Einführung & Umfang
Anwendungsfälle für Prognosen und Risikobewertung (Schwerpunkt EU/DSGVO) in vier Mustern: DEMAND (Mengen, Preise, Last, Liquidität), CUSTOMER (Abwanderung, Kundenwert, Leads, Retouren, Nichterscheinen, Personalfluktuation), ASSET (Maschinen, Batterien, Netze, Wetter, Sensoren, Qualität) und RISK (Kredit-, Versicherungs-, Schaden-, Prüf-, Verwaltungs- und Bewertungsrisiko). Überwiegend tabellarisches maschinelles Lernen und Zeitreihenmodelle (Gradient Boosting, statistische und vortrainierte Zeitreihenmodelle); ein LLM dient nur für Erklärung und Workflow. Abgrenzungen: PRED-001 ist Absatzprognose, PRED-011 Personal-/Arbeitsmengenbedarf, PRED-016 Cashflow, PRED-007 Energielast und PRED-008 Preise; PRED-006 ist Maschinenausfall, PRED-014 Prozessqualität/Soft-Sensoren, PRED-025 Feldausfälle und PRED-033 erdverlegte Netze; PRED-009 ist Privat-/Unternehmenskredit, PRED-021 Zahlungsverhalten im Forderungsmanagement und PRED-010/030/037 Versicherung; PRED-017 ist Wetter, PRED-027 Hochwasser, PRED-036 Klimarisiko und PRED-042 Luftqualität; PRED-028, 029, 039 und 045 sind Risikoprofilierung im öffentlichen Sektor. Bewertungen auf Einzelpersonenebene (PRED-009, 012, 029, 045 und oft 002/010/021/022/030/043) sind nach der KI-Verordnung hochriskant oder Grenzfälle und erfordern DSFA, menschliche Entscheidung, Verzerrungstests und (im Personalbereich) Beteiligung des Betriebsrats; die Verbote nach Art. 5 gelten für Kriminalitätsprognosen allein auf Basis von Profiling. Familienübergreifend: OPT (aus Prognosen handeln), ANOM (erkennen statt vorhersagen), DATA (Feature-Pipelines), VIS (Dashboards).
Anwendungsfälle
| ID | Titel | Muster | Reifegrad | Weg | HW-Stufe | KI-VO-Risiko |
|---|---|---|---|---|---|---|
| PRED-001 | Absatzprognose (Handel, Fertigung, Großhandel) | PRED.DEMAND | mainstream | A | HW1 | minimal |
| PRED-002 | Umsatzprognose und Vorhersage von Verkaufschancen | PRED.CUSTOMER | mainstream | A | HW1 | depends |
| PRED-003 | Vorhersage der Kundenabwanderung | PRED.CUSTOMER | mainstream | A | HW1 | minimal |
| PRED-004 | Vorhersage des Kundenwerts (Customer Lifetime Value) | PRED.CUSTOMER | mainstream | A | HW1 | minimal |
| PRED-005 | Lead-Scoring | PRED.CUSTOMER | mainstream | A | HW1 | minimal |
| PRED-006 | Vorausschauende Wartung von Maschinen und Anlagen | PRED.ASSET | mainstream | A | HW1 | minimal |
| PRED-007 | Prognose von Energielast und erneuerbarer Erzeugung | PRED.DEMAND | mainstream | A | HW1 | minimal |
| PRED-008 | Preisprognose (Rohstoffe, Energie, Materialien) | PRED.DEMAND | mainstream | A | HW1 | minimal |
| PRED-009 | Kredit-Scoring und Ausfallvorhersage | PRED.RISK | mainstream | A | HW1 | high |
| PRED-010 | Risikobepreisung und Risikoprüfung in der Versicherung | PRED.RISK | mainstream | A | HW1 | depends |
| PRED-011 | Prognose von Arbeitsmengen- und Personalbedarf (Anrufvolumen, Patientenaufkommen) | PRED.DEMAND | mainstream | A | HW1 | minimal |
| PRED-012 | Vorhersage von Mitarbeiterfluktuation | PRED.CUSTOMER | early-adopter | A | HW1 | high |
| PRED-013 | Ertragsvorhersage (Landwirtschaft und Produktionsprozesse) | PRED.ASSET | early-adopter | A | HW1 | minimal |
| PRED-014 | Vorhersage der Prozessqualität und virtuelle Sensoren (Soft-Sensoren) | PRED.ASSET | mainstream | A | HW1 | depends |
| PRED-015 | Automatisierte Immobilienbewertung (AVM) | PRED.RISK | mainstream | A | HW1 | depends |
| PRED-016 | Prognose von Cashflow und Liquidität | PRED.DEMAND | mainstream | A | HW1 | minimal |
| PRED-017 | KI-gestützte Wetterprognose und Vorhersage von Wetterfolgen | PRED.ASSET | early-adopter | A | HW3 | depends |
| PRED-018 | Vorhersage der Ankunftszeit (ETA) und Lieferzeit | PRED.ASSET | mainstream | A | HW1 | minimal |
| PRED-019 | Prognose von Verkehrs- und Mobilitätsnachfrage | PRED.DEMAND | mainstream | A | HW1 | minimal |
| PRED-020 | Retourenvorhersage im E-Commerce und Senkung der Retourenquote | PRED.CUSTOMER | early-adopter | A | HW1 | minimal |
| PRED-021 | Vorhersage des Zahlungsverhaltens und Priorisierung im Forderungsmanagement (Debitoren, Mahnwesen, Inkasso) | PRED.RISK | mainstream | A | HW1 | depends |
| PRED-022 | Vorhersage von Terminausfällen (No-Show) und intelligente Überbuchung | PRED.CUSTOMER | early-adopter | A | HW1 | depends |
| PRED-023 | Prognose von Termin- und Kostenüberschreitungsrisiken in Projekten | PRED.RISK | early-adopter | A | HW1 | depends |
| PRED-024 | Vorausschauende Prozessüberwachung (Verzögerungs- und Ergebnisvorhersage für Fälle aus Ereignisprotokollen) | PRED.ASSET | early-adopter | A | HW1 | depends |
| PRED-025 | Prognose von Gewährleistungsfällen und Frühwarnung bei Feldausfällen | PRED.ASSET | early-adopter | B | HW1 | minimal |
| PRED-026 | Vorhersage von Batteriezustand (SoH) und Restnutzungsdauer (E-Fahrzeug, stationäre Speicher, Batteriepass) | PRED.ASSET | early-adopter | A | HW1 | minimal |
| PRED-027 | Hochwasser- und hydrologische Vorhersage und Frühwarnung | PRED.ASSET | early-adopter | A | HW2 | depends |
| PRED-028 | Risikobasierte Auswahl von Prüf- und Kontrollfällen (Steuer, Zoll, Lebensmittelsicherheit, Arbeitsschutzaufsicht) | PRED.RISK | early-adopter | C | HW1 | depends |
| PRED-029 | Risikoprofilierung von Klientinnen und Klienten öffentlicher Dienste (Arbeitsmarktintegration, Triage in der Sozialhilfe) | PRED.RISK | early-adopter | D | HW1 | high |
| PRED-030 | Telematik-basierte Bewertung des Fahrverhaltens und nutzungsabhängige Kfz-Versicherung | PRED.RISK | mainstream | A | HW1 | depends |
| PRED-031 | Disaggregation von Smart-Meter-Energiedaten (NILM) und personalisierte Energiespartipps | PRED.ASSET | early-adopter | A | HW1 | minimal |
| PRED-032 | Fertigungskostenschätzung und Sofortangebot aus CAD (Should-Cost) | PRED.ASSET | mainstream | A | HW1 | minimal |
| PRED-033 | Ausfallvorhersage und Erneuerungsplanung für erdverlegte Netze (Wasserleitungen, Gasrohre, Kabel) | PRED.ASSET | early-adopter | A | HW1 | depends |
| PRED-034 | Visuelle Trendprognose für Mode und Konsumgüter | PRED.DEMAND | early-adopter | A | HW2 | minimal |
| PRED-035 | Vorhersage von Wertpapier-Abwicklungsfehlern und Ausnahmemanagement im Post-Trade | PRED.RISK | early-adopter | B | HW1 | minimal |
| PRED-036 | Bewertung physischer Klima- und Naturkatastrophenrisiken für Vermögenswerte und Portfolios | PRED.RISK | mainstream | A | HW2 | depends |
| PRED-037 | Vorhersage von Schadenschwere, Prozessneigung und Schadenreserven | PRED.RISK | mainstream | A | HW1 | depends |
| PRED-038 | Vorhersage von Prozessausgängen und Rechtsanalytik | PRED.RISK | early-adopter | A | HW2 | depends |
| PRED-039 | Ortsbezogene Prognose von Kriminalitätsschwerpunkten | PRED.RISK | early-adopter | A | HW1 | depends |
| PRED-040 | Prognose humanitärer Krisen und Vertreibung für vorausschauendes Handeln | PRED.RISK | early-adopter | B | HW1 | depends |
| PRED-041 | Bewertung von Gebrauchtfahrzeugen und Restwertprognose (Leasing, Flotten, Remarketing) | PRED.RISK | mainstream | A | HW1 | minimal |
| PRED-042 | Hyperlokale Luftqualitätsprognose und Zuordnung von Schadstoffquellen | PRED.ASSET | early-adopter | A | HW2 | minimal |
| PRED-043 | Vorhersage des Verletzungsrisikos von Sportlern und Steuerung der Trainingsbelastung | PRED.RISK | early-adopter | A | HW1 | depends |
| PRED-044 | Sensorbasierte Vorhersage von Gesundheit, Brunst und Abkalbung bei Nutztieren (Boli, Halsbänder, Ohrmarken) | PRED.ASSET | mainstream | A | HW1 | minimal |
| PRED-045 | Rückfall- und Täterrisikobewertung in der Strafjustiz (Bewährung, Strafvollzug) | PRED.RISK | mainstream | A | HW1 | high |
| PRED-046 | Strukturüberwachung von Brücken und Gebäuden aus Sensordaten | PRED.ASSET | early-adopter | A | HW1 | depends |
| PRED-047 | Wirtschafts-Nowcasting und Prognose von Makrodaten und Steuereinnahmen (Zentralbanken, Ministerien, Institute) | PRED.DEMAND | early-adopter | C | HW1 | minimal |
| PRED-048 | Vorhersage der Gebäudeenergieeffizienz und Erstellung von Sanierungsfahrplänen (EPC / iSFP) | PRED.ASSET | early-adopter | A | HW2 | minimal |
Gemeinsamer Technologie-Stack
Gemeinsame Schichten: Objektspeicher plus ein Data Warehouse (PostgreSQL/DuckDB, TimescaleDB oder ClickHouse für Zeitreihen), dbt/Dagster- oder Airflow-Pipelines, ein Feature Store (Feast oder einfache Tabellen), MLflow für Experimente und Modellregister, eine Evaluierungsschicht (Backtesting, Kalibrierung, Vorhersageintervalle, Drift über Evidently), Erklärungen im Stil von SHAP und eine Bereitstellungsschicht (Batch-Jobs plus FastAPI/BentoML). Ergänzen Sie Fairness-Audits im Stil von Fairlearn und Audit-Protokollierung für jedes Modell auf Personenebene. Die Ergebnisse gehen an BI (Metabase/Superset) oder ERP/CRM über die Workflow-Engine (n8n/Temporal). Derselbe Stack bedient OPT, ANOM, DATA und VIS.
- HW1 (CPU/Laptop, keine GPU): LightGBM/XGBoost/CatBoost, statsforecast/Prophet/ETS, Darts oder sktime, konforme Intervalle, vortrainierte Zeitreihenmodelle (Chronos-bolt / TimesFM small / Moirai small) auf der CPU, Postgres/DuckDB, MLflow, ein quantisiertes 3-8B-LLM (llama.cpp/Ollama) für erzählende Erklärungen. Deckt Absatz, Kunden, Kredit, Versicherung, Wartung, Cashflow, Strukturüberwachung, Nutztiere und die meisten RISK-Fälle ab.
- HW2 (einzelne GPU mit 24-48 GB): alles aus HW1 plus feingetunte oder größere vortrainierte Zeitreihenmodelle, Graph Neural Networks, hydrologische/Luftqualitäts-Ersatzmodelle (Surrogate), VLM für Bilder (Modetrends, Immobilienfotos, CAD, Fahrzeuge), ein Instruct-Modell mit 14-32 Mrd. Parametern über vLLM, bge-m3-Embeddings mit Qdrant/pgvector für textlastige Fälle (Rechtsstreit, Schäden, Gewährleistung). Für Hochwasser, Luftqualität, Klimarisiko, Gebäudeenergie und visuelle Trends.
- HW3 (Multi-GPU mit 80 GB+ oder in der EU gehostete API): globale KI-Wettermodelle und Foundation-Modelle der Erdbeobachtung (Klasse GraphCast/Pangu/Aurora, Ensembles), umfangreiche Neuverarbeitung von Satellitendaten; die nachgelagerte Auswirkungsschicht läuft weiterhin auf HW1. Bevorzugen Sie Daten europäischer Wetterdienste (ECMWF, DWD, Copernicus) und Rechenleistung in der EU.
- Hinweise zu den Wegen: A = verwaltete/EU-Cloud-Prognose oder Aufbau auf Open-Source-ML; B = spezialisierter Anbieter oder Integration in Kernsysteme (Post-Trade, Gewährleistung); C/D = Einsätze im öffentlichen Sektor oder eingeschränkte Einsätze, die Rechtsgrundlage, Audit und Kontrolle im eigenen Haus erfordern. Nutzen Sie einen Feature Store, ein Modellregister und eine Monitoring-Schicht gemeinsam für alle Anwendungsfälle, statt je Modell eigene Stacks aufzubauen; Modelle auf Personenebene gehören in eine gesondert gesteuerte Zone mit DSFA, Zugriffskontrolle und Aufbewahrungsfristen.