{"id":108836,"date":"2026-10-24T14:53:53","date_gmt":"2026-10-24T14:53:53","guid":{"rendered":"https:\/\/skyplanner.ai\/?p=108836"},"modified":"2026-10-24T14:54:17","modified_gmt":"2026-10-24T14:54:17","slug":"absatzprognose","status":"publish","type":"post","link":"https:\/\/skyplanner.ai\/de\/ressourcen\/absatzprognose\/","title":{"rendered":"Absatzprognose in der Fertigung: Ein Praxisleitfaden"},"content":{"rendered":"<div class=\"gb-container gb-container-article01 article-main-content-container\">\n\n<h1 class=\"wp-block-heading\">Absatzprognose in der Fertigung: Ein Praxisleitfaden<\/h1>\n\n<div class=\"gb-container gb-container-article02\">\n\n<p><a href=\"\/de\/\">Startseite<\/a> &raquo; <a href=\"https:\/\/skyplanner.ai\/de\/ressourcen\/\">Ressourcen<\/a> &raquo; Absatzprognose in der Fertigung: Ein Praxisleitfaden<\/p>\n\n\n<p class=\"yoast-reading-time__wrapper\"><span class=\"yoast-reading-time__icon\"><svg aria-hidden=\"true\" focusable=\"false\" data-icon=\"clock\" width=\"20\" height=\"20\" fill=\"none\" stroke=\"currentColor\" style=\"display:inline-block;vertical-align:-0.1em\" role=\"img\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" viewBox=\"0 0 24 24\"><path stroke-linecap=\"round\" stroke-linejoin=\"round\" stroke-width=\"2\" d=\"M12 8v4l3 3m6-3a9 9 0 11-18 0 9 9 0 0118 0z\"><\/path><\/svg><\/span><span class=\"yoast-reading-time__spacer\" style=\"display:inline-block;width:1em\"><\/span><span class=\"yoast-reading-time__descriptive-text\">Gesch\u00e4tzte Lesezeit: <\/span><span class=\"yoast-reading-time__reading-time\">14<\/span><span class=\"yoast-reading-time__time-unit\"> Minuten<\/span><\/p>\n\n<\/div>\n<div class=\"gb-container gb-container-article03\">\n\n<p><strong>Eine Absatzprognose f\u00fcr die Fertigung sch\u00e4tzt, welche Produkte Kunden wann und in welchen Mengen ben\u00f6tigen werden.<\/strong> Sie verbindet die bisherige Nachfrage mit Informationen \u00fcber bevorstehende Ver\u00e4nderungen. Damit haben Einkauf und Produktion eine gemeinsame Entscheidungsgrundlage.<\/p>\n\n\n<p>Eine brauchbare Prognose hilft Ihnen, sich vorzubereiten, ohne f\u00fcr jeden m\u00f6glichen Verkauf schon Lagerbestand aufzubauen. Wenn Sie Prognosefehler und Annahmen pr\u00fcfen, k\u00f6nnen Sie besser entscheiden, was Sie jetzt verbindlich einplanen und was noch warten kann. Die Absatzprognose ist ein Teil der Absatzplanung. Diese umfasst dar\u00fcber hinaus die Bewertung von Marktinformationen und die Abstimmung des Absatzplans.<\/p>\n\n\n<p>In der Praxis sind zwei Aufgaben zu l\u00f6sen: Zuerst m\u00fcssen Sie die Nachfrage f\u00fcr die anstehende Entscheidung hinreichend gut sch\u00e4tzen. Dann brauchen Sie einen Produktionsplan, mit dem sich die beschlossene Reaktion umsetzen l\u00e4sst. SkyPlanner APS \u00fcbernimmt die Feinplanung hinter Ihren Fertigungsentscheidungen. \u00c4ndern sich diese, m\u00fcssen Sie nicht f\u00fcr jede Maschine die Auftragsreihenfolge neu aufbauen.<\/p>\n\n\n<p>So erstellen Sie die Prognose, bewerten ihre Fehler und setzen sie in der Praxis ein.<\/p>\n\n\n<h2 class=\"wp-block-heading\">1. Kl\u00e4ren Sie, welche Entscheidung die Prognose unterst\u00fctzen soll<\/h2>\n\n\n<p>Beginnen Sie mit der Entscheidung, nicht mit dem Prognosemodell. Ob Sie Material f\u00fcr ein Produkt mit langer Durchlaufzeit reservieren, die Lagerproduktion f\u00fcr den n\u00e4chsten Monat festlegen oder eine zus\u00e4tzliche Produktionsschicht erw\u00e4gen: Jede dieser Entscheidungen erfordert einen anderen Detaillierungsgrad.<\/p>\n\n\n<p>Halten Sie vor der Datensammlung vier Dinge fest:<\/p>\n\n\n<ul class=\"wp-block-list\"><li><strong>Den Gegenstand der Prognose:<\/strong> ein Fertigprodukt, eine Produktfamilie oder ein anderes klar abgegrenztes Planungsobjekt.<\/li><li><strong>Die Einheit:<\/strong> St\u00fcck, Packungen, Kilogramm oder eine andere einheitlich verwendete physische Mengeneinheit. Der Umsatz allein kann \u00c4nderungen bei Preisen und Produktmix verdecken.<\/li><li><strong>Die Periode:<\/strong> wann die Kunden das Produkt ben\u00f6tigen. Verwenden Sie daf\u00fcr durchg\u00e4ngig den Kundenwunschtermin, soweit die Daten dies zulassen.<\/li><li><strong>Den Horizont:<\/strong> wie weit im Voraus Sie entscheiden m\u00fcssen, unter Ber\u00fccksichtigung der Beschaffungs- und Fertigungsdurchlaufzeiten.<\/li><\/ul>\n\n\n<p>Wenn Sie Material vier Wochen vor dem Bedarfstermin verbindlich disponieren, reicht eine Prognose nicht aus, die erst eine Woche vorher genau ist. Bewerten Sie die Sch\u00e4tzung, die vier Wochen im Voraus vorlag und auf die sich der Einkauf tats\u00e4chlich st\u00fctzen muss.<\/p>\n\n\n<p>W\u00e4hlen Sie die Planungsebene passend zur Entscheidung. Eine Prognose auf Ebene der Produktfamilie kann helfen, eine k\u00fcnftige Schicht zu beurteilen. Sie sagt dem Einkauf aber nicht, welches variantenspezifische Bauteil er beschaffen soll. Umgekehrt k\u00f6nnen Einzelprognosen f\u00fcr jede selten bestellte Variante mehr Rauschen als Erkenntnis liefern. Stellen Sie sicher, dass die Gesamtmenge der Produktfamilie mit der Aufteilung auf die einzelnen Artikel \u00fcbereinstimmt. Pr\u00fcfen Sie au\u00dferdem, ob \u00c4nderungen im Produktmix f\u00fcr Material oder Kapazit\u00e4t relevant sind.<\/p>\n\n\n<p>In der Lagerfertigung unterst\u00fctzen Prognosen die Entscheidung \u00fcber den Bestandsnachschub. In der Auftragsfertigung k\u00f6nnen feste Auftr\u00e4ge die tats\u00e4chlichen Fertigungsfreigaben ausl\u00f6sen, w\u00e4hrend Prognosen helfen, die Bereitstellung gemeinsam genutzter Kapazit\u00e4ten oder von Materialien mit langen Beschaffungszeiten zu planen. Nur weil eine Prognose vorliegt, m\u00fcssen Sie noch keine Fertigwaren auf Verdacht produzieren.<\/p>\n\n\n<p>Trennen Sie Absatzziel und Prognose. Ein Ziel beschreibt, was das Unternehmen verkaufen m\u00f6chte; eine Prognose beschreibt, welche Kundennachfrage es derzeit erwartet. Wer die Prognose auf die heutige Fertigungskapazit\u00e4t heruntersetzt, verdeckt m\u00f6glicherweise ungedeckte Nachfrage, statt das Problem zu l\u00f6sen.<\/p>\n\n\n<h2 class=\"wp-block-heading\">2. Bereiten Sie historische Daten auf, die die Kundennachfrage abbilden<\/h2>\n\n\n<p>Verwenden Sie eine konsistente Zeitreihe der nachgefragten Mengen je Artikel und Periode. Ein Versandbericht aus Ihrem ERP kann als Ausgangspunkt dienen. Pr\u00fcfen Sie aber, wof\u00fcr die darin enthaltenen Termine und Mengen tats\u00e4chlich stehen.<\/p>\n\n\n<p>Versp\u00e4tete Lieferungen sind eine h\u00e4ufige Fehlerquelle. Mengen, die f\u00fcr eine Woche angefragt, aber erst in der n\u00e4chsten versandt wurden, k\u00f6nnen die erste Woche nachfrageschwach und die zweite ungew\u00f6hnlich stark erscheinen lassen. Wenn Sie vorhersagen m\u00f6chten, wann Produkte verf\u00fcgbar sein m\u00fcssen, verwenden Sie m\u00f6glichst die vom Kunden gew\u00fcnschte Periode. Sonst lernt das Modell Ihre eigenen Lieferverz\u00f6gerungen als Nachfragemuster.<\/p>\n\n\n<p>Pr\u00fcfen Sie die historischen Daten gemeinsam mit Vertrieb und Produktion:<\/p>\n\n\n<ul class=\"wp-block-list\"><li>Bereinigen Sie doppelte Datens\u00e4tze, fehlerhafte Einheitenumrechnungen und \u00c4nderungen der Artikelnummern. Ber\u00fccksichtigen Sie Retouren und Stornierungen entsprechend ihrer Ursache, statt jede Korrektur als neue negative Nachfrage zu behandeln.<\/li><li>Behalten Sie Perioden bei, in denen tats\u00e4chlich keine Nachfrage bestand. Ein fehlender Datensatz ist nicht automatisch ein Nullwert. Wenn Sie Wochen ohne Nachfrage entfernen, kann die Sch\u00e4tzung zu hoch ausfallen.<\/li><li>Kennzeichnen Sie Fehlbest\u00e4nde, Mengenzuteilungen und Kapazit\u00e4tsbeschr\u00e4nkungen. Wenn Kunden 100 St\u00fcck wollten, aber nur 60 St\u00fcck versandt wurden, belegt das keine Nachfrage von lediglich 60 St\u00fcck. Nutzen Sie erfasste, nicht erf\u00fcllte Kundenanfragen, sofern verf\u00fcgbar. Kennzeichnen Sie gesch\u00e4tzte entgangene Nachfrage ausdr\u00fccklich als Sch\u00e4tzung.<\/li><li>Kennzeichnen Sie Verkaufsaktionen, einmalige Vertr\u00e4ge, Produkteinf\u00fchrungen und ausgelaufene Produkte. Bewahren Sie die Rohdaten auf und dokumentieren Sie, warum Sie die f\u00fcr das Modell verwendete Zeitreihe anpassen.<\/li><\/ul>\n\n\n<p>Stellen Sie die aufbereiteten Mengen im Zeitverlauf grafisch dar. Achten Sie auf ein stabiles Niveau, anhaltendes Wachstum oder einen R\u00fcckgang, wiederkehrende saisonale Spitzen und lange Abst\u00e4nde zwischen Bestellungen. Diese Muster helfen Ihnen zu entscheiden, welche Methoden einen Test wert sind.<\/p>\n\n\n<p>Prognostizieren Sie nicht jedes Bauteil unabh\u00e4ngig, wenn sich sein Bedarf aus den geplanten \u00fcbergeordneten Produkten ergibt. Dieser abh\u00e4ngige Bedarf sollte \u00fcber die St\u00fcckliste und die Materialbedarfsrechnung ermittelt werden. Andernfalls riskieren Sie widerspr\u00fcchliche Antworten auf dieselbe Beschaffungsfrage.<\/p>\n\n\n<h2 class=\"wp-block-heading\">3. W\u00e4hlen Sie die Prognosemethode passend zum Nachfragemuster<\/h2>\n\n\n<p>Es gibt keine Methode, die f\u00fcr jedes gefertigte Produkt die beste ist. Beginnen Sie mit einem einfachen Referenzverfahren und pr\u00fcfen Sie dann, ob eine andere Methode die anstehenden Entscheidungen verbessert.<\/p>\n\n\n<figure class=\"wp-block-table\"><table><thead><tr><th>Nachfragesituation<\/th><th>Sinnvoller Ausgangspunkt<\/th><th>Was Sie pr\u00fcfen sollten<\/th><\/tr><\/thead><tbody><tr><td>Relativ stabile Nachfrage<\/td><td>Gleitender Durchschnitt der j\u00fcngsten Perioden oder einfache exponentielle Gl\u00e4ttung<\/td><td>Ob das gew\u00e4hlte Zeitfenster zuf\u00e4llige Schwankungen gl\u00e4ttet, ohne echte Ver\u00e4nderungen zu verdecken<\/td><\/tr><tr><td>Wiederkehrende saisonale Nachfrage<\/td><td>Letzte vergleichbare Saison als Referenz; ein saisonales Prognosemodell<\/td><td>Ob sich die Lage von Feiertagen, die Zahl der Arbeitstage oder das Sortiment ge\u00e4ndert haben<\/td><\/tr><tr><td>Anhaltender Trend<\/td><td>Ein Modell, das Trends abbildet, etwa exponentielle Gl\u00e4ttung mit Trendkomponente<\/td><td>Ob das Wachstum anh\u00e4lt oder sich das Produkt der Reifephase n\u00e4hert<\/td><\/tr><tr><td>Nachfrage mit messbaren Einflussgr\u00f6\u00dfen<\/td><td>Regression oder ein geeignetes Modell f\u00fcr maschinelles Lernen<\/td><td>Ob Informationen zu den Einflussgr\u00f6\u00dfen zum Zeitpunkt der Prognoseerstellung tats\u00e4chlich verf\u00fcgbar sein werden<\/td><\/tr><tr><td>Viele Perioden ohne Nachfrage und gelegentliche Bestellungen<\/td><td>Ein Ansatz f\u00fcr sporadische Nachfrage, etwa ein Croston-Verfahren<\/td><td>Die Prognoseg\u00fcte \u00fcber den Wiederbeschaffungshorizont \u2013 nicht nur, ob jede Woche ohne Nachfrage richtig vorhergesagt wird<\/td><\/tr><tr><td>Neues Produkt mit wenigen historischen Daten<\/td><td>Erfahrungswerte vergleichbarer Produkte und strukturierte Einsch\u00e4tzungen von Vertrieb und Kunden<\/td><td>Annahmen zur Markteinf\u00fchrung, Verdr\u00e4ngung bestehender Produkte und wie schnell Erkenntnisse aus der tats\u00e4chlichen Nachfrage einflie\u00dfen<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n<p>Die einfache exponentielle Gl\u00e4ttung gewichtet j\u00fcngere Beobachtungen st\u00e4rker, bildet in ihrer Grundform aber weder Trend noch Saisonalit\u00e4t ab. Croston-Verfahren ber\u00fccksichtigen bei sporadischer Nachfrage die Mengen in Perioden mit Nachfrage sowie die Abst\u00e4nde dazwischen. Die Unsicherheit \u00fcber die n\u00e4chste Bestellung beseitigen sie nicht.<\/p>\n\n\n<p>Ein einfaches Beispiel f\u00fcr den gleitenden Durchschnitt: Angenommen, in den letzten drei Wochen wurden 80, 100 und 120 St\u00fcck nachgefragt. Mit einem gleitenden Dreiwochendurchschnitt ergibt sich f\u00fcr die n\u00e4chste Woche folgende Prognose:<\/p>\n\n\n<p><strong>Prognose = (80 + 100 + 120) \u00f7 3 = 100 St\u00fcck.<\/strong><\/p>\n\n\n<p>Diese Berechnung l\u00e4sst sich leicht erkl\u00e4ren. Sie kann einem tats\u00e4chlichen Aufw\u00e4rtstrend allerdings hinterherlaufen. Drei Beobachtungen veranschaulichen den Rechenweg, belegen aber nicht, dass die Methode f\u00fcr das Produkt geeignet ist.<\/p>\n\n\n<p>Vergleichen Sie die infrage kommenden Verfahren mit einfachen Referenzprognosen: der zuletzt beobachteten Nachfrage und bei saisonalen Artikeln der letzten vergleichbaren Saisonperiode. Ein komplexeres Modell sollte sich durch bessere Ergebnisse au\u00dferhalb der Trainingsdaten oder durch bessere betriebliche Entscheidungen rechtfertigen \u2013 nicht durch einen anspruchsvoll klingenden Namen.<\/p>\n\n\n<p>Ein Modell, das Verkaufsaktionen oder Konjunkturindikatoren nutzt, braucht auch realistische Eingangswerte f\u00fcr die Zukunft. Wird es mit Informationen getestet, die zum Prognosezeitpunkt noch nicht verf\u00fcgbar waren, erscheint es besser, als es in der Praxis h\u00e4tte sein k\u00f6nnen. Ein Zusammenhang, der sich f\u00fcr Vorhersagen eignet, beweist f\u00fcr sich genommen noch nicht, dass eine Ver\u00e4nderung der Einflussgr\u00f6\u00dfe einen bestimmten Absatzanstieg verursacht.<\/p>\n\n\n<h2 class=\"wp-block-heading\">4. Gesch\u00e4ftswissen einbeziehen, ohne die Basisprognose aus dem Blick zu verlieren<\/h2>\n\n\n<p>Vergangenheitsdaten allein liefern kein vollst\u00e4ndiges Bild. Vielleicht hat ein Kunde einen Betriebsstillstand angek\u00fcndigt, ein Vertriebspartner er\u00f6ffnet einen weiteren Standort oder ein Produkt l\u00f6st ein \u00e4lteres Modell ab.<\/p>\n\n\n<p>Lassen Sie die statistische Basisprognose sichtbar und dokumentieren Sie jede fachliche Anpassung separat. Halten Sie Menge, Zeitraum, Grund, verantwortliche Person und Pr\u00fcftermin fest. Pr\u00fcfen Sie vor jeder Erg\u00e4nzung, ob der Effekt bereits im Modell oder in einer anderen Anpassung ber\u00fccksichtigt ist.<\/p>\n\n\n<p>Angenommen, die Basisprognose f\u00fcr eine kommende Woche betr\u00e4gt 100 Einheiten. Der Vertrieb belegt, dass ein Neukunde 20 zus\u00e4tzliche Einheiten nachfragen wird, die bisher noch nicht ber\u00fccksichtigt sind. Die \u00fcberpr\u00fcfte Prognose steigt damit auf 120 Einheiten. Verlagert der Kunde seine Nachfrage von einem anderen Produkt, passen Sie auch dessen Prognose an, statt die Verlagerung als reines Wachstum zu erfassen.<\/p>\n\n\n<p>So l\u00e4sst sich die \u00dcberpr\u00fcfung konkret durchf\u00fchren: Ist die zus\u00e4tzliche Nachfrage eingetreten, in welchem Zeitraum, und hat die manuelle Anpassung die Prognose verbessert? Vergleichen Sie \u00fcber die Zeit den Fehler der Basisprognose mit dem der angepassten Prognose. Behalten Sie Anpassungen bei, die zus\u00e4tzliche Informationen einbringen, und untersuchen Sie diejenigen, die wiederholt nur f\u00fcr mehr Optimismus sorgen.<\/p>\n\n\n<p>Halten Sie bei einer unsicheren Produkteinf\u00fchrung oder einem unsicheren Gro\u00dfauftrag ein Basisszenario sowie plausible Szenarien mit h\u00f6herer und niedrigerer Nachfrage samt ihren Annahmen fest. Das sind Planungsszenarien, keine statistisch kalibrierten Prognoseintervalle. Ermitteln Sie damit, welche Entscheidungen sich \u00e4ndern w\u00fcrden: etwa eine Materialreservierung, eine zus\u00e4tzliche Schicht oder die Entscheidung, sich erst sp\u00e4ter auf einen Fertigwarenbestand festzulegen.<\/p>\n\n\n<h2 class=\"wp-block-heading\">5. Prognosefehler mit dem entscheidenden zeitlichen Vorlauf messen<\/h2>\n\n\n<p>Speichern Sie jede herausgegebene Prognose mit Datum, Zielzeitraum, Artikel und Version. Sobald die tats\u00e4chliche Nachfrage bekannt ist, vergleichen Sie sie mit der Version, die zum notwendigen Entscheidungszeitpunkt vorlag \u2013 nicht mit der letzten \u00dcberarbeitung kurz vor der Lieferung.<\/p>\n\n\n<p>Nutzen Sie zur Auswahl des Verfahrens einen historischen Backtest. Passen Sie das Modell ausschlie\u00dflich mit Informationen an, die zu einem fr\u00fcheren Stichtag verf\u00fcgbar waren, und erstellen Sie die Prognose f\u00fcr den ben\u00f6tigten Horizont. Verschieben Sie dann den Stichtag nach vorn und wiederholen Sie den Vorgang. Dieser Ansatz mit fortlaufend verschobenem Prognosestichtag pr\u00fcft die tats\u00e4chliche Aufgabenstellung, ohne sp\u00e4tere Beobachtungen in fr\u00fchere Prognosen einflie\u00dfen zu lassen.<\/p>\n\n\n<h3 class=\"wp-block-heading\">Ein Beispiel f\u00fcr Prognosefehler<\/h3>\n\n\n<p>Angenommen, Sie bewerten vier Zielwochen f\u00fcr ein Produkt. In jeder der folgenden Zeilen wurde die gespeicherte Prognose <strong>vier Wochen vor der jeweiligen Zielwoche<\/strong> herausgegeben. Der vorzeichenbehaftete Fehler ist hier als Prognose minus tats\u00e4chliche Nachfrage definiert. Ein positiver Wert bedeutet also, dass die Prognose zu hoch lag.<\/p>\n\n\n<figure class=\"wp-block-table\"><table><thead><tr><th>Zielwoche<\/th><th>Gespeicherte Prognose<\/th><th>Tats\u00e4chliche Nachfrage<\/th><th>Vorzeichenbehafteter Fehler<\/th><th>Absoluter Fehler<\/th><\/tr><\/thead><tbody><tr><td>Woche 1<\/td><td>110<\/td><td>100<\/td><td>+10<\/td><td>10<\/td><\/tr><tr><td>Woche 2<\/td><td>110<\/td><td>120<\/td><td>\u221210<\/td><td>10<\/td><\/tr><tr><td>Woche 3<\/td><td>110<\/td><td>80<\/td><td>+30<\/td><td>30<\/td><\/tr><tr><td>Woche 4<\/td><td>110<\/td><td>100<\/td><td>+10<\/td><td>10<\/td><\/tr><tr><td>Summe<\/td><td>440<\/td><td>400<\/td><td>+40<\/td><td>60<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n<p>Drei Kennzahlen beleuchten unterschiedliche Aspekte dieses Ergebnisses:<\/p>\n\n\n<p><strong>Mittlerer absoluter Fehler (MAE) = Summe der absoluten Fehler \u00f7 Anzahl der Perioden = 60 \u00f7 4 = 15 Einheiten pro Woche.<\/strong><\/p>\n\n\n<p>Der MAE gibt die typische Fehlergr\u00f6\u00dfe anschaulich in der Mengeneinheit des Produkts an. Er zeigt nicht, ob die Prognosen tendenziell zu hoch oder zu niedrig liegen.<\/p>\n\n\n<p><strong>Gewichteter absoluter prozentualer Fehler (WAPE) = Summe der absoluten Fehler \u00f7 Summe der tats\u00e4chlichen Nachfrage \u00d7 100 = 60 \u00f7 400 \u00d7 100 = 15 %.<\/strong><\/p>\n\n\n<p>Bei diesen nicht negativen Nachfragemengen setzt der WAPE den absoluten Fehler ins Verh\u00e4ltnis zur Gesamtnachfrage. Das bedeutet weder, dass die Prognose in jeder Woche h\u00f6chstens um 15 % abwich, noch, dass Sie die Nachfrage mit einer Wahrscheinlichkeit von 85 % decken k\u00f6nnen.<\/p>\n\n\n<p><strong>Mittlerer vorzeichenbehafteter Fehler, auch Bias genannt = Summe der vorzeichenbehafteten Fehler \u00f7 Anzahl der Perioden = 40 \u00f7 4 = +10 Einheiten pro Woche.<\/strong><\/p>\n\n\n<p>Nach der hier verwendeten Vorzeichenkonvention lag die Prognose im Durchschnitt zu hoch. \u00dcber die vier Wochen hinweg \u00fcberstieg sie die tats\u00e4chliche Nachfrage um 40 Einheiten, also um 10 % der gesamten tats\u00e4chlichen Nachfrage. Zu hohe und zu niedrige Prognosen k\u00f6nnen sich in der Summe ausgleichen. Deshalb l\u00e4sst sich die Fehlergr\u00f6\u00dfe nicht allein anhand des Bias beschreiben.<\/p>\n\n\n<p>Diese vier Zeilen veranschaulichen die Kennzahlen, reichen aber nicht als Datengrundlage f\u00fcr eine Validierung aus. F\u00fchren Sie gen\u00fcgend rollierende Tests durch, um die f\u00fcr das Produkt relevanten saisonalen Verl\u00e4ufe, Bestellmuster und Ver\u00e4nderungen abzubilden.<\/p>\n\n\n<h3 class=\"wp-block-heading\">Irref\u00fchrende Genauigkeitskennzahlen vermeiden<\/h3>\n\n\n<p>Beim MAPE wird der absolute Fehler jeder Periode durch die tats\u00e4chliche Nachfrage dieser Periode geteilt. Bei einer tats\u00e4chlichen Nachfrage von null ist er nicht definiert, bei Werten nahe null wird er instabil. F\u00fcr Produkte mit nur sporadischer Nachfrage ist er daher als Standardkennzahl schlecht geeignet.<\/p>\n\n\n<p>Der WAPE kann einzelne Perioden ohne Nachfrage einbeziehen, ist jedoch nicht definiert, wenn die gesamte tats\u00e4chliche Nachfrage null betr\u00e4gt. Sein Nenner ver\u00e4ndert sich zudem mit der Nachfragemenge: Bei steigender Nachfrage kann sich der Prozentwert verbessern, obwohl der Fehler in Einheiten unver\u00e4ndert bleibt. Betrachten Sie ihn deshalb zusammen mit MAE, Bias und der einfachen Referenzprognose f\u00fcr dieselben Testperioden.<\/p>\n\n\n<p>Die Summe einer Produktfamilie kann verdecken, dass die Nachfrage einer Variante dauerhaft zu hoch und die einer anderen zu niedrig prognostiziert wird. Pr\u00fcfen Sie nicht nur den Gesamtdurchschnitt, sondern auch die Produkte, die Lieferrisiken, hohe Bestandskosten oder die Belastung kritischer Ressourcen bestimmen.<\/p>\n\n\n<p>Es gibt keinen allgemeing\u00fcltigen Grenzwert f\u00fcr einen akzeptablen prozentualen Prognosefehler. Ein Fehler von 15 Einheiten hat bei einem g\u00fcnstigen Standardteil andere Folgen als bei einer selten nachgefragten fertigen Baugruppe. Beurteilen Sie die Prognose anhand der Kosten von Fehlmengen und \u00dcberbest\u00e4nden, der Wiederbeschaffungszeit und Ihrer verf\u00fcgbaren Reaktionsm\u00f6glichkeiten. Legen Sie Puffer auf Grundlage der Unsicherheit und Ihrer Vorgaben zur Lieferbereitschaft fest; addieren Sie nicht einfach den MAE zu jeder Produktionsmenge.<\/p>\n\n\n<h2 class=\"wp-block-heading\">6. Aus der Prognose eine Produktionsentscheidung ableiten<\/h2>\n\n\n<p>Die \u00fcberpr\u00fcfte Prognose ist eine Sch\u00e4tzung der Kundennachfrage. Die Produktionsmenge wird davon getrennt festgelegt. In diese Entscheidung flie\u00dfen best\u00e4tigte Auftr\u00e4ge, nutzbare Best\u00e4nde, bereits vorgesehene Produktionszug\u00e4nge und der gew\u00fcnschte verbleibende Bestand ein.<\/p>\n\n\n<p>Vermeiden Sie es, dieselbe Nachfrage doppelt zu z\u00e4hlen. Betr\u00e4gt die Prognose 120 Einheiten und decken best\u00e4tigte Auftr\u00e4ge davon 70 Einheiten ab, bleiben bei einer einfachen Prognoseverrechnung innerhalb derselben Periode noch 50 Einheiten der Prognose offen. Die Gesamtnachfrage bleibt bei 120, nicht 190. Ihre tats\u00e4chlich eingesetzte Verrechnungsregel kann Prognosen auch \u00fcber verschiedene Termine oder Nachfrageklassen hinweg verrechnen.<\/p>\n\n\n<p>Angenommen, Sie haben 30 nutzbare Fertigprodukte auf Lager, m\u00f6chten am Periodenende noch 10 Einheiten \u00fcbrig haben und erwarten keine Zug\u00e4nge aus der Produktion. Um die Nachfrage von 120 Einheiten zu decken, w\u00e4ren als Produktionsvorschlag <strong>100 Einheiten erforderlich: 120 + 10 \u2212 30<\/strong>. Das setzt voraus, dass Best\u00e4nde und fertiggestellte Mengen rechtzeitig vor der jeweiligen Nachfrage verf\u00fcgbar sind.<\/p>\n\n\n<p>Die <a href=\"https:\/\/skyplanner.ai\/de\/ressourcen\/master-production-schedule\/\">Produktionsprogrammplanung<\/a> legt diese Mengen und Verf\u00fcgbarkeitstermine auf Artikelebene fest. Die <a href=\"\/de\/ressourcen\/mrp-kurzanleitung\/\">MRP<\/a> berechnet die Materialien und Komponenten f\u00fcr die freigegebenen Produktionsmengen. Weder die Prognose noch eine Bestandsrechnung belegt jedoch, dass im Werk gen\u00fcgend Kapazit\u00e4t vorhanden ist, um diese Mengen rechtzeitig zu fertigen.<\/p>\n\n\n<p>Angenommen, die Fertigung dieser 100 Einheiten ben\u00f6tigt je Einheit 0,2 Maschinenstunden zuz\u00fcglich zwei Stunden R\u00fcstzeit: insgesamt <strong>22 Stunden<\/strong> auf der kritischen Maschine. Andere zugesagte Auftr\u00e4ge beanspruchen dort bereits 20 Stunden, w\u00e4hrend bis zum erforderlichen Fertigstellungstermin nur 40 Stunden verf\u00fcgbar sind. Die geplante Belastung betr\u00e4gt damit 42 Stunden. Sie m\u00fcssen die Kapazit\u00e4tsl\u00fccke von zwei Stunden schlie\u00dfen, eine geeignete Alternative nutzen oder eine Zusage \u00e4ndern.<\/p>\n\n\n<p>Senken Sie die Absatzprognose nicht auf 110, nur damit die Maschinenauslastung passt. Lassen Sie die gesch\u00e4tzte Kundennachfrage sichtbar und entscheiden Sie, wie Sie die Versorgungsl\u00fccke schlie\u00dfen.<\/p>\n\n\n<h2 class=\"wp-block-heading\">Planen Sie die beschlossenen Fertigungsma\u00dfnahmen mit SkyPlanner<\/h2>\n\n\n<p>Wenn Sie aufgrund einer ge\u00e4nderten Prognose eine Fertigungszusage anpassen, kann das Umplanungen an mehreren Maschinen und Auftr\u00e4gen erfordern. Eine zus\u00e4tzliche Charge wirkt sich auf die nachfolgenden Arbeitsg\u00e4nge aus, auf die bereits eingeplanten Arbeiten an den betroffenen Maschinen und auf die davon abh\u00e4ngigen Liefertermine.<\/p>\n\n\n<p><strong>SkyPlanner APS f\u00fchrt diese Arbeiten in <a href=\"https:\/\/skyplanner.ai\/de\/ressourcen\/was-ist-feinplanung\/\">einem gemeinsamen Belegungsplan f\u00fcr alle Ressourcen<\/a> zusammen.<\/strong> Definieren Sie Arbeitsstationen, Schichten, Bedienpersonal, Prozessschritte und deren Dauer. Mit Priorit\u00e4ten und Fixierungen steuern Sie anschlie\u00dfend den Plan. Arcturus, die Planungs-KI von SkyPlanner, berechnet die Einplanung der Arbeitsg\u00e4nge anhand der hinterlegten Kapazit\u00e4ten, der geeigneten Ressourcen und der Abh\u00e4ngigkeiten zwischen den Arbeitsg\u00e4ngen. Die Gantt-Ansicht zeigt die daraus entstehende Reihenfolge und die Fertigstellungstermine.<\/p>\n\n\n<p>F\u00fcr die vorgeschlagene Fertigungsmenge von 100 St\u00fcck wird so die ben\u00f6tigte Maschinenbearbeitung mit den \u00fcbrigen Schritten des Arbeitsplans und den anderen Arbeiten auf denselben Ressourcen verkn\u00fcpft. Sie k\u00f6nnen pr\u00fcfen, ob eine genehmigte Anpassung des Schichtplans oder eine andere Priorisierung die termingerechte Fertigstellung erm\u00f6glicht, ohne die Belegung jeder betroffenen Maschine von Hand abgleichen zu m\u00fcssen.<\/p>\n\n\n<p>Wenn die Materialber\u00fccksichtigung in der Planung aktiviert ist, bezieht Arcturus Best\u00e4nde und die Verf\u00fcgbarkeit eingehender Materialien in die Berechnung der Startzeiten ein. Erwartete Liefertermine aus Bestellungen stehen f\u00fcr die voraussichtliche Verf\u00fcgbarkeit; der Bestand wird erst aktualisiert, wenn der Wareneingang best\u00e4tigt ist. Eine laut Plan freie Maschine allein reicht nicht aus, wenn das Material fehlt oder der vorhergehende Arbeitsgang noch nicht abgeschlossen ist.<\/p>\n\n\n<p>Belassen Sie Prognosen und Entscheidungen zur Nachversorgung in Ihrem Absatzplanungsprozess oder ERP-System. SkyPlanner erzeugt aus Prognosen nicht automatisch Fertigungsarbeitsg\u00e4nge, sondern plant die Arbeiten ein, die Sie anlegen oder \u00fcber eine Schnittstelle \u00fcbergeben. <strong>SkyPlanner l\u00e4sst sich \u00fcber seine offene REST API mit jedem ERP- oder MES-System verbinden<\/strong>. So k\u00f6nnen Sie das System beibehalten, in dem Sie diese Entscheidungen treffen, und deren Umsetzung in der Feinplanung verbessern.<\/p>\n\n\n<p>Genau daf\u00fcr lohnt sich SkyPlanner, wenn Nachfrage\u00e4nderungen immer wieder manuelle Umplanungen ausl\u00f6sen: Die Planer legen fest, was wichtig ist. Arcturus berechnet die Belegungsreihenfolge auf den Ressourcen, mit der diese Entscheidungen umgesetzt werden.<\/p>\n\n\n<h3 class=\"wp-block-heading\">Was schnellere Umplanung bei Fredman Operations ver\u00e4ndert hat<\/h3>\n\n\n<p><a href=\"https:\/\/skyplanner.ai\/de\/kundenberichte\/fredman-operations\/\">Fredman Operations<\/a>, ein finnischer Hersteller lebensmittelechter K\u00fcchen- und Verpackungsprodukte, priorisierte Arbeitsg\u00e4nge fr\u00fcher von Hand. Dabei fehlte der genaue \u00dcberblick dar\u00fcber, wann Maschinen wieder frei w\u00fcrden und welche Kapazit\u00e4t je Schicht verf\u00fcgbar war. Dringende Umplanungen konnten eine Stunde oder l\u00e4nger dauern.<\/p>\n\n\n<p>Mit der Einf\u00fchrung von SkyPlanner wurden die Systeme L7 und LTR angebunden und Kapazit\u00e4ten sowie anstehende Arbeiten in einer gemeinsamen Gantt-Ansicht zusammengef\u00fchrt. Laut Kundenbericht l\u00e4sst sich die Anfrage, einen gesamten Auftragsbestand vorzuziehen, nun in Sekunden pr\u00fcfen \u2013 statt daf\u00fcr stundenlang von Hand zu rechnen. Das Team berichtet au\u00dferdem von weniger \u00dcberstunden und schnelleren Reaktionen auf Plan\u00e4nderungen.<\/p>\n\n\n<p>Der entscheidende Nutzen liegt in der Reaktion der Produktion: Es wird klar, was eine ge\u00e4nderte Anforderung f\u00fcr die anstehenden Arbeiten und Liefertermine bedeutet, solange noch Zeit zum Handeln bleibt.<\/p>\n\n\n<h2 class=\"wp-block-heading\">Halten Sie Prognose und Fertigungsma\u00dfnahmen aufeinander abgestimmt<\/h2>\n\n\n<p>Legen Sie einen \u00dcberpr\u00fcfungsrhythmus fest, der zu Ihren Entscheidungen passt. Aktualisieren Sie die Basisprognose, sobald neue Nachfragedaten vorliegen, und besprechen Sie relevante Abweichungen mit dem Vertrieb. Messen Sie den Fehler der archivierten Prognose jeweils f\u00fcr den zeitlichen Vorlauf, den die betreffende Entscheidung erfordert. Routinem\u00e4\u00dfige \u00dcberarbeitungen d\u00fcrfen nicht unbemerkt Zusagen ver\u00e4ndern, auf deren Umsetzung sich die Produktion bereits vorbereitet.<\/p>\n\n\n<p>Wenn eine abgestimmte \u00c4nderung die Fertigungsmenge oder den Verf\u00fcgbarkeitstermin ver\u00e4ndert, aktualisieren Sie die anstehenden Fertigungsarbeiten und pr\u00fcfen Sie den zugeh\u00f6rigen Ressourcenbelegungsplan. So haben Einkauf, Produktion und Vertrieb ein einheitliches Bild davon, was sich ge\u00e4ndert hat und was nun geliefert werden kann.<\/p>\n\n\n<p>Wie Sie diese Anpassungen mit weniger manuellem Planungsaufwand umsetzen k\u00f6nnen, erfahren Sie in einer Produktvorf\u00fchrung: <a href=\"https:\/\/skyplanner.ai\/de\/kontakt-vertrieb\/\">Buchen Sie eine SkyPlanner-Demo<\/a>. Bringen Sie als Beispiel eine Fertigungsmenge mit, die Sie nach einer Prognose\u00e4nderung festgelegt haben, sowie den zugeh\u00f6rigen Arbeitsplan und die Termine, zu denen die Produkte verf\u00fcgbar sein m\u00fcssen. Damit l\u00e4sst sich praxisnah zeigen, wie sich die \u00c4nderung auf gemeinsam genutzte Kapazit\u00e4ten und andere Zusagen auswirkt. Wenn Sie sich lieber zuerst selbst umsehen m\u00f6chten, <a href=\"https:\/\/skyplanner.ai\/de\/testversion\/\">testen Sie SkyPlanner mit Demodaten<\/a>.<\/p>\n\n<\/div>\n<\/div>","protected":false},"excerpt":{"rendered":"<p>Absatzprognose in der Fertigung: Ein Praxisleitfaden Startseite &raquo; Ressourcen &raquo; Absatzprognose in der Fertigung: Ein Praxisleitfaden Eine Absatzprognose f\u00fcr die Fertigung sch\u00e4tzt, welche Produkte Kunden wann und in welchen Mengen ben\u00f6tigen werden. Sie verbindet die bisherige Nachfrage mit Informationen \u00fcber bevorstehende Ver\u00e4nderungen. Damit haben Einkauf und Produktion eine gemeinsame Entscheidungsgrundlage. Eine brauchbare Prognose hilft Ihnen, &#8230; <a title=\"Absatzprognose in der Fertigung: Ein Praxisleitfaden\" class=\"read-more\" href=\"https:\/\/skyplanner.ai\/de\/ressourcen\/absatzprognose\/\" aria-label=\"Mehr Informationen \u00fcber Absatzprognose in der Fertigung: Ein Praxisleitfaden\">Weiterlesen &#8230;<\/a><\/p>\n","protected":false},"author":3,"featured_media":108861,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"inline_featured_image":false,"_uag_custom_page_level_css":"","footnotes":""},"categories":[2524,308],"tags":[],"class_list":["post-108836","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-aps-und-feinplanung","category-ressourcen","generate-columns","tablet-grid-50","mobile-grid-100","grid-parent","grid-33"],"acf":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO Premium plugin v28.3 (Yoast SEO v28.7) - https:\/\/yoast.com\/product\/yoast-seo-premium-wordpress\/ -->\n<title>Absatzprognose in der Fertigung: Ein Praxisleitfaden<\/title>\n<meta name=\"description\" content=\"Absatzprognose f\u00fcr die Fertigung erstellen: Methode w\u00e4hlen, Fehler messen und bei wechselnder Nachfrage realistische Produktionszusagen machen.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/skyplanner.ai\/de\/ressourcen\/absatzprognose\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Absatzprognose in der Fertigung: Ein Praxisleitfaden\" \/>\n<meta property=\"og:description\" content=\"Absatzprognose f\u00fcr die Fertigung erstellen: Methode w\u00e4hlen, Fehler messen und bei wechselnder Nachfrage realistische Produktionszusagen machen.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/skyplanner.ai\/de\/ressourcen\/absatzprognose\/\" \/>\n<meta property=\"og:site_name\" content=\"SkyPlanner\" \/>\n<meta property=\"article:published_time\" content=\"2026-10-24T14:53:53+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2026-10-24T14:54:17+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/skyplanner.ai\/wp-content\/uploads\/2026\/10\/demand-forecasting-manufacturing-hero.png\" \/>\n\t<meta property=\"og:image:width\" content=\"1672\" \/>\n\t<meta property=\"og:image:height\" content=\"941\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"Jussi M\u00e4ntyl\u00e4\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"Jussi M\u00e4ntyl\u00e4\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"16\u00a0Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/de\\\/ressourcen\\\/absatzprognose\\\/#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/de\\\/ressourcen\\\/absatzprognose\\\/\"},\"author\":{\"name\":\"Jussi M\u00e4ntyl\u00e4\",\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/de\\\/#\\\/schema\\\/person\\\/d90eac23cfbf5af3a2c4a38ff10376b5\"},\"headline\":\"Absatzprognose in der Fertigung: Ein Praxisleitfaden\",\"datePublished\":\"2026-10-24T14:53:53+00:00\",\"dateModified\":\"2026-10-24T14:54:17+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/de\\\/ressourcen\\\/absatzprognose\\\/\"},\"wordCount\":3281,\"publisher\":{\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/de\\\/#organization\"},\"image\":{\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/de\\\/ressourcen\\\/absatzprognose\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/skyplanner.ai\\\/wp-content\\\/uploads\\\/2026\\\/10\\\/demand-forecasting-manufacturing-hero.png\",\"articleSection\":[\"APS und Feinplanung\",\"Ressourcen\"],\"inLanguage\":\"de\"},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/de\\\/ressourcen\\\/absatzprognose\\\/\",\"url\":\"https:\\\/\\\/skyplanner.ai\\\/de\\\/ressourcen\\\/absatzprognose\\\/\",\"name\":\"Absatzprognose in der Fertigung: Ein Praxisleitfaden\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/de\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/de\\\/ressourcen\\\/absatzprognose\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/de\\\/ressourcen\\\/absatzprognose\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/skyplanner.ai\\\/wp-content\\\/uploads\\\/2026\\\/10\\\/demand-forecasting-manufacturing-hero.png\",\"datePublished\":\"2026-10-24T14:53:53+00:00\",\"dateModified\":\"2026-10-24T14:54:17+00:00\",\"description\":\"Absatzprognose f\u00fcr die Fertigung erstellen: Methode w\u00e4hlen, Fehler messen und bei wechselnder Nachfrage realistische Produktionszusagen machen.\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/de\\\/ressourcen\\\/absatzprognose\\\/#breadcrumb\"},\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/skyplanner.ai\\\/de\\\/ressourcen\\\/absatzprognose\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/de\\\/ressourcen\\\/absatzprognose\\\/#primaryimage\",\"url\":\"https:\\\/\\\/skyplanner.ai\\\/wp-content\\\/uploads\\\/2026\\\/10\\\/demand-forecasting-manufacturing-hero.png\",\"contentUrl\":\"https:\\\/\\\/skyplanner.ai\\\/wp-content\\\/uploads\\\/2026\\\/10\\\/demand-forecasting-manufacturing-hero.png\",\"width\":1672,\"height\":941,\"caption\":\"A magnifying glass examines groups of machined rings beside pale outlines representing future demand.\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/de\\\/ressourcen\\\/absatzprognose\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\\\/\\\/skyplanner.ai\\\/de\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Absatzprognose in der Fertigung: Ein Praxisleitfaden\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/de\\\/#website\",\"url\":\"https:\\\/\\\/skyplanner.ai\\\/de\\\/\",\"name\":\"SkyPlanner\",\"description\":\"AI-powered production scheduling and planning software\",\"publisher\":{\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/de\\\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/skyplanner.ai\\\/de\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"de\"},{\"@type\":\"Organization\",\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/de\\\/#organization\",\"name\":\"Skycode Oy\",\"url\":\"https:\\\/\\\/skyplanner.ai\\\/de\\\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/de\\\/#\\\/schema\\\/logo\\\/image\\\/\",\"url\":\"https:\\\/\\\/skyplanner.ai\\\/wp-content\\\/uploads\\\/2022\\\/05\\\/Skyplanner-logo-2.svg\",\"contentUrl\":\"https:\\\/\\\/skyplanner.ai\\\/wp-content\\\/uploads\\\/2022\\\/05\\\/Skyplanner-logo-2.svg\",\"width\":223,\"height\":43,\"caption\":\"SkyPlanner APS\"},\"image\":{\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/de\\\/#\\\/schema\\\/logo\\\/image\\\/\"},\"legalName\":\"Skycode Oy\",\"alternateName\":[\"Skycode\",\"SkyPlanner\",\"SkyPlanner APS\"],\"description\":\"Skycode Oy is the Finnish software company that develops and publishes SkyPlanner APS, AI production scheduling and advanced planning and scheduling (APS) software for manufacturers worldwide. Founded in 1997 as a sole proprietorship and incorporated as Skycode Oy in 2008.\",\"foundingDate\":\"1997\",\"taxID\":\"2204947-0\",\"vatID\":\"FI22049470\",\"telephone\":\"+358407000002\",\"email\":\"support@skyplanner.ai\",\"address\":{\"@type\":\"PostalAddress\",\"streetAddress\":\"Rantakatu 2 G 11\",\"postalCode\":\"65100\",\"addressLocality\":\"Vaasa\",\"addressCountry\":\"FI\"},\"brand\":{\"@type\":\"Brand\",\"name\":\"SkyPlanner\"},\"knowsAbout\":[\"Production Scheduling\",\"Advanced Planning and Scheduling\",\"Manufacturing AI\",\"Finite Capacity Scheduling\",\"ERP Integration\",\"MES Integration\"],\"areaServed\":\"Worldwide\",\"contactPoint\":[{\"@type\":\"ContactPoint\",\"contactType\":\"sales\",\"url\":\"https:\\\/\\\/skyplanner.ai\\\/contact-sales\\\/\",\"areaServed\":\"Worldwide\"},{\"@type\":\"ContactPoint\",\"contactType\":\"customer support\",\"email\":\"support@skyplanner.ai\",\"telephone\":\"+358407000002\",\"areaServed\":\"Worldwide\"}],\"sameAs\":[\"https:\\\/\\\/www.wikidata.org\\\/wiki\\\/Q141672132\",\"https:\\\/\\\/skycode.fi\\\/\",\"https:\\\/\\\/www.linkedin.com\\\/company\\\/skycodeoy\\\/\",\"https:\\\/\\\/www.finder.fi\\\/IT-konsultointi+IT-palvelut\\\/Skycode+Oy\\\/Vaasa\\\/yhteystiedot\\\/1934882\"]},{\"@type\":\"Person\",\"@id\":\"https:\\\/\\\/skyplanner.ai\\\/de\\\/#\\\/schema\\\/person\\\/d90eac23cfbf5af3a2c4a38ff10376b5\",\"name\":\"Jussi M\u00e4ntyl\u00e4\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/d5cfcd5c06352082aff699784151984268501dafe5084791a9f280d4e3ec500f?s=96&d=mm&r=g\",\"url\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/d5cfcd5c06352082aff699784151984268501dafe5084791a9f280d4e3ec500f?s=96&d=mm&r=g\",\"contentUrl\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/d5cfcd5c06352082aff699784151984268501dafe5084791a9f280d4e3ec500f?s=96&d=mm&r=g\",\"caption\":\"Jussi M\u00e4ntyl\u00e4\"}}]}<\/script>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"Absatzprognose in der Fertigung: Ein Praxisleitfaden","description":"Absatzprognose f\u00fcr die Fertigung erstellen: Methode w\u00e4hlen, Fehler messen und bei wechselnder Nachfrage realistische Produktionszusagen machen.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/skyplanner.ai\/de\/ressourcen\/absatzprognose\/","og_locale":"de_DE","og_type":"article","og_title":"Absatzprognose in der Fertigung: Ein Praxisleitfaden","og_description":"Absatzprognose f\u00fcr die Fertigung erstellen: Methode w\u00e4hlen, Fehler messen und bei wechselnder Nachfrage realistische Produktionszusagen machen.","og_url":"https:\/\/skyplanner.ai\/de\/ressourcen\/absatzprognose\/","og_site_name":"SkyPlanner","article_published_time":"2026-10-24T14:53:53+00:00","article_modified_time":"2026-10-24T14:54:17+00:00","og_image":[{"width":1672,"height":941,"url":"https:\/\/skyplanner.ai\/wp-content\/uploads\/2026\/10\/demand-forecasting-manufacturing-hero.png","type":"image\/png"}],"author":"Jussi M\u00e4ntyl\u00e4","twitter_card":"summary_large_image","twitter_misc":{"Verfasst von":"Jussi M\u00e4ntyl\u00e4","Gesch\u00e4tzte Lesezeit":"16\u00a0Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/skyplanner.ai\/de\/ressourcen\/absatzprognose\/#article","isPartOf":{"@id":"https:\/\/skyplanner.ai\/de\/ressourcen\/absatzprognose\/"},"author":{"name":"Jussi M\u00e4ntyl\u00e4","@id":"https:\/\/skyplanner.ai\/de\/#\/schema\/person\/d90eac23cfbf5af3a2c4a38ff10376b5"},"headline":"Absatzprognose in der Fertigung: Ein Praxisleitfaden","datePublished":"2026-10-24T14:53:53+00:00","dateModified":"2026-10-24T14:54:17+00:00","mainEntityOfPage":{"@id":"https:\/\/skyplanner.ai\/de\/ressourcen\/absatzprognose\/"},"wordCount":3281,"publisher":{"@id":"https:\/\/skyplanner.ai\/de\/#organization"},"image":{"@id":"https:\/\/skyplanner.ai\/de\/ressourcen\/absatzprognose\/#primaryimage"},"thumbnailUrl":"https:\/\/skyplanner.ai\/wp-content\/uploads\/2026\/10\/demand-forecasting-manufacturing-hero.png","articleSection":["APS und Feinplanung","Ressourcen"],"inLanguage":"de"},{"@type":"WebPage","@id":"https:\/\/skyplanner.ai\/de\/ressourcen\/absatzprognose\/","url":"https:\/\/skyplanner.ai\/de\/ressourcen\/absatzprognose\/","name":"Absatzprognose in der Fertigung: Ein Praxisleitfaden","isPartOf":{"@id":"https:\/\/skyplanner.ai\/de\/#website"},"primaryImageOfPage":{"@id":"https:\/\/skyplanner.ai\/de\/ressourcen\/absatzprognose\/#primaryimage"},"image":{"@id":"https:\/\/skyplanner.ai\/de\/ressourcen\/absatzprognose\/#primaryimage"},"thumbnailUrl":"https:\/\/skyplanner.ai\/wp-content\/uploads\/2026\/10\/demand-forecasting-manufacturing-hero.png","datePublished":"2026-10-24T14:53:53+00:00","dateModified":"2026-10-24T14:54:17+00:00","description":"Absatzprognose f\u00fcr die Fertigung erstellen: Methode w\u00e4hlen, Fehler messen und bei wechselnder Nachfrage realistische Produktionszusagen machen.","breadcrumb":{"@id":"https:\/\/skyplanner.ai\/de\/ressourcen\/absatzprognose\/#breadcrumb"},"inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/skyplanner.ai\/de\/ressourcen\/absatzprognose\/"]}]},{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/skyplanner.ai\/de\/ressourcen\/absatzprognose\/#primaryimage","url":"https:\/\/skyplanner.ai\/wp-content\/uploads\/2026\/10\/demand-forecasting-manufacturing-hero.png","contentUrl":"https:\/\/skyplanner.ai\/wp-content\/uploads\/2026\/10\/demand-forecasting-manufacturing-hero.png","width":1672,"height":941,"caption":"A magnifying glass examines groups of machined rings beside pale outlines representing future demand."},{"@type":"BreadcrumbList","@id":"https:\/\/skyplanner.ai\/de\/ressourcen\/absatzprognose\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/skyplanner.ai\/de\/"},{"@type":"ListItem","position":2,"name":"Absatzprognose in der Fertigung: Ein Praxisleitfaden"}]},{"@type":"WebSite","@id":"https:\/\/skyplanner.ai\/de\/#website","url":"https:\/\/skyplanner.ai\/de\/","name":"SkyPlanner","description":"AI-powered production scheduling and planning software","publisher":{"@id":"https:\/\/skyplanner.ai\/de\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/skyplanner.ai\/de\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"de"},{"@type":"Organization","@id":"https:\/\/skyplanner.ai\/de\/#organization","name":"Skycode Oy","url":"https:\/\/skyplanner.ai\/de\/","logo":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/skyplanner.ai\/de\/#\/schema\/logo\/image\/","url":"https:\/\/skyplanner.ai\/wp-content\/uploads\/2022\/05\/Skyplanner-logo-2.svg","contentUrl":"https:\/\/skyplanner.ai\/wp-content\/uploads\/2022\/05\/Skyplanner-logo-2.svg","width":223,"height":43,"caption":"SkyPlanner APS"},"image":{"@id":"https:\/\/skyplanner.ai\/de\/#\/schema\/logo\/image\/"},"legalName":"Skycode Oy","alternateName":["Skycode","SkyPlanner","SkyPlanner APS"],"description":"Skycode Oy is the Finnish software company that develops and publishes SkyPlanner APS, AI production scheduling and advanced planning and scheduling (APS) software for manufacturers worldwide. Founded in 1997 as a sole proprietorship and incorporated as Skycode Oy in 2008.","foundingDate":"1997","taxID":"2204947-0","vatID":"FI22049470","telephone":"+358407000002","email":"support@skyplanner.ai","address":{"@type":"PostalAddress","streetAddress":"Rantakatu 2 G 11","postalCode":"65100","addressLocality":"Vaasa","addressCountry":"FI"},"brand":{"@type":"Brand","name":"SkyPlanner"},"knowsAbout":["Production Scheduling","Advanced Planning and Scheduling","Manufacturing AI","Finite Capacity Scheduling","ERP Integration","MES Integration"],"areaServed":"Worldwide","contactPoint":[{"@type":"ContactPoint","contactType":"sales","url":"https:\/\/skyplanner.ai\/contact-sales\/","areaServed":"Worldwide"},{"@type":"ContactPoint","contactType":"customer support","email":"support@skyplanner.ai","telephone":"+358407000002","areaServed":"Worldwide"}],"sameAs":["https:\/\/www.wikidata.org\/wiki\/Q141672132","https:\/\/skycode.fi\/","https:\/\/www.linkedin.com\/company\/skycodeoy\/","https:\/\/www.finder.fi\/IT-konsultointi+IT-palvelut\/Skycode+Oy\/Vaasa\/yhteystiedot\/1934882"]},{"@type":"Person","@id":"https:\/\/skyplanner.ai\/de\/#\/schema\/person\/d90eac23cfbf5af3a2c4a38ff10376b5","name":"Jussi M\u00e4ntyl\u00e4","image":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/secure.gravatar.com\/avatar\/d5cfcd5c06352082aff699784151984268501dafe5084791a9f280d4e3ec500f?s=96&d=mm&r=g","url":"https:\/\/secure.gravatar.com\/avatar\/d5cfcd5c06352082aff699784151984268501dafe5084791a9f280d4e3ec500f?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/d5cfcd5c06352082aff699784151984268501dafe5084791a9f280d4e3ec500f?s=96&d=mm&r=g","caption":"Jussi M\u00e4ntyl\u00e4"}}]}},"uagb_featured_image_src":{"full":["https:\/\/skyplanner.ai\/wp-content\/uploads\/2026\/10\/demand-forecasting-manufacturing-hero.png",1672,941,false],"thumbnail":["https:\/\/skyplanner.ai\/wp-content\/uploads\/2026\/10\/demand-forecasting-manufacturing-hero-150x150.png",150,150,true],"medium":["https:\/\/skyplanner.ai\/wp-content\/uploads\/2026\/10\/demand-forecasting-manufacturing-hero-300x169.png",300,169,true],"medium_large":["https:\/\/skyplanner.ai\/wp-content\/uploads\/2026\/10\/demand-forecasting-manufacturing-hero-768x432.png",768,432,true],"large":["https:\/\/skyplanner.ai\/wp-content\/uploads\/2026\/10\/demand-forecasting-manufacturing-hero-1024x576.png",1024,576,true],"1536x1536":["https:\/\/skyplanner.ai\/wp-content\/uploads\/2026\/10\/demand-forecasting-manufacturing-hero-1536x864.png",1536,864,true],"2048x2048":["https:\/\/skyplanner.ai\/wp-content\/uploads\/2026\/10\/demand-forecasting-manufacturing-hero.png",1672,941,false],"betterdocs-category-thumb":["https:\/\/skyplanner.ai\/wp-content\/uploads\/2026\/10\/demand-forecasting-manufacturing-hero-360x203.png",360,203,true]},"uagb_author_info":{"display_name":"Jussi M\u00e4ntyl\u00e4","author_link":"https:\/\/skyplanner.ai\/de\/author\/jussi\/"},"uagb_comment_info":0,"uagb_excerpt":"Absatzprognose in der Fertigung: Ein Praxisleitfaden Startseite &raquo; Ressourcen &raquo; Absatzprognose in der Fertigung: Ein Praxisleitfaden Eine Absatzprognose f\u00fcr die Fertigung sch\u00e4tzt, welche Produkte Kunden wann und in welchen Mengen ben\u00f6tigen werden. Sie verbindet die bisherige Nachfrage mit Informationen \u00fcber bevorstehende Ver\u00e4nderungen. Damit haben Einkauf und Produktion eine gemeinsame Entscheidungsgrundlage. Eine brauchbare Prognose hilft Ihnen,&hellip;","_links":{"self":[{"href":"https:\/\/skyplanner.ai\/de\/wp-json\/wp\/v2\/posts\/108836","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/skyplanner.ai\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/skyplanner.ai\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/skyplanner.ai\/de\/wp-json\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/skyplanner.ai\/de\/wp-json\/wp\/v2\/comments?post=108836"}],"version-history":[{"count":1,"href":"https:\/\/skyplanner.ai\/de\/wp-json\/wp\/v2\/posts\/108836\/revisions"}],"predecessor-version":[{"id":108899,"href":"https:\/\/skyplanner.ai\/de\/wp-json\/wp\/v2\/posts\/108836\/revisions\/108899"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/skyplanner.ai\/de\/wp-json\/wp\/v2\/media\/108861"}],"wp:attachment":[{"href":"https:\/\/skyplanner.ai\/de\/wp-json\/wp\/v2\/media?parent=108836"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/skyplanner.ai\/de\/wp-json\/wp\/v2\/categories?post=108836"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/skyplanner.ai\/de\/wp-json\/wp\/v2\/tags?post=108836"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}