Hintergrund: Die hohe Anzahl an Materialien sowie starke Marktauf- und -abschwünge machten die Programmplanung herausfordernd
Unser Kunde, ein international führender Spezialist für Antriebstechnik, operiert in einem Marktumfeld, das von zunehmender Dynamik und starken Schwankungen im Auftragsverhalten der Kunden geprägt ist. Diese Volatilität, verbunden mit einer stetig wachsenden Anzahl an Planungsobjekten – regelmäßig müssen zigtausende Artikel berücksichtigt werden – stellt die Planer vor immer komplexere Herausforderungen im Tagesgeschäft.
Die traditionellen Planungsmethoden und auch die bestehende automatische SAP-Prognose stießen angesichts dieser stark schwankenden und umfangreichen Bedarfe an ihre Grenzen. Trotz des engagierten Einsatzes der Planer führte dies zu einem hohen Zeitaufwand und konnte nicht immer verhindern, dass es zu suboptimalen Bestandssituationen kam – von überlasteten Lagerkapazitäten bis hin zu Lieferengpässen. Diese anspruchsvollen Rahmenbedingungen verdeutlichten die Notwendigkeit, die Bestände weiter zu optimieren und den bekannten Bullwhip-Effekt entlang der Lieferkette – zwischen Kunden, Landesgesellschaften und Produktionswerk – effektiv zu adressieren. Ebenso wuchs der Bedarf an fortschrittlichen Werkzeugen zur präzisen Messung und kontinuierlichen Verbesserung der Planungsqualität.
Um diesen gestiegenen Anforderungen gerecht zu werden und die wertvollen Ressourcen der Planer gezielter einsetzen zu können, suchte unser Kunde nach einer intelligenten Lösung. Ziel war es, die Planungsqualität signifikant zu verbessern und die Mitarbeiter durch eine KI-basierte Demand-Forecasting-Lösung nachhaltig zu entlasten, damit sie sich auf strategischere Aufgaben konzentrieren können.
“Inkonsistentes Bestellverhalten zwischen Kunden & Werken erzeugt für uns einen unglaublichen Aufwand in der manuellen Planung.”
Ziele und Anforderungen
- Erhöhte Planungsqualität
- Hinzuziehen wichtiger externer Indikatoren, um der schwankenden Marktsituation zu begegnen
- Mechanismen für das Performance-Tracking
- Anschauliche Darstellung und Möglichkeiten zur Interaktion in Form eines Visualisierungstools
- Erhöhte Zufriedenheit der Mitarbeiter
Lösung: Ein KI-Planungsassistent, der den Planer*innen die Arbeit erleichtert
Vorgehen
Um flexibel auf sich ändernde Anforderungen und Bedürfnisse reagieren zu können, entschieden wir uns gemeinsam zu einem schrittweisen Vorgehen. Die gemeinsame Data-Science-Journey sah wie folgt aus:
- Erste gemeinsame Gespräche und Workshops: Die Idee des späteren Endprodukts wurde diskutiert und skizziert. Außerdem haben wir erste Ergebnisse erzeugt, um unserem Kunden einen Eindruck zu geben, welche Ergebnisse zu erwarten sind. Dies ermöglichte unserem Kunden auch, intern alle nötigen Weichen stellen zu können.
- Prototyp: Wir starteten mit einem ausgewählten und repräsentativen Datensatz, der schrittweise erweitert wurde, und stellten eine erste Version eines interaktiven Dashboards bereit. In dieser Phase haben wir unserem Kunden bereits regelmäßig Forecasts zur Verfügung gestellt, u.a. unter Einbezug von Einflussfaktoren, die wir zuvor evaluiert hatten.
- Operationalisierung: Schnittstellen wurden geschaffen und es wurde ermöglicht, dass die Vorhersagen automatisiert und regelmäßig berechnet wurden. Als Lösung haben wir uns gemeinsam für eine ONfuture-Lösung entschieden, die im Kern die Funktionalitäten der Software future nutzt. Unsere Data Scientists haben diese für den Kunden passend konfiguriert und durch eigene Funktionalitäten ergänzt. Zudem wurde ein Performance Tracking eingerichtet.
- Stetige Verbesserung & Roll-out: Die kundenspezifische KI-basierte Demand-Forecasting-Lösung wurde auf weitere Bereiche innerhalb des Konzerns ausgeweitet und die Anforderungen neuer Geschäftsbereiche aufgenommen und umgesetzt.
“Der Vergleich zwischen den KI-Prognosen und unserer manuellen Planung zeigt eine substanzielle Verbesserung unserer Planung.”
Bestandteile der Lösung
- Forecasting-Funktionalitäten & Performance Tracking:
- Eine ausgefeilte Forecasting-Pipeline testet pro Zeitreihe aus historischen Verbräuchen mehrere alternative Vorhersagemethoden und nutzt die am besten passende für die Erzeugung der finalen Forecasts.
- Das frühzeitige Erkennen von Trendwenden wird durch die Analyse der historischen Verbräuche, gepaart mit Auftragseingängen und relevanten externen Marktindikatoren erreicht. Das Unternehmen kann auf diese Weise schnell auf Marktveränderungen reagieren.
- Da es unzählige Marktindikatoren gibt, ist im ersten Schritt die Identifikation der geeigneten Indikatoren wichtig.
- Visualisierung:
- Ein Dashboard wird in enger Abstimmung mit den Anwender*innen entwickelt und nach ihren Bedürfnissen optimiert.
- Zur besseren Übersichtlichkeit wird ein Ampelsystem eingerichtet, welches auf einen Blick anzeigt, welche Artikel gut automatisiert geplant werden können und welche von den Planer*innen nochmals manuell bearbeitet werden sollten. Die Teammitglieder können sich somit intensiv mit denjenigen Artikeln beschäftigen, die durch die KI nicht ausreichend gut vorhergesagt werden können. Um alle anderen müssen sie sich nicht kümmern.
- Schnittstellen:
- Schnittstellen wurden geschaffen, um automatisiert die zu analysierenden Daten zu übermitteln und anschließend auch wieder zurückzuspielen.
Ergebnis: 20% Prognosegüteverbesserung – und entlastete Planer*innen
Das KI-basierte automatisierte und individualisierte Forecasting-System hat bei unserem Kunden zu einer Verbesserung der Prognosegüte von 20% geführt. Das regelmäßige, verlässliche Forecasting mehrerer tausend Materialien bedeutet eine enorme Arbeitsentlastung für die Planer*innen: Etwa 40% des Arbeitsaufwands konnten eingespart werden. Sie können die Ergebnisse bequem in einem interaktiven Dashboard ansehen und die Zahlen bei Bedarf anpassen. Das Ampelsystem sorgt dafür, dass sie nicht überrollt werden von der Vielzahl an Materialien, sondern dass sie gezielt diejenigen Planungsobjekte genauer prüfen können, auf die das Ampelsystem sie hinweist.
“Wir werden sukzessive weitere Geschäftsbereiche an die KI-basierte Demand-Forecasting-Lösung anschließen, da auch sie von den Vorteilen profitieren sollen.”
Fazit: Eine individuelle Demand-Forecasting-Lösung wird den Anforderungen unseres Kunden perfekt gerecht
Dank der agilen Vorgehensweise konnten sich ändernde Anforderungen während des Projekts reibungslos umsetzen und das Projekt erfolgreich wachsen lassen.
Erfolgsfaktoren
Eine KI ist nur dann gut, wenn der Mensch, der sie nutzt, auch ihren Nutzen erkennt und perfekt mit ihr interagieren kann. Das war auch einer der wichtigsten Erfolgsfaktoren in diesem Projekt: Die Planer*innen haben die spätere Lösung wesentlich mitgestaltet und die Anforderungen vorgegeben – denn sie kennen ihre tägliche Arbeit am besten. In enger Zusammenarbeit mit unseren Data Scientists ist so die perfekte Lösung für unseren Kunden entstanden. Genau das war unser Ziel!
Das Projektteam
Dr. Thomas Christ
Chief Data Scientist & Lead of Consulting
André
Data Scientist
Gregor
Principal Data Scientist
Katharina
Engineering Associate
Möchten auch Sie Ihre Planzahlen verbessern und gleichzeitig weniger manuellen Arbeitsaufwand? Dann
gerne und wir vereinbaren einen ersten Online-Termin.