Absatzprognosen auf Basis von Künstlicher Intelligenz

Eine Gegenüberstellung von traditionellen Verfahren zur Absatzprognose mit praxisrelevanten Methoden auf Basis Künstlicher Intelligenz

Thèse de Master , 2015 , 113 Pages , Note: 2

Gestion d'entreprise - Divers

Vor dem Hintergrund der kurzfristigen Unternehmensplanung soll in der vorliegenden Arbeit gezeigt werden, welche Verfahren für die Absatzprognose zur Verfügung stehen. Der Einsatz von künstlicher Intelligenz zur betrieblichen Prognose steht hierbei im Fokus. Es werden einerseits die verschiedenen Typen von Prognoseverfahren theoretisch beschrieben und andererseits Bezug auf praktische Anwendungsbeispiele genommen. Mittels theoretischer Darstellung der Prognoseverfahren soll dem Leser das Verständnis für den grundsätzlichen Aufbau und die Vorgehensweise vermittelt werden. Zusätzlich soll, anhand einer Gegenüberstellung der verschiedenen Methoden, ein praxisrelevanter Vergleich der Verfahren gewährleistet sein.

Inhaltsverzeichnis

• Einleitung
• Problemstellung
• Gang der Arbeit
• Definition und Begriffserklärung von Verfahren der Absatzprognose
• Absatzprognose
• Traditionelle Absatzprognoseverfahren
• Ausgewählte Methoden der quantitativen Prognoserechnung
• Ausgewählte Methoden der qualitativen Prognoserechnung
• Der Einsatz von Künstlicher Intelligenz in der Prognoserechnung
• Definition und Begriffsbestimmung von Künstlicher Intelligenz
• Begriffsabgrenzung, Aufbau und Anwendungsgebiete von künstlichen neuronalen Netze
• Abgrenzung und Definition
• Biologisches Vorbild
• Das Perzeptron
• Signalverarbeitung im Neuron
• Lernen in neuronalen Netzen
• Das Multilayerperzeptron
• Generelle Anwendungsmöglichkeiten des MLP
• Spezielle Anwendungen von MLPs in der betrieblichen Prognose
• Weiterführende Einsatzgebiete von künstlichen neuronalen Netzen in der Prognose
• Expertensysteme
• Hybridsysteme
• Vor- und Nachteile von KI im Vergleich praxisrelevanter Prognosemodelle
• Vorgehensweise und Ziele der Gegenüberstellung
• Vergleich Expertensystem mit künstlichen neuronalen Netz
• Vergleich von klassischen mathematisch-statistischen Verfahren mit künstlichen neuronalen Netzen
• Abgrenzung und Unterschiede der Verfahren
• Gegenüberstellung der künstlichen neuronalen Netze mit traditionellen Methoden in der Literatur
• Fallstudie Absatzprognose im Bekleidungseinzelhandel
• Empirischer Vergleich von Neuronalen Netzen zur Prognose von Warenautomaten
• Fallbeispiel eines mehrschichtigen Perzeptron (MLP) zur Absatzprognose
• Ausgangssituation
• Vorbereitung der Modellbildung
• Mehrschichtiges Perzeptron

Zielsetzung und Themenschwerpunkte

Die vorliegende Masterarbeit befasst sich mit der Thematik der Absatzprognose unter Einbezug von Verfahren der Künstlichen Intelligenz (KI). Der Fokus liegt dabei auf der Gegenüberstellung von traditionellen Absatzprognoseverfahren mit modernen KI-basierten Methoden. Die Arbeit zielt darauf ab, die Einsatzmöglichkeiten und den Mehrwert von KI in der Prognoserechnung zu evaluieren und die potenziellen Vorteile gegenüber etablierten Ansätzen aufzuzeigen.

• Analyse und Vergleich traditioneller und KI-gestützter Absatzprognosemethoden
• Bewertung der Einsatzmöglichkeiten von KI in der Prognose von Absatzzahlen
• Untersuchung der Vor- und Nachteile von KI-basierten Prognosemodellen im Vergleich zu traditionellen Verfahren
• Empirische Analyse von Fallbeispielen zur Illustration des praktischen Nutzens von KI in der Absatzprognose
• Diskussion von Herausforderungen und Potenzialen der Integration von KI in die Absatzprognose

Zusammenfassung der Kapitel

• Einleitung: Dieses Kapitel stellt die Problemstellung der Arbeit vor und erläutert den Gang der Argumentation. Es wird auf die Relevanz der Absatzprognose im Kontext der modernen Wirtschaft hingewiesen und die Notwendigkeit von präzisen Prognosen für eine effiziente Unternehmensführung hervorgehoben.
• Definition und Begriffserklärung von Verfahren der Absatzprognose: Dieses Kapitel gibt eine umfassende Definition der Absatzprognose und beleuchtet die verschiedenen traditionellen Verfahren, die in der Praxis zur Prognose von Absatzzahlen eingesetzt werden. Dabei werden sowohl quantitative als auch qualitative Ansätze vorgestellt und ihre spezifischen Stärken und Schwächen analysiert.
• Der Einsatz von Künstlicher Intelligenz in der Prognoserechnung: Dieses Kapitel widmet sich der Definition und Erklärung von KI im Allgemeinen und konzentriert sich auf die Anwendung von künstlichen neuronalen Netzen in der Prognoserechnung. Es werden die Funktionsweise und die Architektur von neuronalen Netzen erläutert und anhand von Beispielen die vielfältigen Einsatzmöglichkeiten in der betrieblichen Prognose aufgezeigt.
• Vor- und Nachteile von KI im Vergleich praxisrelevanter Prognosemodelle: Dieses Kapitel analysiert die Vor- und Nachteile von KI-basierten Prognosemodellen im Vergleich zu traditionellen Verfahren. Es werden die spezifischen Stärken und Schwächen von Expertensystemen und künstlichen neuronalen Netzen im Detail beleuchtet und anhand von Fallstudien die praktische Anwendung dieser Methoden in der Absatzprognose illustriert.

Schlüsselwörter

Absatzprognose, Künstliche Intelligenz, Neuronale Netze, Expertensysteme, Traditionelle Prognosemethoden, Quantitative Prognoserechnung, Qualitative Prognoserechnung, Zeitreihenanalyse, Fallstudien, Empirische Analyse.

• Université: Klagenfurt University (Produktions-, Logistik- und Umweltmanagement)
• Note: 2
• Auteur: Wolfgang Dobernig (Auteur)
• Année de publication: 2015
• Pages: 113
• N° de catalogue: V306525
• ISBN (ebook): 9783668045347
• ISBN (Livre): 9783668045354
• Langue: allemand
• mots-clé: KI, AI, Künstliche Intelligenz, Künstliche Neurale Netzwerke, Absatzprognose, Prognosemodelle, Absatzprognoseverfahren, Prognoserechnung, Perzeptron, Expertensysteme