Entwicklung von Demand Planning Kompetenzen mit KI

Unternehmen stehen mehr denn je vor der Herausforderung, höhere Umsätze zu erzielen und gleichzeitig die Kosten im Griff zu behalten. Angesichts der aktuellen wirtschaftlichen Lage sind Effizienz und Kostentransparenz mindestens ebenso wichtig wie Umsatzsteigerungen.

Steigende Energie- und Personalkosten, zunehmende Bürokratie sowie der globale Wettbewerb setzen die europäische Industrie – die in den vergangenen Jahren weder organisatorisch noch prozessual ausreichend aufgestellt wurde – unter erheblichen Druck. Während in den USA dank Künstlicher Intelligenz (KI), moderner Sensorik und Bioengineering rasante Produktivitätsgewinne erzielt werden, bleibt Europa aufgrund fehlender Innovationskraft und strategischer Vision oftmals hinter den Erwartungen zurück (weitere Details auf LinkedIn).

Stark abweichende Bedarfsprognosen können, ähnlich wie fehlerhafte Wettervorhersagen, gravierende Folgen haben. Eine regelmäßige Überarbeitung von Prognosen- vergleichbar mit der kontinuierlichen Anpassung meteorologischer Modelle – erhöht die Reaktionsfähigkeit eines Unternehmens, minimieren kostspielige Fehlentscheidungen und tragen zu einer besseren Kostenkontrolle bei. Eine verbesserte Forecast Accuracy (FCA) bildet so die Grundlage für eine nachhaltige Effizienzsteigerung.

In den folgenden Kapiteln möchten wir uns auf die FCA-Optimierung durch KI-unterstützte Planung konzentrieren. Wir wollen zeigen, wie Unternehmen ihre Planungsprozesse erheblich verbessern und Kosten minimieren können, indem sie KI nutzen, während gleichzeitig hohe Servicelevels aufrechterhalten werden.

Dieser traditionelle Ansatz stützt sich stark auf manuelle Prognoseerstellung und -anpassungen. Ein großer Teil der Vertriebsorganisation – von Vertriebsmanagern über Vertriebsdirektoren bis hin zu leitenden kaufmännischen Verantwortlichen – wirkt dabei mit und bringt seine Einschätzungen ein. Dies führt jedoch zu einem komplexen Prozess, der häufig keinen zusätzlichen Mehrwert generiert. Wie in Abbildung 1 dargestellt, wird mithilfe des Sales Manager zunächst ein Basisforecast mit einer Forecast Accuracy (FCA) von 70% erstellt. Die Einbeziehung des Sales Directors führt zwar zu einem moderaten Anstieg der FCA um 2%, doch als der Commerical Head den Forecast an das Budget anpasst, entsteht ein negativer Forecast Value Add (FVA) von 7% – ein Ergebnis, das auf subjektive Verzerrungen zurückzuführen.

Diese Anpassungen erfordern einen hohen manuellen Planungsaufwand, führen zu unnötiger Komplexität und Ressourcenverbrauch und resultieren häufig in einem negativen Mehrwert.

Statistisches Forecasting als Baseline
Statistische Forecasting-Methoden bieten eine strukturierte Grundlage für Verkaufsprognosen und verringern den Einfluss sowie die Notwendigkeit subjektiver Eingaben. Diese Ansätze bleiben jedoch kostenintensiv und haben die gleichen Nachteile wie die manuelle Planung: langwierige Prozesse und ein erheblicher Aufwand seitens des Vertriebsteams.

Um die Herausforderungen manueller Prozesse und hoher Komplexität zu überwinden, empfiehlt sich ein zweigleisiger Ansatz:

Zum einen ist ein Planungsansatz notwendig, der die Anforderungen von Kunden und die spezifischen Eigenschaften von Produkten entsprechend differenziert. Dabei kommt das Prinzip der situativen Optimierung zum Tragen: Für unterschiedliche Produkte – basierend auf deren Nachfragevolatilität und strategischer Bedeutung – sollten individuelle Forecasting- und Planungsstrategien entwickelt werden. Mithilfe einer Supply Chain Segmentierung lässt sich beispielsweise bestimmen, welche Segmente besser autonom und welche durch menschliche Expertise geplant werden sollten. Kurz gesagt:

KI-basierte Systeme übernehmen eigenständig zahlreiche Entscheidungen – von der Datenbereinigung über die Auswahl geeigneter Prognosemethoden bis hin zur Identifikation relevanter interner und externer Einflussfaktoren. Dadurch wird der Planungsprozess automatisiert und gleichzeitig die Forecast Accuracy deutlich verbessert.

Im Folgenden finden Sie ein vereinfachtes Beispiel für Produktgruppen mit unterschiedlichen Merkmalen und geeigneten Planungsansätzen.

Make-to-Stock (MTS) Produkte
Bei stabilen und planbaren Produkten ist eine manuelle Prognose in der Regel nicht notwendig. KI-gestützte automatisierte Planungsprozesse können hier verlässliche statistische Vorhersagen liefern und somit die Ressourcenzuteilung optimieren – ohne dass menschliche Eingriffe erforderlich sind.

Produkte mit großer strategischer Bedeutung
Produkte, die durch hohe Volatilität und strategischen Einfluss geprägt sind, erfordern einen hybriden Ansatz. Hier werden fortschrittliche KI-Systeme eingesetzt, die externe Datenquellen und Marktentwicklungen integrieren, wobei letztlich die abschließende Bewertung und Freigabe durch erfahrene Vertriebsleiter oder Demand Planning Analysten erfolgt.

Produkte mit geringerer strategischer Relevanz
Für individuell gestaltete, aber weniger strategisch bedeutsame Produkte sollte der Planungsaufwand bewusst reduziert werden. Insbesondere bei Produkten mit unbeständiger Nachfrage übersteigen die Kosten für eine verbesserte Forecast Accuracy häufig den betriebswirtschaftlichen Nutzen.

Die KI-gestützte Optimierung der Forecast Accuracy stellt einen echten für eine präzise Planugn dar. Durch eine differenzierte, situationsabhängige Planung, die an den spezifischen Eigenschaften der Produkte und deren Nachfragevolatilität ausgerichtet ist, können Unternehmen signifikant Kosten senken und den Umsatz nachhaltig steigern.

Die erfolgreiche Implementierung dieser Strategie setzt eine Kombination aus fundierter Expertise, differenzierten Prozessen und modernsten KI-Technologien voraus. Studien zeigen, dass nahezu 60% der Unternehmen mindestens einen Softwarekauf in den vergangenen 18 Monaten bereuen – wobei jedes zweite Unternehmen davon mit höheren Kosten als Folge seiner Entscheidung konfrontiert ist.[1]

TenglerConsulting unterstützt Unternehmen dabei, die relevanten Anforderungen an die Software zu definieren und begleitet sowohl bei Auswahl als auch Implementierung. Unternehmen, die diesen Ansatz verfolgen, sichern sich einen erheblichen Wettbewerbsvorteil und gewährleisten eine effiziente sowie kosteneffektive Steuerung ihrer Supply Chain in einem zunehmend herausfordernden Marktumfeld. Von der Ideenfindung bis zur Umsetzung stehen wir Ihnen beratend zur Seite, um Ihre Strategie optimal an die digitale Transformation anzupassen.

 

 

Quelle:
[1] Gartner, 2025: “2025 Software Buying Trends Report”  [aufgerufen: 07 Jänner 2025].

Unsere Serie „KI in der SC-Planung“ beleuchtet, wie Sie durch gezielte Maßnahmen in Ihrer Supply Chain echten Mehrwert schaffen können. Entdecken Sie wertvolle Einblicke und Best Practices zur Optimierung Ihrer Supply Chain in unseren Insights.