.png)
Mit präziseren Preisprognosen können Einkaufszeitpunkte deutlich genauer geplant werden.
– Christian Jabs, CEO
Herr Jabs, pacemaker.ai versteht sich als "digitaler Herzschrittmacher für globale Lieferketten". An welchen Stellen geraten Lieferketten besonders häufig aus dem Takt?
pacemaker.ai ist Anbieter digitaler Supply-Chain-Lösungen, mit denen wir Lieferketten mithilfe von Machine Learning und Natural Language Processing effizienter und steuer-barer machen. Als Teil von thyssenkrupp sind wir direkt aus den konkreten Anforderungen der Industrie entstanden – aus realen Kundenproblemen entlang globaler Wertschöpfungsketten. Heute sind Lieferketten geprägt von weltweiten Netzwerken, volatilen Märkten und stark schwankenden Preisen. Mit klassischen, statischen Modellen und reinem Bauchgefühl lässt sich dieser "Dschungel" nicht mehr beherrschen. Genau hier setzen wir an.
Ein aktueller Schwerpunkt von pacemaker.ai ist das KI-gestützte Commodity Price Forecasting. Warum sind KI-basierte Prognosen klassischen Marktanalysen überlegen?
Ein zentrales Problem, das viele unserer Kunden adressieren, ist die hohe Volatilität von Rohstoffpreisen und die Frage, wie sich diese sinnvoll absichern lassen – etwa durch Hedging oder langfristige Preisentscheidungen. An diesem Punkt greift unser KI-gestütztes Commodity Price Forecasting. In unsere Modelle fließen historische Marktdaten, Angebots- und Nachfragesignale sowie aktuelle, preisrelevante News ein. Methodisch arbeiten wir mit einem Ensemble aus verschiedenen KI-Ansätzen, die unter- schiedliche Muster und Zeithorizonte abbilden. Klassische Marktanalysen bleiben dabei wichtig, stoßen bei Volatilität aber an Grenzen. KI ist die nächste Evolutionsstufe, weil sie diese Analysen systematisch verknüpft und kontinuierlich in belastbare Preissignale übersetzt. So erreichen wir bei täglichen Forecasts auf monatlicher Ebene eine Prognosegenauigkeit von 97 bis 99 Prozent – und schaffen eine fundierte Grundlage für strategische Entscheidungen in einem zunehmend volatilen Umfeld.
Was verändert sich durch verlässliche Rohstoffpreisprognosen auf strategischer Ebene?
Der größte Hebel liegt im besseren Timing. Mit präziseren Preisprognosen können Einkaufszeitpunkte deutlich genauer geplant werden. Kurzfristig heißt das: Bei steigenden Rohstoffpreisen früher einkaufen, bei fallenden Preisen bewusst später. Langfristig ermöglicht die algorithmische Prognose den Aufbau robuster Strategien zur Preisabsicherung, die Volatilität systematisch berücksichtigen und nicht mehr nur reaktiv darauf reagieren.
Wie sieht der Einsatz in der Praxis aus? Können Sie typische Anwendungsfälle nennen?
Nehmen wir den Aluminium-Einkauf im Automobilbereich: Dort entscheidet der Aluminiumpreis direkt über die Stückkosten eines Fahrzeugs und das oft über mehrere Jahre Laufzeit. Einkäufer müssen früh festlegen, zu welchen Kosten Karosserie- und Strukturteile in die Serie gehen, obwohl sich der Rohstoffpreis täglich verändert. Unser Commodity Price Forecasting liefert dafür verlässliche Preissignale über die relevanten Zeiträume. Einkäufer erkennen früh, ob sich ein Preisanstieg abzeichnet, und können gezielt Volumina fixieren, Preisgleitklauseln enger fassen oder Absicherungen aufbauen. So entwickelt sich der Einkauf vom reaktiven Nachverhandeln zu einer aktiven Steuerungsfunktion für Stückkosten und Margen über den gesamten Modellzyklus.
EINE PUBLIKATION VON SMART MEDIA