Sehen Sie, wohin sich Rohstoffmärkte entwickeln – und warum.
Bessere Entscheidungen für CFOs.Finanzverantwortliche.Risikomanager.Einkaufsleiter.Einkaufsleiter.Handelsstrategen.Data Scientists.
Von der Volatilität zur Strategie.
Wir unterstützen Industrieunternehmen dabei, Marktvolatilität strategisch zu nutzen – mit ereignisbasierten Prognosen und KI-Agenten, die auch komplexe Marktzusammenhänge erfassen.
Wir messen, was zählt. Sie interessieren sich für Kennzahlen wie MAE, RMSE oder sMAPE? Sprechen Sie mit uns.
Jede Nachricht ist ein Signal.
Die Ereignisse der Welt verstehen.
Täglich beschreiben Tausende von Artikeln, Berichten und Marktanalysen, was geschieht – von Minenschließungen in China bis hin zu Exportänderungen in Südamerika.
Unser System scannt und klassifiziert diesen Informationsfluss kontinuierlich.
Sprache in Daten übersetzen.
Jede Nachricht wird in eine numerische Darstellung umgewandelt – dabei werden Bedeutung, Kontext und Relevanz für einen bestimmten Rohstoff erfasst. Dieser als Embedding bezeichnete Prozess macht messbar, wie ähnlich sich zwei Ereignisse sind – selbst wenn sie völlig unterschiedlich beschrieben werden.
Aus historischen Marktreaktionen lernen.
Wir untersuchen dann, wie Märkte historisch auf ähnliche Ereignisse reagiert haben.
Durch die Kombination dieser semantischen Muster mit Preisdaten lernen unsere Modelle, welche Arten von Informationen Preise beeinflussen – und in welche Richtung.
Die nächste Preisbewegung prognostizieren.
Wenn neue Ereignisse eintreten, erkennt das System bekannte Muster und erzeugt Prognosesignale für die zukünftige Preisentwicklung. So verwandelt Datasphere unstrukturierte globale Informationen in strukturierte, entscheidungsrelevante Erkenntnisse.
Ereignisse in Entscheidungen verwandeln.
1 – Baseline
Wir erstellen robuste tägliche Prognosen auf Basis von Zeitreihendaten. So lassen sich bestehende Methoden überprüfen und verlässliche Vergleichswerte für Entscheidungen schaffen.
2 – Ereignisse
Wir ergänzen aktuelle Ereignisdaten aus Märkten, Geopolitik und Lieferketten. Dadurch erkennen unsere Modelle Preisspitzen, Tiefstände und Anomalien, die traditionelle Verfahren übersehen.
3 – Integrationen
Wir integrieren ereignisbasierte Prognosen direkt in Einkaufs-, Finanz- und Risikoprozesse – damit aus Prognosen messbarer geschäftlicher Nutzen entsteht.
4 – KI-Agenten
Für skalierbare Anwendungen verbinden mehrere KI-Agenten Prognosen, Ereignisanalyse und Szenariosimulationen. So automatisieren sie wiederkehrende Entscheidungen und unterstützen die zuständigen Teams.
Wie Unternehmen Prognosen in der Praxis einsetzen.
Praxisnahe Anwendungsfälle, in denen ereignisbasierte Prognosen messbaren Mehrwert schaffen.
Beschaffung datengesteuert gestalten
Nutzen Sie Prognosen, um den Einkauf zu planen und Verträge mit datengestützten Erkenntnissen zu verhandeln.
Finanzplanung stabilisieren
Integrieren Sie zuverlässige Preisprognosen in Budgets und Finanzpläne, um Volatilitätsrisiken zu reduzieren.
Marktschocks antizipieren
Modellieren Sie geopolitische Entwicklungen und Marktereignisse, um deren Preiseffekte frühzeitig zu erkennen und vorausschauend zu handeln.
Und Sie können noch weiter gehen.
Handelsstrategien verbessern
Nutzen Sie Echtzeitprognosen und Szenarioanalysen, um Handels- und Arbitrageentscheidungen fundiert zu treffen.
Hedging-Entscheidungen optimieren
Nutzen Sie KI-gestützte Prognosen, um den richtigen Zeitpunkt und die passende Ausgestaltung Ihrer Absicherungsstrategien fundierter zu bestimmen.
Risikoberichterstattung automatisieren
Stellen Sie direkt nutzbare Berichte mit KPIs, Prognosen und Szenarien für Risiko- und Managementteams bereit.
Erfahren Sie mehr über KI & Datenanalyse.
Warten Sie nicht auf den Chart
In volatilen Märkten werden Entscheidungen oft später getroffen, als sie müssten. Nicht, weil Teams nicht erkennen, was passiert, sondern weil sie auf Bestätigung warten. Der Vorteil entsteht, wenn Markttreiber verstanden werden, bevor sie sich im Chart zeigen.
Wenn Sie Preis-Charts prüfen, sind Sie bereits zu spät
In Commodity-Teams gibt es eine vertraute Szene: Jemand hat einen Preis-Chart geöffnet, beobachtet die Kurve und wartet auf Bestätigung. Kleine Signale häufen sich – und dann beginnen die entscheidenden Fragen: Ist das der Beginn eines Trends? Ist die Bewegung nur kurzfristig? Müssen wir jetzt handeln?
Das eigentliche Problem im Rohstoffmarkt ist nicht Volatilität – sondern Informationsrauschen
Unternehmen verfügen heute über mehr Marktdaten als je zuvor: Preisfeeds, Analystenberichte, interne Prognosen, Dashboards, Einkaufskennzahlen und Risikomodelle. Trotzdem bleiben Entscheidungen im Rohstoffeinkauf oft unsicher. Das eigentliche Problem ist nicht fehlende Information, sondern fehlende Klarheit.
Weltweit tätig.
KI, die für Sie arbeitet.
DSA vereint Experten aus Data Science, Finanzen, Einkauf und Handel, um KI-Agenten für Rohstoffpreisprognosen und Entscheidungsintelligenz zu entwickeln.
Verlässliche KI für bessere Marktentscheidungen.
Unser Team verbindet modernste KI, tiefes Branchenwissen und praktische Umsetzungserfahrung. So helfen wir Unternehmen, in volatilen Rohstoffmärkten fundierter und schneller zu handeln.
Rohstoffexperte, Data Scientist oder Entscheidungsträger?
Häufig gestellte Fragen
Rohstoffmärkte sind äußerst volatil. Preise reagieren auf geopolitische Veränderungen, neue Vorschriften und Störungen in den Lieferketten. Herkömmliche Tools erfassen diese Dynamik häufig nicht vollständig. Dadurch können Unternehmen von plötzlichen Marktveränderungen unvorbereitet getroffen werden.
Unsere Rohstoffpreisprognosen verbinden fortschrittliche Zeitreihenmodelle mit realen Ereignisdaten, um Preisbewegungen zuverlässiger vorherzusagen. So können Einkaufs-, Finanz- und Risikoteams fundiertere Entscheidungen treffen, Unsicherheit reduzieren und Margen schützen.
Traditionelle Prognosetools konzentrieren sich häufig auf historische Daten. Märkte reagieren jedoch auf Nachrichten, politische Veränderungen und Störungen, die Händler in Echtzeit anhand zahlreicher Informationsquellen und ihrer Erfahrung einordnen.
Unser Ansatz verbindet diese menschliche Intuition mit Technologie: Wir digitalisieren bestehende Prozesse und entwickeln KI-Agenten, die lernen, wie Märkte auf globale Ereignisse reagieren. So entstehen entscheidungsrelevante Prognosen, die Händler, Einkaufsleiter und Finanzteams dabei unterstützen, schneller und sicherer zu handeln.
Prognosegenauigkeit lässt sich auf unterschiedliche Weise messen – etwa mit MAPE, RMSE, MAE oder der Trefferquote. Welche Kennzahlen entscheidend sind, hängt von Ihrem Anwendungsfall und Ihren Zielen ab. Deshalb richten wir die Bewertung an den KPIs aus, die für Ihr Unternehmen relevant sind.
In aktuellen Projekten erreichen wir bei Intraday- und Day-Ahead-Prognosen Genauigkeitswerte von über 99 % für flüssige Energieträger und rund 98 % für Metalle. Zu den ermittelten Fehlermetriken gehören MAPE-Werte von unter 1 % bei flüssigen Energieträgern und rund 2 % bei Metallen, ein RMSE von 0,27, ein MAE von 0,21 sowie durchgehend hohe Trefferquoten.
Der Erfolg eines Projekts wird jedoch nicht allein durch Kennzahlen bestimmt. Prognosedaten müssen in Einkaufs-, Finanz- oder Risikoprozesse integriert werden, damit messbarer Nutzen entsteht. In einem ersten Kennenlerngespräch definieren wir gemeinsam, wie Erfolg für Ihr Unternehmen aussieht, legen Meilensteine fest und bestimmen, wie die Ergebnisse bewertet werden.
Unsere Methodik lässt sich auf jeden Rohstoff anwenden, für den ausreichend Daten und Marktsignale verfügbar sind. Derzeit decken wir unter anderem folgende Bereiche ab:
- Energie: Brent- und WTI-Rohöl, raffinierte Produkte, TTF-Gas sowie europäischer Strom (Day-Ahead, Intraday, Baseload und Peakload)
- Metalle: Aluminium, Kupfer, Stahl-Benchmarks wie HRC-Stahl sowie Nickel und Zink
- Weitere Rohstoffe: Weitere Märkte können ergänzt werden, sofern Datenqualität und Marktliquidität ausreichend sind.
Der Einstieg ist einfach: Senden Sie uns eine Nachricht, und wir vereinbaren ein kurzes Gespräch über Microsoft Teams. Dabei stellen wir den DSA-Ansatz vor und besprechen mögliche Anwendungsfälle.
Wenn es fachlich und organisatorisch passt, bringen wir Ihre Stakeholder mit unserem Projektteam zusammen, um Umfang und Erwartungen festzulegen. Darauf aufbauend erhalten Sie ein maßgeschneidertes Angebot.
Erfahrungsgemäß liegen zwischen dem ersten Kontakt und dem Projektstart meist drei bis sechs Monate – die Zeit, die Unternehmen üblicherweise für interne Abstimmung und Vorbereitung benötigen.
In den ersten beiden Projektphasen stellen wir Prognosedaten im gewünschten Format bereit, zum Beispiel über Postgres oder eine vergleichbare Lösung. In der dritten Phase integrieren wir die Daten bei Bedarf in bestehende Systeme. Die konkrete Umsetzung richtet sich nach Ihren Zielen und Anwendungsfällen und wird gemeinsam im Projekt festgelegt.
Ziel ist nicht, ein weiteres isoliertes Tool einzuführen. Prognosedaten sollen direkt in die Arbeitsabläufe Ihrer Teams eingebettet werden – dort, wo sie echten Mehrwert schaffen.
Viele Kunden starten mit einem Pilotprojekt, um Ergebnisse zu validieren und Vertrauen aufzubauen. Nach erfolgreicher Erprobung werden die Lösungen in wiederkehrende Prozesse, Berichte und Entscheidungssysteme überführt. Häufig entwickelt sich daraus eine langfristige Zusammenarbeit, weil Prognosen Teil des Tagesgeschäfts werden und dauerhaft geschäftlichen Nutzen schaffen.
Wir begleiten Sie während des gesamten Prozesses – ganz gleich, ob Sie zunächst prüfen möchten, wie KI Ihre Prognoseergebnisse verbessert, die Arbeit Ihrer Teams mit moderner Technologie effizienter machen oder KI-Lösungen langfristig in Ihre Systemlandschaft integrieren möchten.
Die Investition hängt vom Projektumfang, den Datenanforderungen und der gewünschten Integrationstiefe ab. Ein kurzfristiges Pilotprojekt unterscheidet sich entsprechend von einer vollständig integrierten langfristigen Lösung.
Unsere Preise sind transparent und am messbaren geschäftlichen Nutzen ausgerichtet. In der Praxis bedeutet das: Die Kosten orientieren sich an klar definierten Leistungen und den zu Projektbeginn vereinbarten KPIs.
Unser Ziel ist nicht, ein weiteres Tool zu verkaufen, sondern konkrete Verbesserungen bei Prognosen, Entscheidungsfindung und Risikomanagement zu erzielen.
In den ersten beiden Projektphasen, die in der Regel drei bis sechs Monate dauern, ist der interne Aufwand sehr gering. Meist genügt es, wenn eine Person etwa eine Stunde pro Monat einplant. Wir übernehmen Datenerfassung und Prognosemodellierung, während Ihr Team Feedback gibt, relevante Fragen beantwortet und die Ergebnisse gemeinsam mit uns validiert.
Als Data-Science-Partner hinterfragen wir bestehende Ansätze, decken mögliche Verzerrungen auf und ergänzen die Expertise Ihres Teams durch datengestützte Erkenntnisse. So bleibt der interne Aufwand gering, während gleichzeitig ein hoher praktischer Nutzen entsteht.
Lassen Sie uns gemeinsam herausfinden, was möglich ist.
Ganz unverbindlich – einfach ein erstes Gespräch.
