KI-Nachfrageprognose mit Google Cloud TiDE beim Versandhändler OTTO
Der deutsche Onlinehändler OTTO musste die Nachfrage für sehr unterschiedliche Produkte prognostizieren – von stabilen Artikeln wie Jeans bis zu volatilen Trendprodukten. Gemeinsam mit Google Cloud/Google Research setzt OTTO das Zeitreihenmodell TiDE auf Vertex AI ein, trainiert mit Verkaufsdaten aus BigQuery. Ergebnis: bis zu 30 Prozent genauere Prognosen, geringere Lagerkosten und höhere Warenverfügbarkeit.
Vertiefung
Ausgangslage war die Herausforderung klassischer Prognosemodelle, sowohl kurzfristige Nachfrageschwankungen als auch langfristige saisonale Muster über ein extrem heterogenes Sortiment hinweg abzubilden, inklusive Preis- und externer Einflussfaktoren. OTTO nutzt dafür das von Google Research entwickelte Time-series-Dense-Encoder-Modell (TiDE), trainiert auf Vertex AI mit historischen Verkaufsdaten aus BigQuery und produktiv betrieben auf Google Kubernetes Engine. Voraussetzung war eine bestehende Cloud-Dateninfrastruktur sowie die Zusammenarbeit mit Google Research zur Modellentwicklung. Die Prognosen nutzen Demand-Analysten bei OTTO zur Steuerung von Lagerbeständen und dynamischer Preisgestaltung. Laut OTTO verbesserte sich die Prognosegenauigkeit um bis zu 30 Prozent, wodurch Lagerkosten gesenkt, Umsatz durch bessere Verfügbarkeit gesteigert und Verschwendung reduziert werden konnte. Der Ansatz ist auf andere Handelsunternehmen mit breitem, volatilem Sortiment übertragbar.