Prognosen sind ein Muss für jedes Unternehmen - nur auf Basis von Einschätzungen über die zukünftige Entwicklung können Unternehmen entsprechend planen und ihre Ressourcen sinnvoll und gewinnbringend einsetzen. Darüber hinaus sind Prognosen ein unverzichtbarer Input für verschiedene Unternehmensprozesse, wie z.B. die Finanzplanung oder die Verwaltung von Lagerkapazitäten. Allerdings haben fast alle klassischen Prognosen eines gemeinsam: Sie liegen falsch. Gerade in den letzten drei Jahren wurde dies aufgrund extremer externer und unvorhergesehener Störungen – Pandemie, Blockade des Suezkanals, Ukraine-Krieg – in Bezug auf Lieferketten besonders deutlich.

Künstliche Intelligenz ermöglicht es nun jedoch, den Grundgedanken der Prognose in diesem Bereich auf ein neues Niveau zu heben. Stichwort Supply Sensing – die Echtzeit-Überwachung eines gesamten Supply-Chain-Netzwerks, die Trends in einer Vielzahl von Signalen erkennt und daraus die notwendigen Aktionen ableitet.

Prognosen vs. Sensing

Gerade für die Lieferkette wird agile Planung in einer zunehmend störungsanfälligen Welt immer wichtiger. Nicht nur aus diesem Grund ist es wichtig, den Unterschied zwischen Prognose und Sensing zu verstehen.

Klassische Prognosen helfen bei der Ressourcenplanung. Dabei wird in der Regel versucht, die mögliche Zukunft anhand historischer Daten und Muster vorherzusagen. Der Zeithorizont solcher Prognosen liegt in der Regel zwischen zwei und 24 Monaten. Selbst Unternehmen, die behaupten, sich ausschließlich auf die aktuelle Nachfrage zu konzentrieren, verwenden im Hintergrund bestimmte Prognose- und Planungsmetriken, z.B. zur Festlegung von Bestandszielen, Puffermengen und Zonen.

Sensing hingegen dient der automatischen Verfeinerung der Unternehmensplanung auf einer sehr granularen Ebene. Prognosen ohne Sensing basieren lediglich auf vereinfachten Annahmen und man muss – umgangssprachlich ausgedrückt – versuchen, über die Runden zu kommen. Mit Sensing erhalten Unternehmen proaktive Warnungen und KI-basierte automatische Anpassungen, um auf unvorhergesehene Ereignisse reagieren zu können. Neben dem Supply Sensing, das den Nachschub im Blick hat und im Folgenden näher betrachtet wird, gibt es analog das Konzept des Demand Sensing, das die Nachfrageseite überwacht. Hierfür werden Informationen vom Point of Sale, aber auch über vorhandene Lagerbestände, das Wetter, gesellschaftliche Stimmungen sowie Zahlen über aktuelle Bestellungen und Werbeaktionen der genutzten Vertriebskanäle eingesetzt.

In beiden Fällen übernimmt die künstliche Intelligenz das „Heavy Lifting“, indem sie Erkenntnisse liefert und die Möglichkeit bietet, den gesamten Überwachungsprozess zu automatisieren. In der Vergangenheit hat dies zu einer erheblichen Verbesserung der Prognosegenauigkeit im Vergleich zu herkömmlichen Planungsstrategien geführt – und ist daher eine hervorragende Grundlage für die Entwicklung einer "Sense and Respond"-Strategie.

Supply Sensing in vier Aspekten

Mit Supply Sensing können wir also noch einen Schritt weiter gehen und den Unternehmen die Möglichkeit geben, über alle aktuellen Ereignisse informiert zu sein. Sind Störungen zu erwarten? Was sind die Auswirkungen – und was kann man dagegen tun?

Das Wesentliche lässt sich in vier Punkten zusammenfassen. Erstens befasst sich das Konzept mit der Variabilität des Unterbrechungsrisikos. Das heißt, es überwacht ständig die Transaktionen, die Netzstruktur, die Nachfrage, die Liefertrends, die Produktion, was angefordert wurde, was zugesagt wurde und was geliefert wurde. Die zentrale Frage dabei ist: Wie sieht die reale Welt aus? Das System lernt daraus und analysiert proaktiv die Versorgungswege, um zu verstehen, ob es zu Unterbrechungen kommen wird. Wie würde sich die Situation entwickeln, wenn nicht reagiert wird? Was wären die Folgen im Falle des Ausbleibens von Maßnahmen?

Eine der Stärken dieses Ansatzes ist, dass er sich nicht auf das eigene Unternehmen beschränken muss. Es können auch mehrere Unternehmen, Lieferanten und Vertriebspartner berücksichtigt werden – ein Ökosystem verschiedener Unternehmen.

Supply Sensing erhöht auch das Vertrauen, dass die richtigen Güter zur richtigen Zeit am richtigen Ort sind. Es überwacht die Lieferungen von den Knotenpunkten des Netzwerks in quantitativer und zeitlicher Hinsicht und lernt aus der historischen und aktuellen Leistung in Kombination mit Echtzeitsignalen und -trends. Und es prognostiziert die Wahrscheinlichkeit, dass die geplante Lieferung zur richtigen Zeit in der richtigen Menge eintrifft und ob es zu Lieferengpässen kommt. Supply Sensing ermöglicht die Erstellung von Risikoprofilen für die Produktion oder die Transitstrecke des Lieferanten, so dass Unternehmen Probleme proaktiv lösen können.
Diese Daten werden dann in Service-Level-Projektionen für das gesamte Netzwerk umgewandelt. Der Kundenservice ist in der Regel eine der wichtigsten Metriken für Unternehmen, da er die Lieferkette mit dem Kundenerlebnis und dem Umsatz verbindet. Diese Metriken lassen sich rückblickend sehr leicht überwachen, während es fast unmöglich ist, sie zuverlässig in die Zukunft zu projizieren. Supply Sensing kann hier Abhilfe schaffen.

Viertens ermöglicht Supply Sensing die Ableitung proaktiver Maßnahmen, so dass Unternehmen auf neue Situationen angemessen reagieren können: Müssen wir mehr importieren? Müssen wir früher bestellen oder unsere Planungsparameter überdenken? Supply Sensing hilft bei der Beantwortung der Frage: Wie können wir die richtigen Produkte herstellen, die den Wünschen der Kunden entsprechen? KI bietet Einblicke, Skalierbarkeit, Automatisierung und die Perspektive von Liefer- und Servicestandorten.

Der wahre Mehrwert des Supply Sensing

Mit Supply Sensing wissen Unternehmen genau, wo sich ihre Lieferungen gerade befinden. Gerade in Zeiten zahlreicher Lieferengpässe und extrem störanfälliger Lieferketten hilft es Unternehmen, ihre Kunden über den Zeitpunkt des Eintreffens der Ware zu informieren und damit die Kundenzufriedenheit und langfristig auch den Umsatz zu steigern.

Die Unternehmen erhalten dadurch einen besseren Einblick in ihre aktuelle Bedarfslage und deren zukünftige Entwicklung. So können sie ihre Lagerbestände der jeweiligen Situation anpassen und sind auf mögliche Nachfragespitzen vorbereitet. Im Gegenzug erhalten die Unternehmen auch einen Überblick über mögliche Überbestände sowie den Bestand an z.B. veralteten Produkten. So können unnötige Kosten für die Lagerhaltung vermieden werden, da immer ein vollständiger Überblick über Angebot und Nachfrage besteht.

Voraussetzungen und mögliche Herausforderungen

Sobald ein Unternehmen eine funktionierende Lieferkette hat, verfügt es auch über die meisten Daten, die für die Einführung von Supply Sensing erforderlich sind. Das System versteht die Stamm- und Transaktionsdaten und beginnt mit dem Aufbau von Nachfrage-, Angebots- und Transitmustern. Aber wo genau soll man anfangen und worauf soll sich das Supply Sensing konzentrieren?

Dies hängt u.a. von den Prioritäten und Problemen ab, mit denen ein Unternehmen zum Zeitpunkt der Umsetzung konfrontiert ist. Dies könnten z.B. sein

• Probleme mit dem Kundenservice, die sich in hohen Vertragsstrafen, hohen Umsatzverlusten und unzuverlässigen Lieferungen niederschlagen, die den Ruf des Unternehmens schädigen
• Unzuverlässige Lieferanten oder Transportwege, die die Zuverlässigkeit des Produktionsplans beeinträchtigen
• Eigene Produktionsstätten, die Probleme verursachen und eine zuverlässige Planung unmöglich machen

Dies sind Anhaltspunkte, die einem Unternehmen bei der Entscheidung helfen können, wo und wie Supply Sensing am besten eingesetzt werden kann. Schließlich werden Echtzeittransparenz und Konnektivität mit vor- und nachgelagerten Partnern in der Lieferkette immer wichtiger. Der Zugang zu unternehmensübergreifenden Netzwerkelementen macht nicht nur Supply Sensing, sondern auch die Durchführung der Lieferplanung wesentlich effizienter und zuverlässiger.

Aber es geht um mehr als nur den Zugang – es geht auch um die Fähigkeit, Prozesse zu analysieren und sogar zu automatisieren, indem eine Plattform genutzt wird, die Lieferketten über Unternehmen hinweg verbindet und Daten aus verschiedenen Systemen zusammenführt. Auf diese Weise erhalten Unternehmen Zugang zu bereinigten Echtzeitdaten, die in entscheidungsrelevante Daten umgewandelt werden und dann in KI-gestützte Technologien für die Planung und Erkennung der Zusammenarbeit einfließen.
 

Autor: Samrat Roy, Director Solution Consulting für Supply Chain Lösungen, E2open