Toilettenpapier und Big Data
Ute Nause
Ute Nause

// //
Lesedauer: 4 Minuten

Toilettenpapier
und Big data


Für jedes produzierende Unternehmen ist die Logistik ein relevanter Kostenblock. Alle Prozesse, viele Dienstleister und letztlich der Kunde profitieren von bedarfsgerechter Planung – oder leiden unter hohen Kosten und schlechter Planungs- und Termintreue. Schlechte Bedarfsprognosen führen zu falschen Lieferabrufen und damit zu erhöhten Logistikkosten. Gute Planung schafft Effizienz und Transparenz, schnelle Handlungsfähigkeit und gute Beziehungen unter allen Beteiligten.

Mit Big Data und intelligenter Optimierung Kosten der Logistik senken: Volatile Zeiten erfordern schnelles Handeln

Volatile Zeiten, die VUCA-Welt, Komplexität und Unplanbarkeit. Wir sehen aktuell, wie schnell ganze Märkte stocken, sehen wie der Flügelschlag des Schmetterlings den Reissack umwirft und wie völlig unbeachtete Produkte – wie das (nicht vorhandene) Toilettenpapier – zum Symbol einer Krise wurden.

Wie aus dem Lehrbuch wurde uns gezeigt, wie schnell die Trägheit des Systems zu Engpässen führen kann. Wie schnell eine hohe Nachfrage nicht bedient werden kann. Wie schnell auf der anderen Seite Produktionsstraßen still stehen und mit ihnen das bisher rund laufende, minutiös getaktete System der Zulieferung schnellstens angepasst werden muss. Es ist mehr denn je essenziell, Informationen über sich schnell ändernde Bedarfe unmittelbar an das Liefernetzwerk weitergeben zu können – steigende wie fallende, belastbar und bestenfalls ohne Zeitverlust.

Diese Informationen vorhersagend berechnen zu können, ist komplex. Denn die Menge der vom Lieferanten bezogenen Güter ist von vielen Faktoren abhängig. Die Daten für eine Prognose müssen meist mühsam aus unterschiedlichen Quellen ermittelt und eventuell noch mit viel Aufwand manuell aufbereitet werden, um qualitativ sinnvoll verwendet werden zu können. Oftmals werden die Bedarfe in sequenziellen Prozessen von mehreren Personen oder sogar Abteilungen berechnet, um sicher zu gehen, dass sämtliches (oft nur in den Köpfen vorhandenes) Expertenwissen einfließen kann. Dies kostet wertvolle Zeit.

Gute Bedarfsprognosen durch Experten dauern oft mehrere Wochen

Wir haben durch den Einsatz von intelligenten Algorithmen einem großen Automobilhersteller geholfen, seine Prozesszeiten drastisch zu reduzieren und die Kosten deutlich zu senken.

Unsere Prognose verkürzt den Prozess von 2 Wochen auf 1 Nacht

Um dieses Ziel zu erreichen, haben wir eine Prognose entwickelt, die mit einem intelligenten Optimierungsverfahren und unter Nutzung der heutigen Big Data-Tools den benötigten Teilebedarf für jeden einzelnen Lieferanten in kürzester Zeit treffsicher ermittelt.

Der Nutzen für unseren Kunden ist hoch: Sequenzielle Prozessschritte sind entfallen. Die benötigte große Menge an Daten steht zeitgleich zur Verfügung. Die Prognose operiert damit auf einem konsistenten Datenbestand. Die Qualität der ermittelten Lieferbedarfe konnte wesentlich verbessert werden. Der Hersteller kann somit schnell auf die Volatilitäten im Geschäft reagieren. Sowohl teure Zusatzbestellungen als auch Leerkapazitäten werden vermieden. Durch die tagesaktuellen korrekten Lieferabrufe werden die Logistikkosten deutlich gesenkt. Unser Kunde hat dadurch seinen Wettbewerbsvorteil gegenüber der Konkurrenz gestärkt.

Oft unterschätzt: den eigenen Datenschatz nutzen

Viele Unternehmen haben bereits umfangreiche Daten vorliegen. Das Potenzial der Daten muss erkannt und zielgerichtet eingesetzt werden. Für unseren Kunden konnten wir die relevanten Daten für die Bedarfsprognose nutzbar machen. Die Daten sind es aber nicht allein. Erst mit den richtigen Algorithmen und Optimierungsstrategien wird der Datenschatz für den Kunden nutzbar. Dabei kann in einigen Fällen KI der richtige Ansatz sein.

Im beschriebenen Fall haben wir uns aufgrund der Prozesse und Daten entschieden, die Prognosen durch spezialisierte mathematische Optimierungsverfahren zu ermitteln. Die berechneten Prognose-Ergebnisse wurden über mehrere Zyklen von Experten beurteilt und deren Qualität bestätigt. Das anvisierte Ziel wurde erreicht. Die Verkürzung der Prozesszeit spricht für sich.


Über die Autorin: Ute Nause

Ute Nause ist Mitgründerin von BettercallPaul und aktuell in der Geschäftsführung München zuständig für Corporate Strategy. Sie ist seit 25 Jahren im IT-Geschäft und dort als Beraterin, insbesondere im Bereich Automotive, tätig. Ihr Herz schlägt für Enterprise Architecture Management (EAM), Prozessgestaltung und Change Management.


Weitere Informationen

Wünschst du weitere Informationen zum Thema?

Schreib mir gerne eine E-Mail: ute.nause@bcxp.de. Ich freue mich auf deine Kontaktaufnahme!
Lerne unsere Cases unter bcxp.de/cases/ kennen.