Prädiktive Analytik gewinnt in der Sozialen Arbeit zunehmend an Bedeutung, da datenbasierte Entscheidungsprozesse neue Möglichkeiten zur Einschätzung von Risiken, Bedarfen und Unterstützungsmaßnahmen eröffnen. Dieses Kapitel analysiert die Schnittstelle zwischen etablierten Entscheidungsfindungsprozessen und KI-gestützter Prognoseentwicklung. Dabei werden sowohl technische Grundlagen als auch praktische Implementierungsherausforderungen anhand aktueller Forschungsbeispiele untersucht. Im Fokus stehen die methodischen und technischen Grundlagen prädiktiver Modelle sowie deren Integration in bestehende Arbeitsabläufe. Das Kapitel beleuchtet verschiedene Machine-Learning-Ansätze und deren Anwendung in der Sozialen Arbeit, untermauert durch empirische Fallstudien aus unterschiedlichen Studien. Besondere Aufmerksamkeit gilt dabei der Qualität und Validität der zugrunde liegenden Daten sowie der Interpretierbarkeit der Ergebnisse. Zentral ist die kritische Auseinandersetzung mit den Chancen und Risiken dieser Technologie, insbesondere im Hinblick auf ethische Aspekte, Transparenzanforderungen und die Rolle der Fachkraft im Spannungsfeld von normativen, theoretischen und empirischen Elementen des Entscheidungsfindungsprozesse. Das Kapitel schließt mit konkreten Handlungsempfehlungen für die Implementation prädiktiver Analytik unter Berücksichtigung aktueller rechtlicher Rahmenbedingungen wie der EU KI-Verordnung. Ziel ist es, ein fundiertes Verständnis für die Möglichkeiten und Grenzen dieser Technologie zu vermitteln und Impulse für eine verantwortungsvolle Integration in die Praxis der Sozialen Arbeit zu geben.