Technologie: Mit KI gegen Preisschocks: Unternehmen testen neue Prognosemodelle für Rohstoffe

Kriege, Handelskonflikte und Klimawandel erschweren die Prognose von Rohstoffpreisen, was Unternehmen Kostenrisiken mit sich bringt. Entscheidungsfindung wird schwierig, wenn Lieferverträge Monate im Voraus geschlossen werden. Daher haben Unternehmen Interesse an Modellen, die Rohstoffpreisentwicklungen möglichst genau vorhersagen.

Zu diesem Zweck werden Unternehmen Künstliche Intelligenz (KI) einsetzen, die die Auswertung großer Datenmengen und die Erkennung komplexer Zusammenhänge in Echtzeit ermöglichen soll. Stefan Feuerriegel, Leiter des Institutes für künstliche Intelligenz im Management an der Ludwig-Maximilians-Universität München, ist skeptisch. Er sagt, dass Prognosen, egal ob mit oder ohne KI, nur als Hilfsmittel funktionieren und dass unerwartete Ereignisse schwer zu prognostizieren sind.

Lukas Haemisch, Gründer des deutschen Start-ups Datasphere Analytics, der KI-basierte Rohstoffpreisprognosen entwickelt, erklärt, dass ihre Kunden KI nicht als einzigen Signalgeber nutzen. Die Rohstoffmärkte sind volatiler geworden, erklärt Birgit Oeser, Einkaufsleiterin von Kamps, einem Kunde von Datasphere. KI ist dabei ein Baustein, den sie testen.

Unternehmen prognostizieren Preise auf verschiedene Zeithorizonte, von wenigen Stunden bis zu 18 Monaten. Auch große Konzerne experimentieren bereits mit solchen KI-Systemen. Die US-Rohstoffhändler Cargill und das Geodaten-Analysehaus Descartes Labs prognostierten die US-Maisernte mit einer Abweichung von weniger als einem Prozent – eine Genauigkeit, die sich auf andere Märkte anwenden lässt.

Die Kombination aus KI-Modellen und Experteneinschätzungen ist für eine genaue Prognose der Rohstoffpreise nach Ansicht von Julian Stengl vom Fraunhofer-Institut für Integrierte Schaltungen IIS besser.