Prognosen mit KI in Business Central: was geht heute wirklich?

Business Central bringt Prognose-Funktionen im Standard mit: Absatz- und Bestandsprognosen je Artikel, Zahlungsprognosen für den Cashflow und laufend erweiterte Copilot-Analysen auf den eigenen Zahlen. Sie funktionieren dort gut, wo Historie und Stammdaten tragen: mehrere Jahre saubere Bewegungsdaten, eindeutige Artikel, gepflegte Zahlungsbedingungen. Sie ersetzen keine Planung bei Sondereffekten, Neuprodukten oder dünner Historie. Die ehrliche Reihenfolge lautet deshalb: erst Datenhistorie prüfen, dann Prognose aktivieren, dann an echten Monaten messen.

Die drei Einsatzfelder im Standard

1. Absatz und Bestand: Prognosen je Artikel auf Basis der eigenen Verkaufshistorie, als Grundlage für Bestell- und Bestandsentscheidungen. Stärke: gleichförmiges Renner-Sortiment. Schwäche: Saisonartikel mit kurzer Historie und alles, was von Einzelaufträgen lebt.
2. Zahlungen und Cashflow: Prognosen darüber, wann Kunden voraussichtlich zahlen, auf Basis des bisherigen Zahlungsverhaltens. Nützlich für die Liquiditätssicht, ehrlich aber nur so gut wie die gepflegten Zahlungsbedingungen und Ausgleichsdaten.
3. Copilot-Analysen: Fragen an die eigenen Zahlen in Alltagssprache, mit Auswertungen als Antwort. Kein Prognosemodell im engen Sinn, aber der schnellste Weg, Muster zu sehen, aus denen Entscheidungen werden.

Was eine brauchbare Prognose voraussetzt

Prognosen lernen aus der Vergangenheit, und sie lernen alles: auch Ihre Dubletten, Ihre umgeschlüsselten Artikel und Ihre nie gepflegten Zahlungsbedingungen. Ein Artikel, der dreimal unter neuer Nummer angelegt wurde, hat für das Modell dreimal eine kurze Historie statt einmal eine lange. Die Prognosequalität ist deshalb kein Modellthema, sondern ein Stammdatenthema.

Als Faustregel taugt: mindestens zwei volle Jahre Bewegungsdaten je Prognosefeld, bereinigte Stammdaten und ein Mensch, der die ersten drei Prognosemonate gegen die Realität hält. Danach weiß man, wo man dem Modell trauen darf und wo nicht.

Wo die Grenzen liegen

Kein Standard-Modell sieht, was nicht in den Daten steht: den neuen Wettbewerber, die Messe, die ausgefallene Maschine beim Kunden. Prognosen sind eine Basislinie, keine Wahrheit. Gefährlich werden sie erst, wenn niemand mehr widerspricht: Die brauchbare Ordnung ist Modell-Vorschlag plus menschliche Korrektur mit Begründung, nicht blindes Übernehmen und nicht blindes Ignorieren.

Für Projektfertiger und Einzelauftragsgeschäft gilt zusätzlich: Artikel-Prognosen tragen dort wenig, weil kaum ein Auftrag dem anderen gleicht. Der Nutzen sitzt dann eine Ebene tiefer, bei Zukaufteilen, Normteilen und Verbrauchsmaterial, und in der Zahlungsprognose, die auch im Projektgeschäft funktioniert.

Der pragmatische Einstieg

Ein Feld, drei Monate, zwei Zahlen: Wählen Sie das Prognosefeld mit der besten Datenhistorie, lassen Sie es drei Monate mitlaufen, ohne Entscheidungen daran zu hängen, und vergleichen Sie monatlich Prognose gegen Ist. Trägt die Qualität, wird das Feld produktiv genommen und das nächste geprüft. So entsteht Prognose-Nutzung mit Beleg statt mit Bauchgefühl, und die Frage, wann sich KI im ERP rechnet, beantwortet sich für dieses Feld gleich mit.