Entwicklung eines branchenübergreifenden KI-gestützten Preisprognosemoduls 

Der Hintergrund

Ein aufstrebendes FinTech-Unternehmen plante ein KI-gestütztes Preisprognosesystem, das Unternehmen bei der Optimierung ihrer Preisstrategien helfen könnte. Die Lösung war zunächst für Rohstofflieferanten (Landwirtschaftsbranche) gedacht. Später plante der Kunde, die Technologie auf andere Branchen auszuweiten. Ein Preisprognosetool sollte Landwirt*innen und Rohstoffhändler*innen dabei helfen, das Risiko von Preisschwankungen zu minimieren. Dies würde indirekt die negativen Auswirkungen der schwankenden Agrarrohstoffpreise auf das BIP eines Landes mildern.

Die Lösung sollte Machine Learning einsetzen, um schnelle und genaue Prognosen erstellen zu können. Das System musste in der Lage sein, mit umfangreichen Datensätzen und Millionen von Einflussfaktoren zu arbeiten. Das ultimative Ziel dieses Projekts war die Bereitstellung eines Prognosetools für Unternehmen aus allen Branchen, damit diese selbst in den volatilsten Märkten strategische Preisentscheidungen treffen können. Dies wiederum sollte die Vertriebseffizienz und das Umsatzwachstum steigern.

Die Herausforderung

ETwater ist ein anerkannter Vorreiter für intelligente Bewässerung. Seit 2005 wird mit der cloudbasierten Plattform von ETwater automatisch ein täglicher Landschaftsbewässerungsplan für die Kund*innen des Unternehmens erstellt, sodass nur die exakt benötigte Wassermenge verbraucht wird und keine Überbewässerung erfolgt, damit die landschaftlichen Flächen dauerhaft gesund und grün bleiben. Mit der Lösung für ETwater werden standortspezifische Daten aus Umweltquellen und vom Wetterdienst Accuweather zusammengestellt. Dabei wird der Wasserverbrauch der landschaftlichen Flächen auf Basis der Pflanzenarten, der Bodenbeschaffenheit, des Gefälles usw. analysiert und der Bewässerungsplan an etwaige Änderungen des Wetters und der Wettervorhersage angepasst. Das Unternehmen baute sein Geschäft aus und musste daher eine bessere Skalierbarkeit seines Systems sicherstellen.

Strategische Partnerschaft

Prognosetools verwenden üblicherweise ein Analyse-Framework, das nur Kund*innenprofile und historische Transaktionen umfasst. Das FinTech-Start-up wollte aber mit einer viel größeren Datenmenge arbeiten. Die größte Herausforderung bestand in der Entwicklung eines Systems, mit dem große Datensätze, die aus vielen verschiedenen Quellen stammen, effektiv klassifiziert und analysiert werden können. Das Start-up musste die Daten strukturieren, um Prognosefehler und Verzerrungen zu vermeiden. Darüber hinaus wünschte sich der Kunde ein hoch entwickeltes Tool, das sowohl Prognosen als auch Empfehlungen bereitstellt. Das Entwicklungsteam ging diese Herausforderungen durch die Eingruppierung der Aufgaben in drei Haupttypen an:

• Data-Mining oder das Durchsuchen großer Datensätze, um Muster und Beziehungen zu ermitteln

• ETL-Prozess (Extrahieren, Transformieren, Laden) zur Integration von Daten aus verschiedenen Quellen

• Big-Data-Analysen und Data Science, um aussagekräftige Informationen aus den Datensätzen zu gewinnen

Das Team begann mit der Arbeit an Datensätzen, die Tausende von makroökonomischen Indikatoren umfassten. Bei der Entwicklung der Prognosemodelle stellten die Engineers fest, dass ihre gut trainierten Algorithmen fehlerhafte Ergebnisse lieferten. Nach sorgfältiger Prüfung lösten sie das Problem, indem sie mehrere Algorithmen für Machine Learning entwickelten, die ihre Ergebnisse gegenseitig überprüfen und verifizieren. Die richtige Wahl des Entwicklungsteams hat eindeutig zum Erfolg des Projekts beigetragen.

Strategische Partnerschaft

Als das FinTech-Start-up ein internes Entwicklungsteam für das Projekt zusammenstellte, beschloss es, einen Data-Science-Experten als Teamleiter einzustellen. In diesem Moment trat pwrteams auf den Plan. Wir wählten genau die richtige Person aus unserem reichhaltigen Talentpool aus: einen Experten für Data Science mit einem MBA und einem Ph. D, der über jahrzehntelange Branchenerfahrung verfügt. Er ist in geschäftlichen Angelegenheiten ebenso versiert, wie bei der Lösung technischer Probleme. Unser Data-Science-Experte konnte seine Kompetenz unter Beweis stellen und wurde schließlich in eine Top-Managementposition – zum Leiter des Data Science Office – befördert. Er ist für folgende Aufgaben zuständig:

• die Architektur des Systems

• die KI-Funktionen der Software

• den geschäftlichen Nutzen des Tools

• Beratungen und Verhandlungen mit Partnern und Kund*innen

Unser Data-Science-Experte war maßgeblich an der Zusammenstellung eines Entwicklungsteams beteiligt, das aus talentierten Entwicklern, erfahrenen KI-Technologen und kompetenten Forschern bestand. Insgesamt 13 Mitarbeiter haben daran gearbeitet, die weltweiten Datenquellen miteinander zu verbinden, um den Kunden effektive und transparente Prognosen zu Rohstoffpreisen zu liefern. Darüber hinaus nahm der Data-Science-Experte von pwrteams an den Pre-Sales-Aktivitäten und Verhandlungen mit potenziellen Partnern und Kunden teil.

Die Ergebnisse

Unter Leitung unseres Data-Science-Experten hat das Entwicklungsteam ein hoch entwickeltes, auf KI basierendes System aufgebaut, das aus mehreren Machine-Learning-Modulen besteht. Das Tool verwendet einen Problemklassifizierungsalgorithmus und ein überwachtes Learning-Framework, um Preisprognosen abzugeben, Markttrends vorherzusagen und Echtzeitanalysen der Marktvolatilität zu erstellen.

Das System umfasst zahlreiche praktische Anwendungsfälle und ist daher ideal für Unternehmen geeignet, die eine Allround-Lösung für die Datenanalyse suchen. Es bietet insbesondere Vorteile für Unternehmen, die in dynamischen Märkten tätig sind. Hier einige der Anwendungsfälle:

Finanzdienstleistungen:
Vorhersage von Finanzmarkttrends und Erstellung von Kreditrisikomodellen

Einzelhandel:
Vermarktung von Produkten an die richtige Zielgruppe zum richtigen Preis.

Fertigung:
Nachfrageprognosen, um die richtige Menge an Rohstoffen zur richtigen Zeit liefern zu können.

Energie:
Prognose der Auswirkungen von Anlagenausfällen, Wetterbedingungen und neuen Gesetzen auf die Dienstleistungskosten

Dem FinTech-Unternehmen ist es gelungen, die ultimative Datenanalyselösung zu entwickeln, von der Unternehmen aus allen Branchen profitieren werden.