Wiederbeschaffungszeiten KI-basiert berechnen
Lieferungen landen nach Plan
Technik als Unterstützung
„Bei aller Begeisterung für Technologie und Künstliche Intelligenz ist uns sehr bewusst, wie wichtig die humane Intelligenz bei Entscheidungen ist – und bleibt“, betont Ullmann. „Technik ist eine wertvolle Unterstützung in der Entscheidungsfindung, vollständig automatisieren kann man dies aber nicht in jedem Fall. Deshalb brauchen wir die Möglichkeit, die Prognosedaten flexibel nutzen und vor allem immer nachvollziehen zu können.“
Transparente Lieferungen
Genutzt wird die ML-Funktion nun auf Abteilungsleiterebene im Einkauf, die aus den Ergebnissen resultierende Handlungsanweisungen an die rund 30 Sachbearbeiter weitergibt. Über eine entsprechende Filterung lassen sich Bestellungen nach dem Grad der absoluten bzw. prozentualen Abweichung zwischen dem prognostizierten und dem bestätigten Zugangstermin ordnen. So lässt sich identifizieren, welche Lieferungen hohe Abweichungen aufweisen. Die Anwender können per Klick – auf Ebene der einzelnen Bestellung, des einzelnen Lieferanten oder generell für alle Bestellungen – festlegen, ob sie die Prognosedaten nur zur Information nutzen oder in die Planung einbeziehen möchten. Festlegen lässt sich beispielsweise auch, Prognosewerte für Lieferdaten eines bestimmten Lieferanten grundsätzlich nur zur Information respektive für die Planung zu nutzen.
Weniger Aufwand
Durch das neue Projekt sank wie erhofft die Lieferverzugsquote, während die Free-Cashflow-Quote stieg, da Bestände reduziert wurden. Zudem betreibt Liebherr-Aerospace nun weniger Aufwand beim Auftragstracking und beim Shopfloor-Management. „Für die Abteilungsleitung im Einkauf ist Felios ein einfach nutzbares Instrument, das für Transparenz sorgt und es ihr ermöglicht, einfacher Entscheidungen zu treffen“, sagt Sebastian Ullmann.
