Prognosen in der Güterwirtschaft dienen der Unterstützung von Entscheidungen über eine akkurate Lagerbevorratung und Disposition auf jeder Stufe der Lieferkette. Eine durch einen hohen Nullanteil ausgezeichnete Zeitreihe liefert wesentlich weniger Information über ihre Verlaufsmuster als eine glatte Zeitreihe mit quasi-stetigem Wertebereich, so dass Identifikation und akkurate Schätzung der Strukturen sporadischer Zeitreihen auf der Item-Ebene nicht möglich sind. Häufig lassen sich keine strukturellen Unterschiede zwischen einzelnen sporadischen Zeitreihen erkennen. Betrachtet man dagegen eine Gruppe von Zeitreihen mit ähnlichen Strukturverläufen, so sind die gemeinsamen Strukturen visuell erkennbar.

Die Identifikation der für mehrere Zeitreihen gemeinsamen Strukturen und deren Schätzung mit Hilfe multivariater Paneldatenmodelle für Langsamdreher stellen den Schwerpunkt dieser Arbeit dar. In diesem Zusammenhang wird ein Konzept zur Evaluation der Prognosegüte sporadischer Zeitreihen im multivariaten Fall aufgestellt, in welchem zum einen die Auswahl geeigneter multivariater Modelle erfolgt. Zum anderen wird eine Methodik zur Gruppierung von Langsamdreherzeitreihen mit gemeinsamen zeitlichen Verlaufsstrukturen zum Zweck der Prognose beschrieben. Im Rahmen einer Prognoseevaluation wird die Güte multivariater und konkurrierender univariater Prognoseverfahren sowohl statistisch als auch kostenorientiert in einem einfachen Lagerhaltungssystem bewertet. Die Ergebnisse der Untersuchung (sowohl die Erkenntnisse der empirischern Untersuchung als auch die Beschreibung einzelner Algorithmen und Prognoseverfahren) stellen einen Mehrwert für Unternehmen der Güterwirtschaft dar, in welchen der Großteil des Sortiments durch Langsamdreherprodukte vertreten ist.