Prognosen Theorie

Prognosen Theorie

Prognosen sind Hochrechnungen zu Entwicklungen, Zuständen oder auch einzelnen Ereignissen in der Zukunft. Prognosen werden meist aufgrund von Erfahrungen oder Werten aus der vergangenen Entwicklung oder aufgrund von theoretischen Annahmen getroffen.

Die Wissenschaft und Methodologie der Prognosen ist die Prognostik, in weiterem Sinne auch die Futurologie.

openai.chatgpt via Bing sagt:

"Eine Prognose ist eine Aussage über Ereignisse, Umweltzustände oder Entwicklungen in der Zukunft. Prognosen können auf formalisierten Methoden wie Messungen, zeitlich gegliederten Messreihen oder Simulationen basieren. Es gibt verschiedene Arten von Prognosetechniken, die in der Wissenschaft der Prognostik untersucht werden. Prognosen sind in vielen Bereichen der Wissenschaft methodisch bedeutsam, da sie ein wichtiges Qualitätskriterium bei der Operationalisierung von Konstrukten darstellen."

Steinbeis-BI nimmt diese Thematik auf, da Prognosen auch in der Wirtschaft von großer Bedeutung sind. Sie können sich aus Untersuchungen über die Marktsituation, das Konkurrenzverhalten und anderen Umfelddaten für Unternehmen und Organisationen, sowie aus internen Unternehmensdaten, ergeben. Zu den Prognosen gehört auch die Extrapolation von Trends über den Konjunkturverlauf, Investionsverhalten, die Einschätzungen von wichtigen Innovationen, das Konsumverhalten und vieler anderer Indikatoren für zukünftige Entwicklungen.

Statistische Methoden sind ein wichtiger Bestandteil der Prognose. Sie schreiben Vergangenheitswerte mit Hilfe geeigneter Algorithmen in die Zukunft fort. Die Wahl des Extrapolationsalgorithmus, also der Formel, mit der historische Daten in die Zukunft fortgeschrieben werden, ist das entscheidende Qualitätsmerkmal für gute Prognosen. Laut chatGPT via Bing ist dies "ein Akt intelligenter Auswahl".

Einige der statistischen Methoden, die für Prognosen verwendet werden, sind:

  • Regression: Methoden, die verwendet werden, um Beziehungen zwischen abhängigen und unabhängigen Variablen zu modellieren.
  • Zeitreihenanalyse: Methoden, die verwendet werden, um zeitabhängige Veränderungen von Messwerten zu analysieren und vorherzusagen.
  • ARIMA-Modelle: Weiterentwickelte Zeitreihenanalysen, die dynamisch fortgeschrieben werden.
  • S-Kurven: Ein Modell aus Wachstumsprozessen in der Natur und in der Physik abgeleitet.
  • Maschinen-Lernen: Modellbildung mit Hilfe neuronaler Netze

 
Es gibt viele weitere Methoden, die in der Prognostik eingesetzt werden können. Die Wahl der Methode hängt von der Art der Daten und der Art der Vorhersage ab, die getroffen werden soll . Wir erwähnen hier nicht-statistische und auxch nicht statische Prognose-Methoden. Hierzu zählen: