Der Vertriebsprozess durchläuft mehrere Vertriebsstufen. Am Anfang der Kette steht der Auftragseingang, wenn der Endkunde sein Fahrzeug bestellt. Als nächstes erfolgt die Produktion des Fahrzeugs und eine Lieferung an den Markt. Je nachdem, ob die empfangende Gesellschaft eine Tochter des Automobil-Herstellers oder eigenständig ist, wird auch ein Konzernabsatz erzeugt. Die letzte Vertriebsstufe, der Retail, ist die Auslieferung des Fahrzeugs an den Kunden. Dies geschieht zumeist über die Händlerorganisation, die sowohl im Inland als auch im Ausland durch eigenständige Betriebe repräsentiert ist. Das ist die entscheidende Vertriebsstufe, die jedoch dadurch, dass sie außerhalb des Konzerns stattfindet, in vielen Fällen erst ex post mit Daten belegt ist. Dennoch lassen sich aus den genannten Vorstufen eindeutige marktspezifische Muster erkennen. Diese Daten sind Teil des von mip betreuten Data Warehouses und liegen auf einem sehr detaillierten Niveau vor. Sie dienen als eine wichtige Grundlage für den implementierten Machine Learning Algorithmus. Angereichert wird das Ganze mit Marktdaten. Dazu gehören zum Beispiel Wirtschaftsindizes wie der IFO Index für Deutschland oder vergleichbare Kenngrößen für internationale Märkte. Hinzu kommen die Stammdaten des Fahrzeugs (Antriebsart etc.). Damit können Schwankungen, hervorgerufen wie etwa durch die Diesel-Problematik oder durch die COVID-19 Pandemie, als Muster erkannt und berücksichtigt werden. Hierbei lernt der Algorithmus sich sukzessive selbst zu kalibrieren und die Vorhersagegenauigkeit nimmt mit dem wachsenden Datenvolumen immer weiter zu. Um einen guten Start des Systems zu gewährleisten, wurde der Prozess mit Daten der letzten beiden Geschäftsjahre trainiert. Die Prognose wird täglich aktualisiert und in einem Bericht, neben der klassischen manuellen Planung und den bisher aufgelaufenen Retaildaten, angezeigt.