Bedarfsprognose zur Optimierung der Planung der Lieferkette

Die Lieferkette ist genau das: eine Kette voller miteinander verbundener und voneinander abhängiger Glieder. Jedes Element benötigt das vorangehende und das nachfolgende, aber auch die weiter entfernten, denn der Bruch eines Glieds führt zum Bruch der gesamten Kette.

Daher hängt das reibungslose Funktionieren der Supply Chain direkt vom Zusammenspiel aller Ebenen ab, aus denen sie sich von Anfang bis Ende zusammensetzt. Produktion, Lager, Einkauf, Vertrieb … müssen funktionieren – ebenso wie die Unternehmen, mit denen interagiert wird, etwa Lieferanten oder Kunden (erweiterte Lieferkette) – in einem kontinuierlichen Aktivitätsfluss. In diesem Szenario überträgt sich ein Fehler an jeder beliebigen Stelle linear auf den Rest, ähnlich wie beim Schütteln des Endes eines Seils, was ein effizientes Management des Gesamtsystems verhindert. Technisch wird diese Aktion-Reaktion als „Peitscheneffekt“ bezeichnet. Eine kleine Schwankung der Nachfrage kann erhebliche Ungleichgewichte in der gesamten Lieferkette verursachen.

Jede Organisation muss daher als Ganzes funktionieren und dabei koordiniert ihre eigenen Produktions- oder Montagezeiten, den Lagerbestand, ihr logistisches Netzwerk für Ein- und Ausgang, die Lieferzeiten ihrer Lieferanten, Werbeaktionen und viele weitere Faktoren berücksichtigen. Dies erfordert den Einsatz von Planungstools, um die Maßnahmen aller an der Supply Chain beteiligten Abteilungen aufeinander abzustimmen – jede mit ihren eigenen Interessen und Zielen.

Eine nach wie vor spürbare Realität ist, dass die Vertriebsabteilung um die Erreichung ihrer Ziele kämpft, ohne zu berücksichtigen, was in der Produktion geschieht, die wiederum ihre eigenen Ziele verfolgt, ohne die Aktivitäten von Einkauf oder Instandhaltung zu berücksichtigen. Die unterschiedlichen Realitäten der einzelnen Abteilungen eines Unternehmens hat man traditionell versucht, ohne großen Erfolg, durch lange und mühsame Meetings, Tabellenkalkulationen und Pivot-Tabellen in Einklang zu bringen … die jedoch in einem volatilen und anspruchsvollen Umfeld mit zunehmend komplexen Lieferketten, geprägt von schnellem Konsum, ständigen Werbeaktionen und den Schwankungen einer von zahlreichen Unwägbarkeiten betroffenen Wirtschaft, nicht wirksam sind.

Von der Bedarfsvorhersage zur Bedarfsprognose

Die Lösung kommt von der Algorithmik und der Künstlichen Intelligenz, mit dem Übergang von Prozessen der Bedarfsvorhersage zur Bedarfsprognose. Im Zeitalter der Daten nutzen die neuen disruptiven Technologien sämtliche in den Organisationen vorhandenen Informationen, verarbeiten sie, erstellen Echtzeitberichte über aktuelle Bedarfe und zukünftige Prognosen und geben den Teams Handlungsempfehlungen, um die Entscheidungsfindung zu erleichtern und Effizienz sowie Rentabilität zu steigern.

Der erste Schritt dieses Prozesses besteht folglich in der Erfassung des Rohmaterials, also der vorhandenen Daten – ob strukturiert oder unstrukturiert –, die aus ERP-, Lagerverwaltungs- und CRM-Systemen oder aus auf dem Internet der Dinge (IoT) basierenden Systemen stammen.

Nach der Zusammenstellung der internen Informationen (Verkaufsdaten, Umschlagshäufigkeit, Querverweisausgänge, Lagerbestände …) und der Ergänzung durch Kontextdaten (Wetter, Arbeitskalender, Aktionszeiträume …) werden diese von dynamischen Prognosealgorithmen verarbeitet, die eine Vorhersage der zukünftigen Nachfrage erstellen. Darauf aufbauend lässt sich eine geeignete Planung für die gesamte Lieferkette durchführen, die diese als Ganzes und nicht anhand der Ziele der einzelnen Teile betrachtet.

Das heißt, im Gegensatz zu Systemen, die auf Bedarfsvorhersage basieren, bieten Bedarfsprognosesysteme einen vorausschauenden Blick auf mögliche Marktentwicklungen, gestützt auf die Analyse von Echtzeitdaten. Dies ermöglicht eine effiziente Planung aller Abläufe (Einkauf, Produktion, Transport, Marketing, Vertrieb …) und minimiert die mit jeder Unternehmenstätigkeit verbundenen Risiken. So gewinnt man an Effizienz, Rentabilität und Servicequalität.

Wenn wir wissen, dass wir N Einheiten einer bestimmten Referenz, X einer anderen und Y einer dritten verkaufen werden, lässt sich das benötigte Rohmaterial bestimmen, die durchzuführende Produktion planen, der erforderliche Lagerbestand festlegen, die Flotten optimieren, Marketingkampagnen anpassen, Personalressourcen abstimmen und sogar die Preise entsprechend festlegen.

Darüber hinaus eliminieren wir durch den Einsatz von auf Big Data basierenden Prognosesystemen im Geschäftsmanagement die nicht objektiven Faktoren der Entscheidungsfindung (Erfahrung, Intuition …), um die Geschäftsstrategie auf verlässliche und objektive Informationen zu stützen, die von präzisen Algorithmen verarbeitet werden und somit frei von subjektiven Wahrnehmungen sind.

Fazit

Die Lieferkette ist von hoher Komplexität geprägt, da sie sich aus einer Vielzahl von Unternehmensbereichen zusammensetzt, die in den meisten Fällen eigenständig, nach eigenen Wahrnehmungen, Sichtweisen und Zielen arbeiten.

Der Einsatz von Bedarfsprognosesystemen in jeder Art von Organisation bietet enorme Vorteile für die Supply Chain. Eine Einschätzung des zukünftigen Marktverhaltens ermöglicht es, eine Strategie für die gesamte Lieferkette zu entwickeln, die auf die geschätzten tatsächlichen Anforderungen der Kunden abgestimmt ist.

Mit einem gemeinsamen Ziel und einer gemeinsamen Planung geht man von den Einzelteilen zum Ganzen über, was zu mehr Effizienz, Rentabilität, Qualität, Kundenservice und Betriebsfähigkeit führt, während gleichzeitig beispielsweise Kosten, Risiken und unproduktive Zeiten minimiert werden.