Bauprojekte überschreiten regelmäßig kalkulierte Budgets.
Durch die Nutzung historischer Daten ist es möglich, die Genauigkeit von Preisprognosen radikal zu verbessern.
1. Eingabeparameter, wie z. B. Projektgröße und Produkttyp, werden analysiert und mit einem vordefinierten Regelsatz abgeglichen.
2. Ein auf historischen Daten trainiertes Klassifikationsmodell identifiziert notwendige Kostenpositionen.
3. Ein Bayes'scher Algorithmus lernt die Beziehung zwischen Parametern und Kostenelementen und modelliert dabei Unsicherheiten
... und viele mehr
