Stahl ist das am meisten gehandelte Industriegut und fungiert weltweit für Entwicklungsländer und Industrienationen gleichermaßen als Wachstumsmotor. Allerdings ist die Stahlindustrie genau wie andere Branchen von Störungen in der Lieferkette sowie starken Preisschwankungen betroffen. Nach dem ersten pandemiebedingten Schock stieg die Nachfrage merklich an und Preiserhöhungen sind zur Normalität geworden. Diese Entwicklung wurde durch die Steuerpolitik der Industrienationen zusätzlich verstärkt. Gleichzeitig gibt es Unsicherheiten über den zukünftig einzuschlagenden Weg.
Im zweiten Halbjahr 2021 konnten wir sehen, wie Preise neue Höhepunkte erreichten, einerseits aufgrund von kostensteigernden Faktoren (wie Preiserhöhungen für Rohstoffe einschließlich Eisenerz und Kokskohle), andererseits aufgrund steigender Nachfrage nachgelagerter Branchen wie der Automobilindustrie und dem Bausektor. Die in der Regel von Unternehmen angewandten Strategien zur Preisbestimmung sind reaktiv, was Stahlunternehmen durch Marktfluktuationen der Gefahr von finanziellen Verlusten aussetzt. Ob intern generiert oder von externen Dienstleistern ermittelt, sind Prognosen oftmals durch „Expert Bias“ beeinflusst und stellen sich oftmals als falsch heraus, was zusätzlichen Druck auf die Margen ausübt.
Stahlunternehmen müssen sich bei der Prognose und Gestaltung von Preisen verbessern und auf neue Technologien zur akkuraten Prognose der Stahlpreisentwicklung nahezu in Echtzeit setzen. Diese Technologien existieren bereits und es gilt, die Chance zu ergreifen und ihren Wert zu erkennen.
Die traditionelle Herangehensweise überdenken
Stahlunternehmen ermitteln Angebot, Nachfrage, Warenverkehr, Kapazität, Produktionskosten und Daten zur Preisbestimmung aus unterschiedlichen Quellen und wenden verschiedene makroökonomische und branchenspezifische Instrumente an, um Prognosen für die zukünftige Preisentwicklung zu erstellen. Während Preisprognosen bisher datengesteuert waren, haben Stahlunternehmen, Trader, Käufer und Investoren jetzt die Chance, Big Data und analysegesteuerte Algorithmen wirksam einzusetzen.
Traditionellerweise fokussieren sich Stahlunternehmen auf die direkten Variablen, die einen Einfluss auf ihre Preise haben, und verwenden die Ergebnisse von einfachen Prognose-Algorithmen zur Entscheidungsfindung. Um aus Programmen und Tools zur Preisbestimmung einen größeren Nutzen zu ziehen, benötigen Stahlunternehmen hoch entwickelte Algorithmen, die mehr als nur die Variablen von Angebot und Nachfrage verarbeiten. Durch die Einbeziehung weiterer Faktoren, wie das globale BIP, die konkrete Industrieproduktion und Währungskurse, kann die Preisentwicklung viel genauer simuliert werden.
Bei Modellierungen zur Preisprognose sollte das wirtschaftliche Umfeld, in dem ein Stahlunternehmen tätig ist, zunächst genau definiert werden. Dazu zählen von örtlichen Behörden auferlegte Kapazitätsbeschränkungen, wechselnde Marktnachfrage-Niveaus, sich ändernde Kundenbedürfnisse und globale Faktoren zur Optimierung von Handelsverträgen. Auf Basis dieser umfassenden Definition kann das Unternehmen Forschungsarbeiten und Analysen durchführen, um die verschiedenen Faktoren zu untersuchen, die Stahlpreise kurz- und langfristig beeinflussen.
Mit diesem Wissen ausgestattet, können Unternehmen Spitzentechnologien wie Machine Learning und künstliche Intelligenz (KI) einsetzen, die sie befähigen, genaue Prognosen der Stahlpreisentwicklung zu erstellen. Diese Technologien verhindern außerdem Human Bias und selektive Urteile, die bei der Preisprognose zu den größten Problemen und Fehlerquellen gehören.
Unternehmen können Spitzentechnologien wie Machine Learning und künstliche Intelligenz (KI) einsetzen, die sie befähigen, genaue Prognosen der Stahlpreisentwicklung zu erstellen.
Wir sehen einen Vier-Stufen-Plan zur Entwicklung einer neuen Preisgestaltungsstrategie:
- Die richtigen Daten erhalten und strukturieren. Stahlunternehmen benötigen verlässliche Daten über die Faktoren, die die Stahlpreise kurz- und langfristig beeinflussen. Diese Daten sollten bereinigt werden, um Analysten dabei zu unterstützen, Datenanomalien und fehlende Werte zu verstehen und zu verarbeiten.
- Neue Modelle erschaffen. Unternehmen benötigen hoch entwickelte, multivariate Modelle, um den Kausalzusammenhang zwischen Stahlpreisen und Rohstoffpreisen, treibenden Faktoren bei Angebot und Nachfrage, globalen und nationalen Stahlproduktionskapazitäten und makroökonomischen Indikatoren wie Bruttoinlandsprodukt, persönliche Konsumausgaben und Industrieproduktion zu erfassen. Außerdem benötigen Unternehmen eine genaue Analyse von branchenspezifischen Faktoren wie Durchlaufzeit, Warensendungen, Importen und Exporten.
- Die Modelle testen. Durch Tests können Unternehmen die Leistung von univariaten Zeitreihenmodellen beobachten, die zur Vorhersage der Gewichtung von Faktoren – in Fachsprache Regressoren genannt (wie Preise für Schrott, Kokskohle und Eisenerz) – eingesetzt werden. Diese Modelle können in normalen Phasen gut funktionieren, sich aber in Zeiten von Marktvolatilität bei Trendprognosen schwertun. Um diese Herausforderung zu bewältigen, können Datenanalysten
- die Leistung von univariaten Modellen durch regelmäßige Genauigkeitsüberprüfung verbessern,
- externe, von Drittanbietern bereitgestellte genaue Vorhersagen zu Regressoren in das Preisprognosemodell integrieren, um verbesserte Stahlpreisvorhersagen zu erhalten, anstatt ein Zeitreihenmodell zu verwenden,
- untersuchen, ob sich die Preisprognosen auf den Warenterminbörsen für Regressoren als zutreffend erweisen,
- multivariate Modelle zur Prognose der genannten Regressoren einsetzen.
- „What if“-Fähigkeiten eingliedern. Unter höchst dynamischen Marktbedingungen kann es selbst für fortschrittliche Technologien schwierig sein, Preise zu verstehen und präzise Prognosen zu erstellen. Ausgereifte Algorithmen zur Stahlpreisprognose können mit „What if“-Funktionen wie Szenario-Managern gekoppelt werden, um Unternehmen zu befähigen, Markt und Business Intelligence in Preissetzung zu übersetzen. Analysten können verschiedene Szenarien modellieren, um die Auswirkungen von Force- Majeure-Ereignissen und von Marktbedingungen auf die Stahlpreise zu veranschaulichen.
Vorteile einer neuen technischen Architektur
Zusätzlich sollten sich Stahlunternehmen auf die Entwicklung einer flexiblen, Cloud-basierten technischen Architektur konzentrieren, die es ermöglicht, Modellierungen schnell zu berechnen und durch Simulation von verschiedenen Szenarien zukünftige Marktrealitäten zu imitieren. Die Cloud hilft bei der schnellen Entwicklung, dem Einsatz und der Wartung von Machine-Learning-Modellen, die langfristig nahezu exakte Prognosen und Vorhersagen liefern können.
Mithilfe von moderner Architektur können Datenanalysten sich ausschließlich auf die Modellentwicklung konzentrieren, ohne Infrastrukturfragen zu berücksichtigen. Datentechniker können mithilfe der Cloud Daten-Pipelines sammeln und diese transformieren und verwalten. Die Cloud kann zudem zur Schaffung von automatisierten Workflows eingesetzt werden, um voneinander unabhängige Aufgaben zusammenhängend auszuführen.
Verschiedene Abteilungen innerhalb eines Unternehmens können auf die analysebasierten Stahlpreisprognosen zurückgreifen und davon profitieren. Einige Beispiele:
- Vertriebsabteilungen können Kundenzufriedenheitsindizes verbessern, indem sie dynamische und wettbewerbsfähige Angebote entwickeln, nahezu exakte Umsatzprognosen erstellen und dadurch höhere Margen erzielen.
- Der Einkauf kann das Inventar und den Lagerbestand von Rohstoffen mithilfe von verbesserten, langfristigen Hedging-Strategien effizient steuern.
- Produktionsplaner können Produktionskapazitäten optimieren und gezielt aufteilen.
- Projektmanager können verschiedene Analysemodelle zur Preisbestimmung gleichzeitig berücksichtigen und Vorschläge für strategische Entscheidungen entwickeln wie beispielsweise zu Investitionen in Greenfield- oder Brownfield-Projekte.
Stahl wird mit großer Wahrscheinlichkeit ein Hauptbestandteil des Wirtschaftswachstums bleiben. Jedoch werden aufkommende Trends wie nachhaltige Produktionsprozesse (zum Beispiel auf Schrott basierte Produktion) weitere Veränderungen im Markt verursachen. Zusätzliche neue Faktoren werden an dem Zusammenspiel von Angebot, Nachfrage und Preistrends beteiligt sein. Stahlunternehmen werden alle ihnen zur Verfügung stehenden Tools und Technologien benötigen, um alle Faktoren verstehen und berücksichtigen zu können, die für eine intelligente Preisgestaltung notwendig sind. Zu diesen unverzichtbaren, innovativen Technologien zählen KI, Machine Learning, Cloud, Analytics sowie Tools zur Marktmodellierung.