Wie Supply Chains der Unsicherheit trotzen können

Niemand hat diesen Trend kommen sehen. Und wie auch? Die Kundennachfrage folgte in den letzten Jahren genau dem gleichen saisonalen Muster. Doch dann war auf einmal alles ganz anders. Heutzutage gibt es vieles, was nicht wie geplant läuft, wie uns das Coronavirus gerade eindrucksvoll zeigt. 

Da Verkauf, Merchandising, Produktion, IT und Finanzen alle eine andere Sicht auf die Daten haben, läuft auch die Planung nicht immer wie geplant. Die heutigen Supply Chains stehen vor beispiellosen Herausforderungen. Um in dieser komplexen, sich rasant wandelnden Welt wettbewerbsfähig zu sein, müssen Unternehmen mit allem rechnen und auf alles vorbereitet sein.

Supply Chain Planungssoftware, die über folgende Funktionen verfügt, kann dabei helfen, Lieferketten gegen Unsicherheit abzuschirmen:

Umfassende Vorhersage des Nachfrageverhaltens

Alles wurde ganz genau berechnet und es steht fest, wie viele Einheiten in diesem Monat benötigt werden, um die Nachfrage zu befriedigen. Allerdings schwankt die Nachfrage nach diesem speziellen Produkt je nach SKU so stark, dass keine Prognose auf SKU-Ebene erstellt werden kann. Hinzu kommt, dass eine Sonderaktion am kommenden Freitag all Vorhersagen zunichtemachen und eine Überflutung in Dresden die regionale Nachfrage drastisch reduzieren wird. Kein „One-Number Forecast“ kann eine so große Variabilität erklären. Dazu bräuchten man viel mehr Zahlen, die auf einer Reihe von wahrscheinlichen Ereignissen basieren. Und genau hier kann die traditionelle Nachfrageprognose basierend auf der mathematischen „One-Number Forecast“-Methode nicht mithalten. Folgende Technologien/ Vorhersageansätze gehen weiter und helfen dabei, eine umfassende Vorhersage des Nachfrageverhaltens zu erhalten:

• Nachfragemodellierung – analysiert, adaptiert und modelliert kontinuierlich das statistische Verhalten der vergangenen Nachfrage und liefert eine zuverlässige statistische Prognose (Baseline). Durch die Darstellung der Wahrscheinlichkeitsverteilung von Prognoseabweichungen reduziert ein ausgeklügeltes Nachfragemodell die Auswirkungen von Nachfrageschwankungen.

• Demand Sensing – dieser auf maschinellen Lernverfahren gestützter Ansatz hilft, schneller auf Marktveränderungen zu reagieren, indem die Auswirkungen vergangener Ereignisse und externer Marktphänomene wie Werbeaktionen, soziale Medien, Wetter und die Einführung neuer Produkte analysiert werden. Die Modelle verwenden die externen Variablen, um die Veränderung der künftigen Nachfrage in Bezug auf die Basisprognose zu korrelieren.

• Architekturgestützte Automatisierung – Die leistungsstarke architektonische Kombination von Nachfragemodellierung und Demand Sensing führt zu einer hohen Zuverlässigkeit, die eine Automatisierung der Nachfrageprognose ohne ständige Benutzereingriffe ermöglicht.

Absicherung gegenüber Überraschungen

Nehmen wir an, dass die bestmögliche Nachfrageprognose getroffen und dafür ein breites Spektrum an möglichen Ergebnissen berücksichtigt wurde. Aber was, wenn es noch andere Faktoren gibt, die außerhalb unseres Einflussbereiches liegen oder die wir schlicht und einfach nicht kennen? Wie kann man sich gegen all die verrückten Unsicherheiten der realen Nachfrage absichern und sicherstellen, dass es zu keinen Lieferengpässen oder zu Obsoleszenz kommt? Genau hier setzen folgende Technologien/ Planungsansätze an:

• Bestandsmodellierung – Ein fortschrittliches Bestandsmodell ermittelt mithilfe des Nachfragemodells die Beziehung zwischen durchschnittlichem Bestand und Servicegrad für jede SKU/Standort.

• Serviceplanung – definiert die aggregierten Serviceziele für jedes Produkt- und Marktsegment entsprechend der jeweiligen Go-To-Market-Strategie, wobei das logistische Verhalten der SKU/Standorte automatisch von der Bestandsoptimierung übernommen wird.

• Lagerbestandsoptimierung – sichert Risiken ab, indem der optimale Lagerbestandsmix über Produkte/Netzwerke hinweg definiert wird, um den Serviceplan zu erfüllen. Auswahl von Geschäftszielen wie Minimierung des Betriebskapitals, Maximierung der Marge, Reduzierung des Überalterungsrisikos und mehr.

Effiziente Ausführung

Angenommen die Nachfrageprognose erweist sich als extrem zuverlässig. Doch nun muss die Vorhersage in einen praktischen Aktionsplan, der die verschiedenen Serviceziele berücksichtigt, umgesetzt werden. Das bedeutet, die Lagerbestände in der gesamten Lieferkette auszugleichen – von den Lieferanten und Fabriken über die verschiedenen Ebenen des Vertriebsnetzes bis hin zu den Einzelhändlern und Endkunden. Folgende Technologien/ Ansätze tragen zu einer effizienten Ausführung bei:

• Anforderungstunnel – projiziert eine Reihe von zeitlich gestaffelten Anforderungen für jede SKU/Standort im Netzwerk, wobei die natürliche Unsicherheit der im Nachfragemodell erfassten Materialflüsse erhalten bleibt.

• Zuweisung/ Verteilung – moderne Planungssysteme nutzen die Bandbreite der Anforderungen und generieren Vorschläge zur Nachschubplanung unter Berücksichtigung von Netzwerkgrenzen und kritischen Ressourcen.

• Versorgung mit begrenzter Kapazität – Der Anforderungstunnel entlastet begrenzte Kapazitäten und ermöglicht alternative Bezugsquellen.

• Statistische Prozesssteuerung – sendet automatisch Alerts, wenn im Prognosezyklus Leistungsprobleme wie zum Beispiel Lagerausfälle oder Überbestände identifiziert werden und stellt dadurch sicher, dass die tatsächlichen Liefer- und Nachschubmaßnahmen nicht vom Plan abweichen.

Egal, ob Long-Tail-Nachfrage, eskalierende SKUs, Produkteinführungen, neue Produkttrends, Internet-Hypes, Akquisitionen, Verkäufe, Zölle, Handelskriege, neue Partner & Kanäle, strengere Anforderungen an Service-Level oder das nächste S&OP-Meeting – dank der richtigen Technologien und Ansätzen zur Vorhersage des Nachfrageverhaltens, zur Absicherung gegen Unsicherheiten und einer effizienten Ausführung, sind Unternehmen bestens gewappnet, der vorherrschenden Unsicherheit zu trotzen.