Bedarfsplanung
Öfter mal was Neues
Gerade in der Konsumgüterindustrie setzen viele Unternehmen auf eine exzessive Innovationsstrategie, um Umsatz zu generieren. Zugrundeliegende Bedarfsprognosen sind aber allzu oft ungenau und verursachen hohe Kosten. Mit Bedarferkennungssystemen, die Supply Chain-Daten analysieren und Mustererkennungstechnologie nutzen, können Unternehmen die wachsende Komplexität leichter bewältigen.
Leider erschwert die zunehmende Komplexität der Wertschöpfungs- und Lieferketten die Planung und Ausführung, erhöht die Betriebskosten und gefährdet das Wachstum. Die Reaktion des Managements auf diese Herausforderungen ist wichtiger denn je geworden und von den Branchenführern zu lernen, kann ein erster Schritt sein. Wachstum durch Innovationsprogramme haben die Marketingabteilungen auf der Suche nach dem nächsten großen Gewinner dazu ermächtigt, eine noch nie dagewesene Anzahl an neuen Produkten einzuführen. Gemäß einer Studie von Terra Technology wurde ein Drittel der in Nordamerika von der Konsumgüterindustrie zum Verkauf angebotenen Artikel im selben Jahr eingeführt. Alle sind überzeugt, dass ihr neues Produkt erfolgreich sein wird; es stellte sich jedoch heraus, dass von tausend neuen Artikeln nur einer ein Verkaufsschlager wird.
Tatsächlich verfehlt die überwiegende Mehrheit der Neueinführungen die Erwartungen und erhöht die Komplexität mit wenig Nutzen für den Umsatz. Der Umsatzdruck verursacht eine Abneigung gegen das Einstellen eines Produkts, das sich verkauft, was schnell zu einem großen, jedoch leistungsschwachen Portfolio führen kann. In Nordamerika nahm die Anzahl der aktiven Artikel, die in die Studie einbezogen waren, in einem Zeitraum von fünf Jahren um durchschnittlich 32 Prozent zu. Die neunte Ausgabe von Rockwell Automations „State of Smart Manufacturing“ Report liefert Einblicke in Trends und Herausforderungen für Hersteller. Dazu wurden über 1.500 Fertigungsunternehmen befragt, knapp 100 der befragten Unternehmen kommen aus Deutschland. ‣ weiterlesen
KI in Fertigungsbranche vorn
Europa komplizierter als Amerika
Noch beunruhigender ist, dass sich die Anzahl spezifischer zum Verkauf angebotener Artikel im gleichen Zeitraum verdreifacht hat. Amerika ist eine große homogene Region mit Netzwerken, die einfach zu verwalten sind. In Europa hingegen sind die Netzwerke viel komplexer und dienen einer vielfältigen Bevölkerung in vielen Ländern mit zahlreichen Sprachen und kulturellen Unterschieden. Die in der Studie erfassten europäischen Supply Chains hatten im Durchschnitt 2,5-mal so viele Artikel wie die in Nordamerika. Außerdem haben europäische Betriebe einen stärker dezentralisierten und regionalen Charakter, dazu gehören mehrere und kleinere Warenlager. 2014 hatten die europäischen Supply Chains 2,5-mal so viele Lagerstandorte. Jedes Vertriebszentrum führte die gleiche Anzahl von Artikel, verschickte aber ungefähr das halbe Volumen wie in Nordamerika. Die Innovationsrate ist auch in Europa problematisch.
Es hat den Anschein, als ob Marketing auf beiden Seiten des Atlantiks Amok läuft. Die relative Anzahl von Neueinführungen verglichen mit der Gesamtartikelzahl war in beiden Regionen gleich. Da europäische Netzwerke jedoch von Anfang an eine größere Artikelzahl haben, bedeutet dies, dass die absolute Anzahl von Neueinführungen viel größer ist. Allerdings rationalisieren europäische Organisationen die Artikelnummern in der Regel besser und halten die Gesamtzahl der aktiven Artikel jederzeit ziemlich stabil. Das Ergebnis regionaler Unterschiede sowie der Wirkung von Innovationsstrategien und Rationalisierungsaktivitäten bedeutet, dass europäische Netzwerke bedeutend komplexer sind als ihre amerikanischen Gegenstücke.
Mehr Produkte bedeuten auch mehr Kosten
Die hohe Anzahl von Produkteinführungen und -einstellungen in beiden Regionen ist beunruhigend, da diese mit einer Vielzahl von Supply Chain-Kosten verbunden sind. Dazu gehören Änderungen in der Fertigung, der Bestand an Rohmaterialien, Verpackung und Fertigwaren sowie Wertberichtigungen für Überbestände. Die höhere Komplexität in Europa erschwert die Prognose, was in den Kennzahlen sichtbar ist: 2014 waren die wöchentlichen Prognosefehler in Europa sechs Prozent höher und das Bias war mehr als doppelt so hoch. Prognosefehler repräsentieren absolut falsche Vorhersagen, während das Bias das Ausmaß von ständig zu hohen beziehungsweise zu niedrigen Prognosen darstellt. Die Prognosegenauigkeit leidet, weil niedrige Umsätze pro Artikel in Europa, lange Produktschwänze und das schnelle Einführungstempo ein schwieriges Umfeld für herkömmliche Planungssysteme schaffen.
Neuen Produkten fehlt die zweijährige Vorgeschichte, die herkömmliche Planungssysteme benötigen, und lange Produktschwänze bedeuten, es gibt viel zu viele Artikel, auf die der Planer achten muss. Daher sind Prognosefehler wesentlich größer für neue Produkte und Artikel im Schwanz; und das Bias ist fast das Dreifache. Ohne geeignete Werkzeuge überkompensiert das Marketing durch ständiges Aufblähen der Prognosen für neue Produkte und Artikel mit geringem Lagerumschlag. Das klingt zwar wie ein guter Kompromiss, um Kundenservice und Umsatz zu schützen, ist aber sehr teuer, was das in unproduktiven Lagerbestand eingesetzte Kapital betrifft. Das entscheidende Argument der diesjährigen Prognose-Benchmark-Studie von Terra Technology ist die Erkenntnis, dass traditionelle Bedarfplanungstechnologie und prozesse ihre Grenzen erreicht haben. Sie können nur mit Mühe den Status quo beibehalten, geschweige denn den Durchbruch in der Leistungsverbesserung und Produktivität erreichen, den die Geschäftsleitung wünscht. Das Manufacturing Execution System (MES) HYDRA optimiert Produktionsprozesse für Fertigungsunternehmen, um Wettbewerbsvorteile zu erzielen. ‣ weiterlesen
MES-Integrator und 360-Grad-Partner für optimierte Fertigung
Traditionelle Systeme verwenden Prognosemethoden, die auf der Zeitreihenanalyse von historischen Daten beruhen, um zukünftige Umsätze zu prognostizieren. Und wie die übliche Ausschlussklausel für Investitionen ausführt, stellt die Wertentwicklung in der Vergangenheit keine Indikation beziehungsweise Garantie für die zukünftige Wertentwicklung dar. Zwischenverkäufe haben naturgemäß keinen Zusammenhang mit aktuellen Ereignissen, welche die Nachfrage in unvorhersehbarer Weise beeinflussen, einschließlich Marktverschiebungen, Wetter und Veränderung im Kaufverhalten der Kunden.
Der Bedarf vom Vorjahr als Maßstab
Der Hauptantrieb der herkömmlichen Systeme ist der Bedarf in den Vorjahren zur selben Zeit. Zum Vergleich: Wer Milch für die Familie kaufen will, prüft nie die alten Einkaufslisten, um zu sehen, wieviel Milch im letzten Jahr in dieser Woche gekauft wurde. Die vergangenen Milcheinkäufe stehen in keinem Zusammenhang mit den Faktoren, welche die benötigte Milchmenge beeinflussen, wie zum Beispiel was vorrätig ist oder ob die Kinder von der Uni nach Hause kommen oder nicht. Um genau vorhersagen zu können, was ein Kunde bestellen wird, ist ein automatisiertes System erforderlich, das Einblick in die Supply Chain gewinnen kann, um Bedarf zu erkennen und versteht, was tatsächlich passiert, nicht nur was letztes Jahr zu diesem Zeitpunkt passiert ist.
Bedarfserkennungssysteme analysieren alle verfügbaren Supply Chain-Daten und nutzen Mustererkennungstechnologie, mit der sie prüfen, wie Kunden Waren bestellen, was vor Kurzem in Auftrag gegeben wurde und was der augenblickliche Auftragsbestand ist. Automatisierung ist der Schlüssel, denn Supply Chains haben routinemäßig tausende von Artikel an hunderten von Orten gespeichert. Es ist einfach nicht machbar, hunderttausende tägliche Prognosen mit manuellen Prozessen zu erstellen. Mit der konsequenten Nutzung riesiger Datenmengen rund um die Supply Chain bewältigen Unternehmen die zunehmende Komplexität und erlangen einen Wettbewerbsvorteil in volatilen Märkten, da sie präzise Prognosen erstellen, welche die Realität der Märkte wiedergeben.
Einige der bekanntesten globalen Unternehmen wie Shell, Procter & Gamble, Unilever, Mondelez International verwenden Demand Sensing-Technologie und reduzieren Prognosefehler konsequent um durchschnittlich 37 Prozent. Prognosen sind keine akademischen Pflichtübungen – Genauigkeit ist sehr wichtig, da sie den Kundenservice verbessert und, vielleicht am wichtigsten, wichtige finanzielle Kennzahlen steuert, die direkten Einfluss auf die Kapitalrendite und den Unternehmenswert haben.
