Prognose von Investitionskosten.

Die Abschätzung und Planung von Investitionskosten ist im Controlling eine wichtige Größe. Für unseren Kunden, ein internationaler Automobilkonzern, ist die Sicherstellung des reibungslosen Ablaufs von Controlling-Prozessen unerlässlich – aber zeitaufwendig. Hierzu zählt auch die Kalkulation der jährlich zu erwartenden Ausgaben, basierend auf den Gesamtbudgets einzelner Investitionsprojekte. Um Ressourcen optimal zu allokieren ist nicht nur die Höhe, sondern auch der Zeitpunkt von Ausgaben ausschlaggebend.

Zur Erstellung der Datengrundlage der Modellierung wurden zunächst die historischen Investitionsausgaben für verschiedene Projekte konsolidiert und mit weiteren Informationen, wie Produktionsstätte oder Produktklasse der Projekte, angereichert. Zur Reduktion der Komplexität des Prognoseproblems wurde sowohl die Zeitdimension als auch die Kostendimension standardisiert. Nach einem intensiven Benchmarking verschiedenster Klassen von Machine Learning Modellen, wurde die Prognosegüte eines Boosting-Modells via Backtesting für einen Zeithorizont von bis zu 10 Jahren optimiert. Basierend auf den aktuellsten Informationen zu Gesamtbudget und Projektcharakteristika erstellt das Modell nun mühelos die Kostenplanung auf Jahresebene und unterstützt somit datengetrieben den zuvor langwierigen manuellen Planungsprozess des Kunden.