Zum Hauptinhalt springen
Deutsch— Sprache auswählen
Menü

Trendanalyse und Prognosen

Lektion 9 von 14 Aktualisiert am 5. November 2026 Mittelstufe
Auf dieser Seite
  1. Blick über die aktuellen Zahlen hinaus
  2. Identifizierung eines Trends
  3. Gleitende Durchschnitte
  4. Einfache Prognosen
  5. Breakpoint-Analyse
  6. Periodenvergleich
  7. Mehr Vernunft für Prognosen
  8. Jetzt an der Reihe
  9. Wichtige Erkenntnisse

Blick über die aktuellen Zahlen hinaus

Deskriptive Statistik verrät Ihnen, was passiert ist. Die Trendanalyse zeigt, was gerade passiert. Prognosen sagen voraus, was passieren könnte. Diese drei Ebenen der Analyse beantworten drei unterschiedliche Fragen in einem Meeting, und ihre Verwechslung ist kostspielig: Niemand trifft dieselbe Entscheidung auf Basis eines historischen Faktums wie auf einer Projektion. Mit ChatGPT können Sie alle drei Ebenen durchführen, ohne eine einzige Zeile Code zu schreiben.

Die einfachste Form eines Trends ist linear: Steigen oder fallen Ihre Daten, und mit welcher Geschwindigkeit? Der nützliche Reflex besteht darin, nach der Trendlinie und ihrem Zuverlässigkeitsindikator in einem Atemzug zu fragen; andernfalls kommentieren Sie eine Steigung, deren Stabilität Sie nicht verifizieren können.

Plot monthly revenue for the last 12 months with a trend line.
Indicate the average monthly growth rate and whether the trend
is statistically significant.

ChatGPT berechnet eine lineare Regression, zeichnet die Linie ein und gibt Ihnen den Bestimmtheitsmaß (R²), der die Zuverlässigkeit des Trends misst. Ein R², das nahe bei 1 liegt, bedeutet, dass die Linie Ihre zwölf Datenpunkte gut zusammenfasst; ein niedriges R² warnt davor, dass der „Trend”, den Sie gerade ankündigen wollten, größtenteils Rauschen ist, und ein dreizehnter Monat könnte ihn umkehren.

Darüber hinaus folgen viele Geschäftsdatensätze Zyklen, und ein Anstieg im Dezember ist nicht unbedingt eine gute Nachricht: Es könnte einfach der übliche Dezember sein. Um zu entscheiden, fragen Sie nach einer Zerlegung.

Decompose monthly sales into 3 components:
underlying trend, seasonality, and residuals.
Display the 3 curves separately.

ChatGPT wendet ein Verfahren zur saisonalen Zerlegung an, das es für Sie spezifizieren kann, um jeden Komponente zu isolieren. Es benötigt mindestens zwei vollständige Zyklen – zwei Jahre monatlicher Daten für eine jährliche Saisonalität –, damit die Zerlegung Sinn ergibt. Dann sehen Sie deutlich, ob der Dezember-Anstieg auf einen saisonalen Effekt oder echtes Wachstum zurückzuführen ist – und die Restwertkurve markiert die Monate, die von keiner dieser Erklärungen abgedeckt werden.

Gleitende Durchschnitte

Gleitende Durchschnitte glätten Schwankungen und heben den zugrundeliegenden Trend hervor. Bei täglichen Umsätzen maskiert das Wochenend-Tal fast immer die tatsächliche Bewegung; das Überlagern zweier verschiedener Fenster ermöglicht es Ihnen, sowohl den kurzfristigen als auch den mittelfristigen Trend auf derselben Grafik zu lesen.

Plot raw daily revenue and overlay a 7-day moving average
and a 30-day moving average.

Sie wählen das Fenster basierend auf der Granularität Ihrer Daten und dem Zyklus aus, den Sie eliminieren möchten.

FensterVerwendungWas es enthüllt
7 TageTägliche DatenWöchentlicher Trend, eliminiert Tag-zu-Tag-Rauschen
30 TageTägliche/Wöchentliche DatenMonatlicher Trend, eliminiert wöchentliche Schwankungen
3 MonateMonatliche DatenQuartalsweiser Trend, glättet Saisonalität
12 MonateMonatliche DatenJährlicher Trend, eliminiert alle Saisonalität

Einfache Prognosen

Für eine schnelle Schätzung reicht es oft, den beobachteten Trend fortzusetzen – vorausgesetzt, Sie erkennen die Unsicherheit anstatt sie zu verbergen.

Project revenue for the next 3 months by extending
the linear trend of the last 12 months.
Display the 95% confidence interval.

Das Konfidenzintervall ist der entscheidende Teil des Ergebnisses: Es zeigt den Unsicherheitsbereich an, und je breiter es wird, je weiter es in die Zukunft reicht, desto weniger zuverlässig ist die Prognose. Dies ist auch Ihr bester Schutz in einem Gremiums-Meeting. Die Ankündigung von „zwischen 480.000 € und 620.000 €” bindet Sie weniger als eine einzelne Zahl, die niemand garantieren kann, und löst das richtige Gespräch aus: das über das, was die Ergebnisse von einem Ende des Bereichs zum anderen Ende drängen würde.

Sobald Ihre Daten wiederkehrende Muster zeigen, wird eine lineare Projektierung irreführend, und Sie benötigen ein Modell, das den Zyklus integriert.

Use a forecasting model that accounts for seasonality
to estimate sales for the next 6 months.
Compare the result with a simple linear projection.

ChatGPT kann Modelle verwenden, die Saisonalität integrieren, wie Holt-Winters exponentielle Glättung oder ein saisonales ARIMA-Modell, die sowohl Trend als auch Zyklus erfassen. Der am Ende des Prompts angeforderte Vergleich ist für sich genommen lehrreich: Die Lücke zwischen den beiden Kurven misst genau das Gewicht der Saisonalität in Ihrem Geschäft.

Breakpoint-Analyse

Manchmal verformt sich ein Trend nicht allmählich: Er bricht ab. Ein Launch, eine Preisänderung oder ein externes Ereignis verschiebt die Trajektorie von einem Monat zum nächsten, und eine Trendlinie, die über den gesamten Zeitraum berechnet wurde, beschreibt dann nichts Reales.

Identify breakpoints in the evolution of monthly revenue.
Are there months where the trend changes direction significantly?
For each breakpoint, indicate the date and the magnitude of the change.

Diese Analyse ist wertvoll, um die Auswirkungen spezifischer Ereignisse zu verstehen: Produktstarts, Preisänderungen, externe Ereignisse. Dann passen Sie die erhaltenen Daten mit Ihrem internen Kalender ab – Preiserneuerung, Kampagne, Ausscheiden eines Vertriebsmitarbeiters. Diese Übereinstimmung, und nur diese, verwandelt eine Kurve in eine Erklärung.

Periodenvergleich

Zwei Lesearten ergänzen sich, und Meinungsverschiedenheiten entstehen oft, weil zwei Stakeholder nicht dieselbe verwenden. Der Vergleich von Jahr zu Jahr neutralisiert die Saisonalität, da jeder Monat seinem Gegenstück des vorherigen Geschäftsjahres gegenübergestellt wird.

Compare sales month by month between 2025 and 2026.
Calculate the percentage variation for each month
and flag the months with a decline.

Sequentielles Wachstum misst hingegen die unmittelbare Bewegung von einem Monat zum nächsten. Es reagiert viel schneller auf jüngste Wendepunkte, zum Preis einer hohen Empfindlichkeit gegenüber der Saisonalität.

Calculate sequential growth (month vs. previous month)
and display a bar chart with growth months in green
and decline months in red.

Mehr Vernunft für Prognosen

Manche Prognosen lassen sich nicht auf eine Berechnung reduzieren: Sie erfordern die Integration von Faktoren, die Ihre historischen Daten noch nicht enthalten, wie ein Produkt, das im letzten Quartal noch nicht existierte.

Taking into account seasonality, the underlying trend,
and the fact that we are launching a new product in April,
estimate sales for the next quarter.
Explain your reasoning step by step.

Eine höhere Ebene der Vernunft – High oder Extra High im ChatGPT-Selektor, je nach Ihrem Plan – hilft bei dieser Art von mehrfaktoriger Vernunft, bei der Sie quantitative Analyse mit kontextueller Urteilsfähigkeit kombinieren müssen. Das Ergebnis bleibt eine Schätzung auf Basis Ihrer Annahmen, kein Fakt. Die Forderung nach einer schrittweisen Erklärung ist kein Launen: Sie ermöglicht es Ihnen, eine spezifische Annahme herauszufordern – beispielsweise die Ramp-up-Geschwindigkeit des neuen Produkts –, anstatt die Zahl pauschal abzulehnen, weil Sie nicht wissen, woher sie stammt.

Drei Ebenen der Lektüre Drei Spalten. Die Erkenntnis: Was ist passiert? Deskriptive Statistik. Der Trend: Was passiert gerade? Trendlinie und R², gleitende Durchschnitte, Zerlegung. Die Prognose: Was könnte passieren? Projektion mit Konfidenzintervall, saisonale Modelle. TRENDS Drei Ebenen der Lektüre Erkenntnis Frage Was ist passiert? Werkzeuge Deskriptive Statistik Trend Frage Was passiert gerade? Werkzeuge Linie und R², gleitende Durchschnitte Prognose Frage Was könnte passieren? Werkzeuge Projektion, Intervall Eine Prognose wird als Bereich mit ihren Annahmen präsentiert.
Lesson method; time series based on the article "Extracting Insights with ChatGPT Data Analysis" from the OpenAI Help Center (November 2026).

Jetzt an der Reihe

Ihre erste Prognose.

  1. Zeichnen Sie Ihre monatlichen Umsätze mit einer Trendlinie und ihrem R² auf
  2. Wenn Sie mindestens zwei Jahre Historie haben, zerlegen Sie Trend, Saisonalität und Restwerte
  3. Projizieren Sie die nächsten drei Monate mit einem 95%-Konfidenzintervall
  4. Vergleichen Sie mit einem Modell, das Saisonalität integriert
  5. Präsentieren Sie einen Bereich statt einer einzelnen Zahl, zusammen mit seinen Annahmen

Offizielle Quellen: Extracting Insights with ChatGPT Data Analysis · Data analysis with ChatGPT (OpenAI Help Center)

Wichtige Erkenntnisse

  • Die Trendlinie und das R² messen Richtung und Zuverlässigkeit des Trends
  • Die saisonale Zerlegung trennt Trend, Saisonalität und Rauschen
  • Gleitende Durchschnitte glätten Schwankungen – wählen Sie das Fenster basierend auf Ihrer Granularität
  • Jede Prognose muss ein Konfidenzintervall enthalten – keine einzelnen Zahlen
  • Breakpoints identifizieren Momente, in denen sich alles geändert hat