AI-gebaseerde verkoopprognoses voor voedingsverwerkende bedrijven

In dit artikel:

Een nieuw AI-gebaseerd systeem voor verkoopvoorspellingen van levensmiddelen is ontwikkeld door samenwerking tussen ontwikkelaars, onderzoekers van de Universiteit Maastricht en het bedrijf Michael Kleiber GmbH. Deze methode maakt gebruik van causale kunstmatige intelligentie (Causal AI) gecombineerd met Large Language Models (LLM’s) om niet alleen verkoopcijfers te analyseren, maar ook de onderliggende oorzaken van verkooppatronen en invloedsfactoren te identificeren. Dit is een doorbraak ten opzichte van traditionele tijdreeksanalyses en conventionele machine-learningtechnieken, die veelal alleen correlaties zien zonder onderscheid te maken tussen oorzaak en gevolg.

Het systeem speelt in op de noodzaak van nauwkeurige inschattingen van productievolumes, die essentieel zijn om verspilling te voorkomen en winst te maximaliseren. Tot nu toe waren bedrijven afhankelijk van ervaren medewerkers, wat risico’s met zich meebrengt bij hun uitval. De AI-methode verwerkt complexe variabelen zoals seizoensinvloeden, consumentengedrag, aanbiedingen, weer en feestdagen, die de verkoop beïnvloeden, en houdt tevens rekening met wederzijdse verbanden tussen vergelijkbare producten.

Bij Michael Kleiber GmbH is het systeem al in een realistische werkomgeving getest en ondersteunt het binnenkort filialen bij het voorspellen van verkoopvolumes en het verklaren van de factoren die deze beïnvloeden. Volgens senior software engineer Jan Schummers zijn de eerste resultaten veelbelovend en beter dan eerdere prognosepogingen. Door de integratie van domeinexpertise en geavanceerde AI-technieken ontstaat een heldere regelset die als blauwdruk kan dienen voor bredere toepassing binnen de sector, wat een stap vooruit betekent in het datagedreven ondersteunen van bedrijfsbeslissingen.