Das Bestandsmanagement ist eine der wichtigsten Aufgaben, mit der ein Unternehmen konfrontiert wird. Die Herausforderung besteht darin, dass das Unternehmen die Produkte beschaffen muss, bevor die Kundennachfrage entsteht. Es gibt zwei Hauptgründe, warum dies geschieht. Zunächst kommt es zu einer Vorlaufzeit zwischen dem Zeitpunkt der Bestellung und der Lieferzeit. Zweitens ist es aufgrund bestimmter Bestellkosten oft notwendig Großmengen statt Kleinmengen zu bestellen. Dies bedeutet, dass in einem Unternehmen der künftige Bedarf prognostiziert werden muss. Eine Bedarfsprognose ist die geschätzte durchschnittliche Nachfragegröße über einige zukünftige Perioden. Deshalb hat das Unternehmen festzustellen, wie unsicher die Prognose ist. Die Prognose spiegelt den Lagerbestand wieder und ihre Ungenauigkeit veranlasst das Unternehmen zusätzliche Bestände für die unvorhersehbare Nachfrage vorrätig zu halten. Eine exakte Prognose oder zumindest eine mit dem kleinstmöglichen Prognosefehler ist von entscheidender Bedeutung für jedes Unternehmen, da sie zwei wichtige Funktionen des Bestandsmanagements erfüllt: ein bestimmtes Nachfrageniveau zu befriedigen und die Lagerkosten zu minimieren. Die genaue Bedarfsprognose sorgt dafür, dass keine entgangenen Umsätze entstehen, die im schlimmsten Fall zu einem Kundenverlust führen können, und zugleich verhindert sie eine unnötige Kapitalbindung im Lagerbestand. Um diese Probleme zu lösen wurden zwei wesentliche Prognoseverfahren entwickelt: das Zeitreihenprognoseverfahren und die Kausalprognosemodelle. Die vorliegende Magisterarbeit stellt einen Vergleich zwischen diesen beiden Prognoseansätzen her. Zusätzlich werden zwei bedeutende Annahmen für die Kausalprognosemodelle diskutiert: die Homoskedastizität und die Non-Autokorrelation. Darüber hinaus untersucht die Magisterarbeit die Sicherheitsbestandsplanung der (t, S) Lagerhaltungspolitik mit null und positiver Lieferzeit. Die Auswirkungen, die der Order Service Level (OSL), der Unit Service Level (USL) und die Prognoseungenauigkeit auf die Sicherheitsbestandsplanung haben, werden beleuchtet. Zu diesem Zweck werden die Verkaufsdaten von ADEG Österreich AG für „Schwechater Bier“ in Dosen am österreichischen Markt aus den Jahren 2005, 2006 und 2007 verwendet.

The inventory management is one of the major tasks a company is faced with. The challenge is that the company orders the products before customers demand them. There are two main reasons why this happens. First of all, there is a lead-time between the ordering time and the delivery time. Second of all, due to certain ordering costs, it is often necessary to order in batches instead of unit for unit. This means that the company needs to forecast the future demand. A demand forecast is an estimated average of the demand size over some future periods. Therefore, the company also needs to determine how uncertain the forecast is. The forecast reflects on the stock level held by the company and its uncertainty influences the company to hold additional stock for the unpredictable demand. An accurate forecast or at least one with the smallest forecast error is crucial for every company, because it ensures two major tasks of the inventory management: to satisfy a given level of demand and to minimize the inventory cost. The accurate demand forecast ensures that there would be no lost sales, which in the worst case leads to lost customers and in the same time, there would be no unnecessary tied capital in inventories. In order to solve these problems two main forecasting approaches have been developed: the time series forecasting methods and the causal forecasting models. This work provides a comparison between these two forecasting approaches. In addition two critical assumptions for the causal forecasting methods, namely the homoscedasticity and the nonautocorrelation, will be discussed. Furthermore, the work investigates the safety stock planning in (t, S) inventory policy with zero and positive lead time. The impact which the Order Service Level (OSL), the Unit Service Level (USL) and the forecasting inaccuracy have on safety stock planning will be investigated. For this purpose a sales data for “Schwechater” beer canes sold in Austria for 2005, 2006 and 2007 by ADEG Austria Ltd will be used.