Predictive Analytics BI.
Wann die BI-Prognose reicht und wann ein Modell nötig ist.

Was ist Predictive Analytics in der BI?

Predictive Analytics in der BI bedeutet, aus historischen Werten künftige zu schätzen, meist als Zeitreihenprognose für Absatz, Umsatz, Kosten oder Bestand. Die Spanne reicht von der Prognoselinie im Bericht über AutoML auf der Datenplattform bis zum eigenen Modell. Der Wert hängt an Historie, Takt und Datenqualität, nicht an der Werkzeugwahl. Die zehn Zeilen der Werkzeugtabelle zeigen, was Hersteller dafür dokumentieren, Stand 02.11.2026. Grundbegriffe finden Sie im BI Glossar. Beginnen Sie klein: eine Kennzahl, ein Horizont, ein Rückblick-Test.

Kann Power BI Prognosen erstellen?

Ja, Power BI bietet im Analytics-Bereich eine Prognose mit wählbarer Länge und Konfidenzintervall, sie ist laut Microsoft nur für Liniendiagramme verfügbar und braucht Zeitdaten. Dazu kommt die Anomalieerkennung mit Empfindlichkeit und Erklärungsfeldern, ebenfalls nur im Liniendiagramm (Microsoft Learn, abgerufen am 02.11.2026). Für viele Reihen, Einflussgrößen oder Betrieb nennt Microsoft AutoML in Fabric, das Code in Notebooks verlangt. Kosten der Kapazität stehen unter Microsoft Fabric Kosten. Die Anomalieerkennung ersetzt keine Prognose, sie markiert nur auffällige Werte in der Vergangenheit.

Welche BI-Werkzeuge haben eine Prognosefunktion?

Eine dokumentierte Prognosefunktion haben unter anderem Power BI, Tableau, Zoho Analytics, Qlik Cloud mit Qlik Predict, SAP Analytics Cloud mit Smart Predict sowie die Plattformen Databricks, Snowflake, Google BigQuery und Microsoft Fabric (Herstellerseiten, abgerufen am 02.11.2026). Data Studio zeigt laut Hilfeseite Trendlinien, eine Prognose künftiger Werte nennt sie nicht. Voraussetzungen und Reifegrad je Werkzeug finden Sie in der Tabelle oben. Alternativen zu Tableau beschreibt Tableau Alternativen. Nicht jede Funktion steht in jeder Edition oder Region bereit, das ist in der Demo zu klären.

Wie viele Daten braucht eine Prognose?

Tableau braucht mindestens fünf Datenpunkte für einen Trend und für Saisonalität zwei Saisons oder eine Saison plus fünf Perioden, bei Monatsdaten also 24 Punkte. Snowflake verlangt mindestens 12 Zeilen je Reihe, Zoho sieben Datenpunkte, SAP empfiehlt 30 Monate Historie für 6 Monate Prognose (Herstellerseiten, Stand 02.11.2026). Diese Werte sind Untergrenzen für das Rechnen. Für brauchbare Ergebnisse zählen zusätzlich Takt und Datenqualität, siehe Datenqualität in der BI. Bei Wochen- oder Tagesdaten verändern sich die Saisonlängen, bei Tableau etwa sieben Tage für Tagesdaten.

Wann reicht eine BI-Prognose, und wann brauche ich ein eigenes Modell?

Eine BI-Prognose reicht für wenige Kennzahlen mit mindestens zwei Saisonzyklen Historie, festem Takt und reiner Anzeige im Dashboard. Ein Modell auf der Plattform oder ein eigenes lohnt bei vielen Zeitreihen, bekannten Einflussgrößen oder wenn das Ergebnis in Prozess oder Planung zurückfließt. Die Checkliste oben als CSV führt die Fragen auf. Entscheidend bleibt, ob die Prognose in einem Rückblick-Test eine einfache Vergleichsprognose schlägt (Einordnung von Find-Your-BI, Stand November 2026). Ein Pilot mit einer Kennzahl zeigt in wenigen Tagen, ob Stufe 1 trägt.

Wie prüfe ich die Genauigkeit einer Prognose?

Vergleichen Sie die Prognose im Rückblick mit den tatsächlichen Werten und mit einer Naivprognose, bei der der nächste Wert dem letzten entspricht. Tableau zeigt dafür GOOD, OK oder POOR relativ zur Naivprognose und nennt Fehlermaße wie MAE, RMSE, MASE und MAPE, wobei MAPE bei Nullwerten nicht definiert ist (Tableau Hilfe, abgerufen am 02.11.2026). Trainieren Sie nur mit älteren Daten und testen Sie mit den jüngsten. Die Controlling-Kennzahl steht in BI für Finanzwesen.

Was ist AutoML in der BI?

AutoML trainiert und vergleicht mehrere Modelle automatisch und wählt das beste nach einer Gütekennzahl. Qlik Predict bietet das ohne Code, Fabric AutoML und Databricks AutoML arbeiten mit Code in Notebooks bzw. Experimenten (Herstellerseiten, abgerufen am 02.11.2026). Fabric listet für Zeitreihen Verfahren wie AutoARIMA, Prophet und Temporal Fusion Transformer. AutoML ersetzt weder die Datenprüfung noch den Rückblick-Test, es spart nur das manuelle Ausprobieren der Verfahren. Planen Sie dafür Zeit für Datenaufbereitung und Test ein, denn sie macht den größeren Teil des Aufwands aus.

Kann man mit Qlik Prognosen erstellen?

Ja, Qlik Cloud bietet mit Qlik Predict Zeitreihenexperimente ohne Code. Das Ziel muss numerisch sein und mehr als 11 verschiedene Werte haben, das Datum im gleichmäßigen Takt vorliegen, das Prognosefenster reicht bis 180 Schritte (Qlik Hilfe, abgerufen am 02.11.2026). Qlik nennt Predict eine kostenpflichtige Zusatzfunktion, Premium enthält begrenzte Basisfunktionen. Preise der Stufen stehen unter Qlik Sense Preise. Trainingsdaten dürfen laut Qlik bis zu 1 GiB groß sein, bis zu zwei Gruppen lassen sich je Experiment bilden, und jede Gruppe wird als eigene Reihe behandelt. Hyperparameter-Optimierung unterstützt der Experimenttyp nicht.

Wie macht man eine Absatzprognose mit BI?

Eine Absatzprognose entsteht in fünf Schritten: Ziel und Horizont festlegen, Daten prüfen, Vergleichswert und BI-Prognose berechnen, Rückblick-Test durchführen, Stufe wählen und betreiben. Für wenige Artikel genügt die Prognoselinie im Liniendiagramm, für viele Artikel mit Standorten sind AutoML oder SQL-Prognosen im Warehouse üblich. Branchenbezug im Handel finden Sie unter BI für Handel und E-Commerce. Die Schritte stehen im Ablauf oben. Wichtig ist der Vergleich mit dem Vorjahreswert, denn er zeigt, ob das Verfahren mehr kann, als Saisonmuster zu wiederholen. Aktionen und Preise gehören als bekannte Einflussgrößen in die Daten.

Was kostet Predictive Analytics im Mittelstand?

Das Rechenbeispiel von Find-Your-BI liegt bei 3.900 € bis 6.500 € Beratung für eine Prognose im Bericht, 19.500 € bis 32.500 € für eine AutoML-Lösung und 52.000 € bis 78.000 € für ein eigenes Modell mit Betrieb. Annahme: 3 bis 5, 15 bis 25 bzw. 40 bis 60 Beratertage zu 1.300 € laut BDU, netto, ohne Lizenzen. Qlik Premium kostet ab 2.750 USD je Monat (Qlik, 02.11.2026). Weitere Kosten: BI-Projekt Kosten.

Ersetzt eine BI-Prognose die Planung?

Nein, eine Prognose liefert einen Schätzwert unter unveränderten Bedingungen, die Planung legt Ziele, Versionen, Szenarien und Verantwortliche fest. Eine BI-Prognose kann den Startwert für den Forecast liefern, den das Controlling dann anpasst. Planungslösungen mit Rückschreiben und Freigabe sind eine eigene Produktklasse. Wann BI genügt und wann Planungssoftware dazukommt, erklärt BI für Finanzwesen. Beide ergänzen sich: Die Prognose zeigt die Richtung, die Planung hält Entscheidungen fest und macht Abweichungen später erklärbar. Wer Versionen und Freigaben braucht, sollte die Planungsfrage getrennt von der Prognosefrage klären und beides im Auswahlprozess prüfen.

Kann ich Prognosen direkt im Data Warehouse rechnen?

Ja, mehrere Plattformen bieten Prognosen als Funktion, die ein BI-Werkzeug nur anzeigt: Snowflake mit der ML-Funktion Forecasting, BigQuery mit AI.FORECAST und TimesFM, Databricks mit ai_forecast, dort Version 1 als Public Preview und Version 2 als Beta (Herstellerseiten, abgerufen am 02.11.2026). Das spart Datenbewegung, verlangt aber SQL-Kenntnisse und Kostenkontrolle. Grundlagen zum Warehouse: Data Warehouse für BI, Vergleich: Databricks oder Snowflake. Die BI-Schicht greift dann auf Ergebnistabellen zu, und Rechte gelten wie für andere Tabellen. Prüfen Sie vorab Region und Kosten je Lauf, bei BigQuery gilt für TimesFM 3.0 ab 01.12.2026 tokenbasierte Abrechnung.

Warum ist meine Prognose unbrauchbar oder nur eine Gerade?

Meist sind Historie, Takt oder Saison das Problem: zu wenige Punkte, Lücken oder keine zwei Saisonzyklen, sodass das Verfahren nur einen Trend findet. Tableau weist darauf hin, dass für Saisonalität genügend Datenpunkte nötig sind und dass bei geringer Qualität das Konfidenzband keine Rolle spielt (Tableau Hilfe, abgerufen am 02.11.2026). Prüfen Sie zuerst Länge und Takt der Reihe und vergleichen Sie dann gegen die Naivprognose. Datenfragen behandelt Datenqualität in der BI.