AI Spotlight
Optimale Erstbevorratung im Supply Chain Management dank
KI-gestützter Methoden
Lesen Sie hier, wie neuronale Netze im Supply Chain Management eine Erstbevorratungsstrategie ermöglichen. Es wird veranschaulicht, in welcher Weise künstliche Intelligenz, wie sie durch ein neuronales Netz erzeugt wird, neue, zuverlässige Planungsmöglichkeiten eröffnet.
DIE VORTEILE
- Objektive Erstbedarfsschätzungen: Der Einsatz neuronaler Netze ermöglicht es, trotz fehlender Verkaufshistorie optimale Bestellmengen zu berechnen.
- Optimierte Planung: Lagerkosten werden reduziert, Stockouts in der Einführungsphase vermieden und Bestellprozesse erleichtert.
- Belastbare Entscheidungsunterstützung: Die computergestützte, optimale Nutzung von Daten ergänzt die menschliche Expertise, hilft Fehlerquellen zu minimieren und die richtigen Entscheidungen für die (Erst-)Bevorratung zu treffen.
Use Case
Überblick
- Für herstellende Unternehmen gilt: Wer neue Produkte einführt, muss für diese auch stets ausreichend Ersatzteile zur Verfügung stellen können. Vor dieser Herausforderung stand auch ein Motorradhersteller, der ein neues Modell eines Produktes auf den Markt gebracht hat.
- KI-gestützte Methoden und neuronale Netze ermöglichen es Unternehmen, anhand computergestützter Vergleiche mit Produktvarianten, die über ähnliche Attribute verfügen, belastbare Bedarfsprognosen für die Ersatzteile zu erstellen und darauf basierend optimierte Bestellmengen festzulegen.
- Die neuronalen Netze wurden dafür auf dem aktuellen Portfolio trainiert und nutzten dabei historische Verkaufs- und Reparaturdaten vergleichbarer Produkte (digitaler Zwilling). Außerdem werteten sie Daten zu saisonalen Schwankungen und aktuellen Marktfaktoren
(z. B. längere Regenperioden trotz Sommer) aus, um unterschiedliche Nachfrage- und Lagerhaltungsmuster effizient zu analysieren und optimale Handlungsempfehlungen zu generieren.
SO FUNKTIONIERT‘S
- Für ihre Handlungsempfehlungen analysiert unsere KI-Software nicht nur die historischen Verkaufsdaten verschiedener Artikel, sondern bei Bedarf auch zahlreiche zusätzliche Faktoren, die das Verkaufsverhalten beeinflussen.
- Durch das Erkennen ähnlicher Artikel kann sie auf andere Produkte schließen und deren Bedarfe selbst dann prognostizieren, wenn keine Bedarfskontinuität auf Einzelartikel-Ebene oder gar keine Verkaufshistorie gegeben ist. Durch die neuronalen Netze können Informationen aus ähnlichen Fragestellungen auf neue Situationen, wie die Erstbevorratung, übertragen werden.
- Aus diesem Grund empfiehlt sich der Einsatz neuronaler Netze insbesondere für die Erstbedarfsschätzung. Sie machen Absatzvorhersagen möglich, sodass Unternehmen auch bei neuen Artikeln oder variierenden Sortimenten ihre Bevorratungsstrategie optimal ausrichten können.
SCHON GEWUSST?
- Laut einer Studie des Digitalverbands Bitkom vom Juni 2024 gehen nur 6 Prozent der befragten Unternehmen davon aus, dass sie das Potenzial der ihnen zur Verfügung stehenden Daten vollständig ausschöpfen.
- Neuronale Netze können Werte aus den komplexesten Datensätzen schöpfen und Anwender insbesondere dann unterstützen, wenn sie aufgrund der Komplexität mit ihrer Expertise allein an ihre Grenzen stoßen.