blog_Hero.jpg
Veröffentlicht von       Henrik Ditz

Hakt es in der Lieferkette? So profitieren Händler & Hersteller von KI

Ob Einzelhandel, Industrie oder Gesundheitswesen – die enormen Nachfrageschwankungen infolge der Covid-19-Pandemie haben die Produktions- und Lieferketten in nahezu allen Branchen auf eine harte Probe gestellt. Und kaum, dass die Logistik etwas aufatmen konnte, kam es zu einer 6-tägigen Blockade des Suez-Kanals durch ein havariertes Containerschiff... Spätestens hier wurde klar, dass erfolgreiches Supply-Chain-Management nicht allein an den Kosten, sondern auch an der Flexibilität zu messen ist! 

Lieferbereitschaft & Kosteneffizienz: Die Aufgaben des Supply-Chain-Management 

Die klassische Aufgabe des Supply-Chain-Managements besteht darin, alle Waren in den gefragten Grössen, Farben und Mengen an den entsprechenden Orten bereitzustellen. 

 

Das erfordert strategisch positionierte Läger mit entsprechenden Lagerbeständen, effizienten Bestellverfahren und flexiblem Lieferantenmanagement. 

 

Hinzu kommt das Management der Reverse Supply Chain, also das Retouren-Management, das je nach Branche ein beachtliches Volumen erreichen kann: Im Mode-Einzelhandel in Grossbritannien werden rund 8 % der Artikel aus Filialkäufen zurückgegeben, im Onlinehandel sind es sogar 15-30 %.  

 

Kurzfristige Umsatzausfälle & langfristige Unsicherheit: So wirkt die Pandemie 

Ob Mode, Möbel, Sportgeräte oder Autoteile – die Auswirkungen der Pandemie waren von Produkt zu Produkt sehr verschieden. Während in einigen Bereichen ein rapider Nachfragerückgang zu Umsatzausfällen und hohen Lagerkosten führte, erlebten andere Bereiche einen wahren Nachfrageboom, den Produzenten und Händler nicht schnell genug bedienen konnten – und somit auch hier potenzielle Umsätze verloren gingen. 

 

Neben diesen kurzfristigen Veränderungen gerieten auch die längerfristigen Planungen vieler Unternehmen ins Schwanken: Da niemand weiss, wie lange und stark das gesellschaftliche Leben noch von dem Virus und den damit verbundenen Schutzmassnahmen geprägt sein wird, herrscht allgemein eine noch höhere Planungsunsicherheit als gewöhnlich. 

 

Für Händler und Hersteller bedeutet dies eine grosse Herausforderung und erhebliche Mehrarbeit im Supply-Chain-Management. Dabei gilt es vor allem:  

  • Schlüssellieferanten mit pandemie-bedingt erhöhtem Ausfallrisiko zu identifizieren und geeignete Alternativen zu finden, 
  • ggf. auch weitere Lieferanten für erneute Nachfragespitzen im Blick zu behalten, und  
  • die enge Koordination zwischen Lieferketten und Filialbetrieb sicherzustellen.  

KI-gestütztes Supply-Chain-Management: Präzise Prognosen, bessere Entscheidungen 

KI-gestütztes Forecasting ist ein wichtiges Tool, um diese und ähnliche Herausforderungen im Supply-Chain-Management besser zu bewältigen:  

Während traditionelle Forecasts mit statischen, zuvor festgelegten Sets an Regeln arbeiten, können smarte Algorithmen komplexe Interaktionen und Muster in riesigen Datenmengen erkennen, die dem menschlichen Auge verborgen bleiben.  

 

Der Einsatz von Maschinenlern-Algorithmen ermöglicht damit die Erstellung präziser Prognose-Modelle, die Vergangenheitsdaten analysieren und künftige Entwicklungen mit hoher Wahrscheinlichkeit vorhersagen können.  

 

Besondere Bedeutung hat hier die die Vorhersage von Zeitreihen (Time series forecasting):  Dabei handelt es sich um ein Set von Datenpunkten, die in zeitlicher Ordnung indexiert bzw. gelistet sind – also bspw. die Verkaufszahlen im Jahresverlauf. Bei der Vorhersage künftiger Entwicklungen gilt es, sowohl die aus den Vergangenheitsdaten herleitbaren Trends wie auch bekannte zukünftige Ereignisse – Feiertage und Ferienzeiten, Produkteinführungen etc. – zu berücksichtigen. 

 

Durch solche Prognosen erlangen Entscheider wichtige Erkenntnisse und werden in die Lage versetzt, saisonale Veränderungen, neue Trends sowie die Chancen und Risiken neuer Wettbewerbssituationen frühzeitig zu erkennen. Sie können datengestützt argumentieren und fundierte Entscheidungen in allen Fragen des Supply Chain Management treffen: 

  • präzisere Nachfrage-Prognosen: Fallstudien zeigen, dass Einzelhändler wie auch Hersteller durch den Einsatz KI-gestützter Planungssoftware die Warenverfügbarkeit um mehr als 5 % verbessern, Warenverluste bzw. Warenverderb um mehr als 8 % verringern und Verluste durch Abschreibungen signifikant reduzieren konnten. Auch die Einsparungen durch die Vermeidung von Lagerüberhängen und Sicherheitsbeständen sind in vielen Branchen erheblich! 
  • zuverlässige Retouren-Prognosen: Je genauer Einzelhändler die zu erwartenden Retouren-Mengen abschätzen können, desto präziser können die Bestellmengen angepasst werden, um überschüssige Bestände über die gesamte Lieferkette zu vermeiden. Zudem können sie auch ihre kundenseitige Retourenpolitik optimieren, Kundenanreize zur Vermeidung von absichtlichen Überbestellungen schaffen und Kunden mit auffallend hohen Retouren-Raten besser managen. 
  • Vermeidung von Out-of-Stock Situationen: Dank besserer Vorhersagen auf Filial-, Wochen- und Artikelebene kann die Warenverfügbarkeit verbessert und damit die Kundenzufriedenheit gesteigert werden. 
  • detaillierte Verkaufsprognosen für Neuprodukte: Maschinenlern-Algorithmen können auch die erwartbaren Verkäufe für die ersten Wochen und Monate nach einer Produkteinführung prognostizieren. 
  • optimale Preisgestaltung: In Abhängigkeit von Produkten, Marken, Produktkategorien und Verkaufsort und verfügbarer Angebotsmenge können optimale Preispunkte ermittelt werden, um die Nachfrage optimal zu steuern. 
  • bedarfsgerechte Personalplanung von den Filialen bis in die Verteilzentren 
  • Optimierung der Versandlogistik 
  • Optimierung von Warehouses und Distribution 

 

Die Einsatzmöglichkeiten der Künstlichen Intelligenz gehen jedoch weit über Nachfrageprognosen hinaus: Smarte Algorithmen können auch die Erkennung defekter Produkte, die Sortimentsoptimierung und die Erkennung von Engpässen im Lager unterstützen.  

 

Kurz gesagt: Mit KI-gestütztem Forecasting im Supply-Chain-Management können Sie Umsatzausfälle vermeiden, Beschaffungs- & Lagerkosten reduzieren und den Unternehmenserfolg bzw. Wettbewerbsfähigkeit steigern! 

 

Potential & Realisierung: Automatisierte KI-Lösungen erleichtern die Implementierung 

Das Optimierungs- und Einsparpotenzial durch KI-gestützte Lösungen im Supply-Chain-Management ist enorm, doch bei der Implementierung stossen viele Unternehmen auf Schwierigkeiten:  

  • 96 % der Einzelhändler berichten von Schwierigkeiten bei der Entwicklung effektiver Prognosemodelle 
  • 90 % der Einzelhändler beklagen Probleme bei der Produktiv-Implementierung von Maschine Learning Modelle.  

 

Ursache hierfür ist häufig unzureichende Expertise bzw. mangelnde Kapazität im Bereich Data Science: Um einen passenden Algorithmus für die jeweilige Fragestellung zu finden, gilt es mehrere in Frage kommende Algorithmen auszuwählen, sie zu trainieren und zu testen... und auch nach der Implementierung eines geeigneten Prognosemodells braucht es kontinuierliches Monitoring & Wartung, um eine konstante Prognosequalität zu gewährleisten.   

 

Genau hier setzt DataRobot mit seinen branchenspezifischen, KI-gestützten Forecasting-Lösungen für Einzelhandel & produzierendes Gewerbe an. Das Unternehmen gilt zu Recht als Pionier im Bereich der Enterprise KI und bietet eine bislang einzigartige End-to-End-Plattform, die automatisiertes Maschinenlernen zur Erstellung präziser Geschäftsprognosen ermöglicht 

 

Die DataRobot-Plattform gewährleistet die: 

  1. Schaffung einer starken Datenbasis – für klare Signale, ohne Rauschen. Die meisten Unternehmen betreiben grossen Aufwand, um möglichst umfassende Daten zu allen Kunden-Interaktionen zu erheben. Diesen Datenschatz gilt es zu heben und nutzbar zu machen! 
  1. sorgfältige Datenaufbereitung – damit nur verlässliche Daten in die Modellierung einfliessen. Jede Vorhersage ist nur so gut wie ihre Datenbasis. Deshalb bietet DataRobot umfangreiche Mechanismen, um inkorrekte, inkonsistente und fehlende Daten zu identifizieren. 
  1. präzise Modellierung – automatische Selektion, Training & Testung des am besten passenden Modells aus einer umfangreichen Bibliothek mit hunderten komplexer ML-Algorithmen. DataRobot bietet auch hier einen vollautomatisierten, aber dennoch transparenten Workflow. 
  1. stete Aktualisierung der Forecasts – um Veränderungen von Nachfrage, Preisen oder Wettbewerbssituation zu berücksichtigen. DataRobot überwacht die Prognosequalität fortlaufend und nimmt nötige Anpassungen vor. 
  1. Vernetzung von Forecasts und Planung – präzisere Nachfrage- & Verkaufsprognosen ermöglichen effizientere Bestell- & Lieferprozesse. Um die gewonnenen Erkenntnisse für alle Entscheider zugänglich zu machen, können die DataRobot-Prognosedaten in vorhandene Dashboards in Tableau, Power BI oder Qlik integriert werden. 

 

Fallstudie: KI-gestützte Warenwirtschaft im Mode-Einzelhandel 

Das Fast-Fashion-Segment steht vor der besonderen Herausforderung, immer schneller neue Produkte auf den Markt zu bringen – hier sind präzise Nachfrageprognosen besonders wichtig, um stets ein attraktives Sortiment zu bieten und Umsatzverluste durch Abverkaufsrabatte zu vermeiden.  

Einer der führenden Fast-Fashion-Einzelhändler konnte durch die Einführung von DataRobot das Nachfrage-Forecasting auf Filial- und Artikelebene signifikant verbessern 

  • in nur 5 Monaten erstellte ein 4-köpfiges Team geeignete Modelle 
  • die Prognose-Genauigkeit stieg um 9 % 
  • Einsparungen von > 300 Mio. US$ pro Jahr durch die Vermeidung von Lagerüberbeständen  

Ausblick: Corona, der mündige Kunde & das Klima  

 

Die Covid-19-Pandemie hat deutlich gemacht, wie wichtig es ist, auch auf unvorhersehbare Entwicklungen schnell und flexibel zu reagieren – nicht nur in Politik und Gesundheitswesen, sondern auch in der privaten Wirtschaft. Für das Supply-Chain-Management der Unternehmen bedeutete dies enorme Herausforderungen – sowohl in den Kernaufgaben als auch hinsichtlich Arbeitsschutz und Personalmanagement. Für den kommenden Herbst und Winter rechnet die Politik vorerst mit keinem erneuten grossflächigen Lockdown – vorausgesetzt, es erscheinen keine neuen Virus-Varianten, die zu massiven Impfdurchbrüchen führen. 

 

Doch auch jenseits der Pandemie gilt es, die Veränderung der (Nachfrage-)Gewohnheiten und Ansprüche im Auge behalten. Der heutige Kunde wird oft mit dem Begriff des «Empowered Consumer» beschrieben – er ist mündig & gut informiert, technisch kompetent und stets online, er verlangt ein exzellentes Einkaufserlebnis und hat null Toleranz für negative Erfahrungen. Auch hier ist das Supply-Chain-Management gefordert, eben dieses exzellente Erlebnis zu ermöglichen – von präzisen Informationen zur Verfügbarkeit der einzelnen Artikel über zuverlässige Lieferzeiten bis zum Retourenmanagement. 

 

Ein drittes und letztes Thema, das die Gesellschaft und damit auch die Unternehmen verstärkt bewegt, ist die Klimakrise und damit die Forderung nach mehr Nachhaltigkeit in der Wirtschaft. Auch unter diesem Gesichtspunkt profitiert das Supply-Chain-Management von KI-gestützten Lösungen, denn die Vermeidung von Lagerüberhängen ist nicht nur kosteneffizient, sondern auch ressourcenschonend.  

 

Hakt es in Ihrem Unternehmen in der Lieferkette? Kontaktieren Sie uns für eine erste Einschätzung >> 

Henrik Ditz

Henrik Ditz

Datenaffinität gepaart mit einer grossen Portion Kreativität - Henrik Ditz kommt aus dem technischen Marketing und verbindet seit jeher Ansprüche der Kunden mit neuen, identitätsstiftenden Ideen. Seit über 12 Jahren ist es seine Passion, Kunden zu verstehen und echten Mehrwert zu schaffen. Weiterdenken, Ideen in Konzepte giessen und darüber erzählen - das ist seine Expertise für Heyde.

VERWANDTE BEITRAGE

There are no related posts