Inhaltsangabe: Einleitung: Wie oft wird sich unser Produkt XY in der nahen Zukunft verkaufen? Dies ist eine entscheidende Frage im Rahmen der Produktionsplanung, aber auch in vielen anderen betrieblichen Funktionen. Zur Beantwortung stehen jedoch meist keine geeigneten Methoden zur Verf gung. Stattdessen wird der zuk nftige Absatz, bzw. die zuk nftige Nachfrage, mittels Daumenregeln oder einfachsten statistischen Verfahren gesch tzt. In zahlreichen Anwendungsfeldern haben sich Neuronale Netze als berlegene Prognoseverfahren erwiesen. Die vorliegende Arbeit bertr gt das erfolgsversprechende Konzept Neuronaler Netze auf das Problem der Nachfrageprognose („Demand Planning"). Einsatzm glichkeiten, Konfigurationsparameter und m gliche Probleme werden erl utert. Daneben wird auf die Implementierung des Demand Planning in modernen Advanced Planning Systems - u.a. SAP APO - f r das Supply Chain Management eingegangen. Inhaltsverzeichnis: Inhaltsverzeichnis: AbbildungsverzeichnisII Abk rzungsverzeichnisIII SymbolverzeichnisIV 1.Einleitung und Motivation1 1.1Begriffsabgrenzung1 1.2Eigenschaften Neuronaler Netze2 1.3Aufbau und Zielsetzung dieser Arbeit4 2.Grundlegende Konzepte Neuronaler Netze6 2.1Neuronen6 2.1.1Funktionsweise von Neuronen6 2.1.2Aktivierungszustand7 2.1.3Propagierungsfunktion7 2.1.4Aktivierungsfunktion8 2.1.5Ausgabefunktion10 2.2Netzstruktur11 2.2.1Verbindungsgewichte11 2.2.2Typen von Neuronen12 2.2.3Netztopologien13 2.3Lernregel15 2.4Das MLP-Netzwerk16 3.Demand Planning19 3.1Aufgaben und Einordnung19 3.2Grundlagen der Bedarfsprognose19 3.3Statistische Prognoseverfahren21 3.3.1Exponentielle Gl]attung erster Ordnung21 3.3.2Regressionsrechnung22 3.3.3ARIMA22 3.4Demand Planning in APS23 4.Prognose mittels Neuronaler Netze25 4.1Allgemeine Vorgehensweise25 4.1.1Horizontale und vertikale Prognose25 4.1.2Lern-, Test- und Recall-Phase26 4.2Datenauswahl und -aufbereitung27 4.2.1Datenauswahl27 4.2.2Datenaufbereitung28 4.3Da