Lexikon · P
Predictive Analytics
Kurzantwort
Predictive Analytics nutzt historische Daten, Statistik und maschinelles Lernen, um Wahrscheinlichkeiten für künftige Ereignisse zu berechnen, etwa für Nachfrage, Zahlungsausfälle oder Betrug4. Eine brauchbare Prognose nennt dazu einen Bereich, in dem der tatsächliche Wert mit einer angegebenen Wahrscheinlichkeit liegen wird3.

Eine Bäckerei weiß aus Erfahrung, dass an sonnigen Samstagen mehr Brötchen weggehen als an verregneten Dienstagen. Predictive Analytics macht aus solchem Bauchgefühl eine Rechnung: Verkaufszahlen der letzten Jahre, Wetter, Ferien und Feiertage gehen in ein Modell, und heraus kommt eine Schätzung für den nächsten Samstag samt Spanne nach oben und unten. Das englische Wort bedeutet vorausschauende Analyse. Gemeint sind Verfahren, die aus Vergangenem auf Kommendes schließen.
Womit gerechnet wird
IBM zählt Predictive Analytics zur fortgeschrittenen Datenanalyse und nennt als Werkzeuge Statistik, Data Mining und maschinelles Lernen4. Je nach Frage kommen unterschiedliche Modelle zum Einsatz. Zeitreihenmodelle wie ARIMA erkennen Trends, Saisonmuster und Zyklen in Werten, die in festen Abständen gemessen werden. Klassifikationsmodelle wie die logistische Regression, Entscheidungsbäume oder neuronale Netze beantworten Ja-oder-nein-Fragen, etwa ob ein Kredit ausfallen wird4. Für die Finanzanalyse in Banken nennt IBM Kreditausfälle, Kundenrisiken und betrügerische Ausgaben als typische Fragen4.
Was sich vorhersagen lässt
Rob Hyndman und George Athanasopoulos beschreiben in ihrem frei zugänglichen Lehrbuch "Forecasting: Principles and Practice" vier Bedingungen dafür, wie gut sich etwas vorhersagen lässt12: wie gut man die Einflussfaktoren versteht, wie viele Daten es gibt, wie sehr die Zukunft der Vergangenheit ähnelt und ob die Prognose selbst das Ergebnis beeinflusst2. Der Stromverbrauch in Haushalten erfüllt alle vier und lässt sich kurzfristig sehr genau schätzen. Bei Wechselkursen ist nur eine erfüllt, nämlich die Datenmenge, und die Autoren vergleichen ihre Vorhersage mit einem Münzwurf2.
Jede Prognose ist deshalb eine Verteilung möglicher Werte. Das Lehrbuch zeigt neben dem wahrscheinlichsten Wert Vorhersageintervalle, etwa eines, in dem der tatsächliche Wert in 80 Prozent der Fälle landet, und ein breiteres für 95 Prozent3. Je weiter die Prognose in die Zukunft reicht, desto unsicherer wird sie3.
Einsatz in Handel und Wartung
Im Einzelhandel geht es meist um Bestände und Preise4. Wie viel Ware muss am Freitag im Lager liegen, damit nichts ausgeht und wenig verdirbt? Und wann lohnt ein Preisnachlass, bevor Saisonware liegen bleibt?
In der Wartung lautet die Frage: Wie lange läuft eine Maschine noch, bevor sie ausfällt? Die NASA stellt dafür simulierte Datensätze von Flugzeugtriebwerken bereit, die vom gesunden Zustand bis zum Ausfall laufen. Aus den Sensordaten soll ein Modell vorhersagen, wie viele Betriebszyklen einem Triebwerk noch bleiben5. Einzelne Ausreißer in den laufenden Messwerten meldet die Anomalieerkennung, die jeden Wert im Moment bewertet. Übertragen auf die Maschinen im eigenen Betrieb heißt das vorausschauende Wartung, ein Kernthema von KI in der Produktion.
Handel wie Wartung hängen an der dritten Bedingung, also daran, dass die Zukunft der Vergangenheit ähnelt. Eine Pandemie, ein neuer Wettbewerber oder eine Gesetzesänderung kann die Muster der Vergangenheit über Nacht wertlos machen, und das Modell merkt davon nichts, bis die Fehler auffallen.
Häufige Fragen
Was ist der Unterschied zwischen Predictive Analytics und Business Intelligence?
Business Intelligence beschreibt, was passiert ist, etwa den Umsatz des letzten Quartals. Predictive Analytics schätzt, was als Nächstes passiert. In der Praxis greifen beide oft auf dieselben Daten zu.
Braucht ein kleiner Betrieb dafür teure Software?
Nicht zwingend. Tabellenprogramme bringen einfache Prognosefunktionen mit, und freie Werkzeuge reichen für viele Zeitreihen. Wichtiger als das Werkzeug sind saubere, lückenlose Daten über einen ausreichend langen Zeitraum.
Darf eine Bank meine Kreditwürdigkeit per Algorithmus vorhersagen?
Banken setzen solche Modelle ein, es gelten aber Regeln des Datenschutzrechts zu automatisierten Entscheidungen. Im Einzelfall helfen Verbraucherzentralen und Fachanwälte weiter.
Quellen
Stand:
- OTexts (Hyndman, Athanasopoulos): Forecasting: Principles and Practice, 3rd edition, Stand 20.11.2026, abgerufen am 22.11.2026. zurück
- OTexts (Hyndman, Athanasopoulos): Forecasting: Principles and Practice, What can be forecast?, Stand 20.11.2026, abgerufen am 22.11.2026. zurück
- OTexts (Hyndman, Athanasopoulos): Forecasting: Principles and Practice, The statistical forecasting perspective, Stand 20.11.2026, abgerufen am 22.11.2026. zurück
- IBM (Finn, Smalley): What is predictive analytics?, abgerufen am 22.11.2026. zurück
- NASA (über data.gov): CMAPSS Jet Engine Simulated Data, Stand 29.05.2025, abgerufen am 22.11.2026. zurück





