Vorhersagemodell für den Container-Umschlag im Hafen Hamburg für die Jahre 2023-2035.

1. Seite 1 | Prognose des Container-Umschlages für den Hafen Hamburg bis 2035
Methodenbeschreibung
Prognose des Container-Umschlages
für den Hafen Hamburg bis 2035
Dr. Christian Fels

2. Seite 2 | Prognose des Container-Umschlages für den Hafen Hamburg bis 2035
Vorgehensweise beim Modellaufbau
Organisation der Daten
Recherche in Fachliteratur
Identifikation der Treiber
Aufbau des Modells

3. Seite 3 | Prognose des Container-Umschlages für den Hafen Hamburg bis 2035
1. Schritt: Recherche in Fachliteratur
– Ergebnis –
– Quellen –
• Über die in den weltweiten Häfen
verwendeten Methoden zur Prognose
von Container-Umschlägen ist fast
nichts bekannt.
• Es gibt 22 Fachartikel zum Thema, die
verschiedenste Methoden beschreiben,
von denen sich aber keine als über-
durchschnittlich treffsicher herausgestellt
hätte1.
• Einigkeit herrscht lediglich dahingehend,
dass die Höhe des Container-Umschlages
(auch) vom BIP des Hafenlandes
bestimmt wird. Denn dessen Anstieg
führt im Allgemeinen zu einer höheren
Warenproduktion und so zu höheren
Exporten sowie zu höherer Kaufkraft
und so zu höheren Importen.
1) Parola, Francesco; Satta, Giovann; Notteboom, Theo; Persico, Luca (2021), Revisiting traffic forecasting by port authorities in the context
of port planning and development; In: Maritime Economics & Logistics 23, S. 444 - 494

4. Seite 4 | Prognose des Container-Umschlages für den Hafen Hamburg bis 2035
2. Schritt: Organisation der Daten
Containerumschlag (TEU):
• im Hafen Hamburg
• in den Häfen der Nordrange2
Bruttoinlandprodukt (nominal):
• in Deutschland
• in den Ländern der Nordrange
• in den USA, Russland und den BRIC-
Staaten
Wechselkurse ggü. dem EURO
• Dollar, Rubel, Taiwan-$, Yuan, Yen,
Won
– Ergebnis1 –
– Quellen –
1) jeweils 2014 Q1 – 2022 Q4
2) Häfen zwischen Hamburg und Le Havre

5. Seite 5 | Prognose des Container-Umschlages für den Hafen Hamburg bis 2035
3. Schritt: Identifikation der Treiber – Methodik & Ergebnisse
Methodik
• Basierend auf den Literaturrecherchen bildet das BIP den Ausgangpunkt der Analysen.
• Weitere Variablen (z.B. Wechselkurse, BIP der außereuropäischen Staaten, …) wurden getestet, aber
aufgrund von zu niedrigen R²- oder zu hohen p-Werten verworfen.
• Elastizitätsansätze (z.B. % Änderung des BIP vs. % Änderung des Container-Umschlages) wurden
nicht verwendet, da diese nach großen Umschlagsänderungen (z.B. in Krisen) zu erheblichen Aus-
schlägen neigen, welche die Prognosegenauigkeit beeinträchtigen.
Ergebnisse
• Der Container-Umschlag des Hafens Hamburg korreliert seit ca. 2011 nicht mehr mit dem deutschen
BIP.
• Der Container-Umschlag der Häfen der Nordrange korreliert jedoch weiterhin deutlich positiv mit
dem BIP der Länder der Nordrange.
• Ein Detailanalyse zeigte, daß der Container-Umschlag u.a. des Hafens Rotterdam deutlich positiv mit
dem deutschen BIP korreliert.
• Der Anteil des Hafens Hamburg am Container-Umschlag der Nordrange sinkt seit 2014 (25 %) stetig.

6. Seite 6 | Prognose des Container-Umschlages für den Hafen Hamburg bis 2035
4. Schritt: Aufbau des Modells
1) Mittels ARIMA und
linearer Regression
BIP-Summe p.a.
der Nordrange
Container-Umschlag p.a.
der Nordrange
Gewünschte
BIP-Änderung
p.a.
Gewünschte
Anteils-
änderung p.a.
Korrelation von BIP
und Umschlag
Umschlagsanteil p.a.
von Hamburg
BIP-Fortschreibung p.a.
für Nordrange bis 2035
Anteilsprognose1
p.a.
für Hamburg bis 2035
Umschlagsprognose p.a.
für Nordrange bis 2035
Umschlagsprognose p.a.
für Hamburg bis 2035

7. Seite 7 | Prognose des Container-Umschlages für den Hafen Hamburg bis 2035
Prognose des Container-Umschlages für den Hafen Hamburg bis 2035

8. Seite 8 | Prognose des Container-Umschlages für den Hafen Hamburg bis 2035
Resümee
8,3 Mio TEU
in 2022
5,8 Mio TEU
in 2035

9. Seite 9 | Prognose des Container-Umschlages für den Hafen Hamburg bis 2035
Anhang: Methoden der Prognosen-Erstellung 1
Einleitung
• Prognosen gehören zu den herausforderndsten Themen der Wirtschaftsmathematik. Denn wer die
Zukunft kennt, kann erhebliche Gewinne erzielen oder zumindest Verluste vermeiden.
• Doch leider steht der perfekten Prognose die Mathematik entgehen, welche kurz und knapp feststellt,
dass sich die Zukunft grundsätzlich nicht vorhersagen lässt. Gleichwohl lassen sich aber – unter ge-
wissen Annahmen (s.u.) – zumindest wohlbegründete Vorhersagen erstellen, die eine grobe Vorstel-
lung von der Zukunft vermitteln.
Prognosemethoden
• Quantitative Prognosemethoden lassen sich in vier Gruppen einteilen, welche hier vereinfacht und
beispielhaft am Container-Umschlag erläutert werden sollen:
• Hochrechnungsmodelle: Sie analysieren zunächst welchen prozentualen Anteil die einzelnen
monatlichen Container-Umschläge an den jährlichen Container-Umschlägen in den letzten Jah-
ren hatten. Theoretisch sollte hierbei auf jeden Monat 1/12, d.h. 8,33 % des Jahresumschlages
entfallen, tatsächlich schwanken die Monatsanteile in Hamburg jedoch zwischen 7,83 % und
8,88 %. Ausgehend von diesen prozentualen Erfahrungswerten und den bereits bekannten
Container-Umschlägen des laufenden Jahres kann dann der Container-Gesamtumschlag zum
Jahresende prognostiziert werden.
Vorteil dieser Verfahren ist der unkomplizierte Aufbau; nachteilig ist der Umstand, dass die
Prognose stets auf das laufende Jahr beschränkt ist.

10. Seite 10 | Prognose des Container-Umschlages für den Hafen Hamburg bis 2035
• ARIMA-Modelle1: Sie analysieren zunächst die Schwankungen der Container-Umschläge in der
Vergangenheit und prognostizieren daraus die Container-Umschläge für die Zukunft.
Vorteil dieser Verfahren ist, dass außer den historischen Container-Umschlägen keine wei-
teren Werte (z.B. BIP) benötigt werden; nachteilig ist der Umstand, dass einmalige krisenbeding-
te Umschlagsschwankungen in der Vergangenheit sich in der Umschlagsprognose fortsetzen.
• Regressionsmodelle: Sie analysieren zunächst die Abhängigkeit zwischen wenigen Einfluss-
faktoren (z.B. BIP) und den Container-Umschlägen in der Vergangenheit. Aus dieser Abhängig-
keit und den angenommenen zukünftigen BIP-Werten prognostizieren sie dann die Container-
Umschläge für die Zukunft.
Vorteil dieser Verfahren ist die Berücksichtigung von ein bis mehreren Einflussfaktoren;
nachteilig ist der Umstand, dass deren zukünftige Werte für eine Umschlagsprognose bekannt
sein müssen, wodurch sich das Prognoseproblem lediglich verschiebt.
• KI-Modelle2: Sie versuchen zunächst, in großen Datenmengen mit vielen Einflussfaktoren (z.B.
BIP, Wechselkurse, Pro-Kopf-Einkommen, Ölpreis) Abhängigkeiten zwischen diesen und den
historischen Container-Umschlägen zu erkennen. Aus diesen Abhängigkeiten und den ange-
nommenen zukünftigen Werten der Einflussfaktoren prognostizieren sie dann die Container-
Umschläge für die Zukunft.
1) u.a. AR-, MA-, SARIMA- und ARIMAX-Modelle 2) u.a. Neuronale Netze und Random Forests
Anhang: Methoden der Prognosen-Erstellung 2

11. Seite 11 | Prognose des Container-Umschlages für den Hafen Hamburg bis 2035
Vorteil dieser KI-Verfahren ist die Möglichkeit, dass auch gänzlich neue oder multiplikative
Abhängigkeiten zwischen den Einflussfaktoren und den Container-Umschlägen erkannt werden
können; nachteilig ist der Umstand, dass diese Modelle große Datenmengen sowie hochspeziali-
sierte Programmierer und Zeitreihenanalysten benötigen.
• Alle obigen Prognosemodelle weisen folgende Merkmale auf:
• Sie basieren auf der Annahme, dass in der Zukunft die gleichen Abhängigkeiten zwischen den
Einflussfaktoren und den Container-Umschlägen gelten werden wie in der Vergangenheit.
• Sie können daher unerwartete Veränderungen wie Epidemien und Kriege nicht in ihren Pro-
gnosen berücksichtigen.
• Sie werden umso genauer, je mehr historische Daten vorliegen; allerdings steigt mit der Länge
des historischen Betrachtungszeitraumes auch die Gefahr, dass sich Abhängigkeiten in dessen
Verlauf bereits geändert haben.
• Bei den ARIMA- und Regressionsmodellen können neben absoluten Werten (z.B. BIP vs. Contai-
ner-Umschlag) auch denen relative Veränderungen gegenüber dem Vorjahr (z.B. Änderung des
BIP vs. Änderung des Container-Umschlages) analysiert werden.
Anhang: Methoden der Prognosen-Erstellung 3