25), mit einem RMSE von 52,2 Einheiten und einem MAPE von 3,2 %. Die Prognose für Jan/26 beträgt 1.354 Einheiten, mit einem 90-%-Band von etwa 1.268 bis 1.440. Der gleitende 12-Monats-Durchschnitt liegt fast dreimal so weit daneben (RMSE 150,9), weil er dem Zyklus nicht folgt.

Wie viele Perioden Historie brauche ich?

Der Rechner akzeptiert 12 bis 60. Für Holt-Winters mindestens zwei vollständige Zyklen (24 Monate bei jährlicher Saisonalität); mit drei oder mehr sind die Saisonindizes stabiler. Eine sehr alte Historie kann schaden, wenn sich der Markt verändert hat: Bevorzugen Sie die letzten 3 bis 5 Jahre.

Was sind MAD, RMSE, MAPE und das Tracking-Signal?

Der MAD ist der mittlere Fehler in Einheiten; der RMSE gewichtet große Fehler stärker und dient als Basis für das Band und den Sicherheitsbestand; der MAPE ist der Fehler in Prozent des Bedarfs. Das Tracking-Signal (Summe der Fehler ÷ MAD) zeigt einen Bias: Außerhalb von ±4 liegt die Prognose immer in dieselbe Richtung daneben.

Wie bereinigt man die Daten vor der Prognose?

Verwenden Sie tatsächliche Verkäufe oder Abgänge, keine Bestellungen. Monate mit Fehlmengen, Streiks oder außergewöhnlichen Aktionen verzerren das Muster: Ersetzen Sie sie durch einen typischen Wert oder den Mittelwert der Nachbarmonate. Ein einmaliger sehr großer Auftrag eines Gelegenheitskunden ist ebenfalls zu entfernen.

Wo liegen die Grenzen?

Die Methoden setzen voraus, dass sich das Muster der Vergangenheit fortsetzt. Sie sehen weder Produkteinführungen, Kundenverluste, Preisänderungen noch Krisen voraus. Das Band verwendet ±z × RMSE, eine Näherung, die in der Praxis mit dem Horizont breiter wird. Für Artikel mit sporadischem Bedarf (viele Monate mit null) verwenden Sie eigene Methoden wie die von Croston.

Wie erkennt man, ob die Prognose verzerrt ist?

Das Diagramm des Tracking-Signals summiert die Fehler seit Beginn und teilt sie durch die mittlere absolute Abweichung. Überschreitet die Linie +4 (oder die gewählte Grenze), ist die Prognose systematisch zu niedrig; unter −4 systematisch zu hoch. Tritt das ein, prüfen Sie Methode oder Parameter oder ob sich das Bedarfsniveau verschoben hat.

Weitere Rechner dieser Gruppe

Alle in Produktionsplanung und -steuerung (PPS) ›