Was ist der Unterschied? Klassische Prognosen helfen bei der Ressourcenplanung. Das heißt, mittels historischer Daten und Muster wird der wahrscheinlich benötigte Bedarf prognostiziert. 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, zum Beispiel zur Festlegung von Bestandszielen, Puffermengen und Zonen. Sensing hingegen dient dazu, die Unternehmensplanung im Detail zu verfeinern. Standardprognosen beruhen auf Vermutungen und Annahmen, während Sensing darauf ausgelegt ist, auf unvorhergesehene Ereignisse zu reagieren. Sensing nutzt proaktive Warnungen und automatische Anpassungen, die auf künstlicher Intelligenz basieren, damit Unternehmen ihre Planung schnell und effizient anpassen können.
Supply Sensing fokussiert sich auf die Beschaffung – analog dazu gibt es das Konzept des Demand Sensing, das sich auf die Nachfrageseite konzentriert. Dabei 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 genutzt. Sowohl bei Supply als auch Demand Sensing übernimmt die künstliche Intelligenz die eigentliche Arbeit. Sie stellt das benötigte Wissen bereit und bietet die Möglichkeit, den gesamten Überwachungsprozess zu automatisieren. Gerade bei der Umsetzung einer „Sense and Respond“-Strategie kann dies ein großer Vorteil sein: Im Vergleich zu klassischen Planungsstrategien führt das KI-basierte Sensing zu einer signifikanten Verbesserung der Prognosegenauigkeit.
Die Grundlagen des Supply Sensing
Supply Sensing ermöglicht es Unternehmen also, ihre Planung auf die nächste Stufe zu heben. Sie sind immer über aktuelle Ereignisse entlang der Lieferkette informiert und wissen, ob und wann sie mit Störungen zu rechnen haben und bekommen gleichzeitig Empfehlungen, wie sie die dadurch erwarteten Auswirkungen möglichst minimieren können. Mit Supply Sensing können Unternehmen durchgehen Transaktionen, Netzstruktur, Nachfrage, Liefertrends und Produktion monitoren. Was wurde angefordert, was zugesagt, was geliefert? Wie ist die Ist-Situation im Vergleich zur Soll? Die KI lernt aus den Vorgängen und analysiert proaktiv die Vorgänge entlang der Lieferkette. So entwickelt sie ein Verständnis dafür, wie sich Unterbrechungen auf die aktuelle Situation auswirken und was passiert, wenn keine entsprechenden Maßnahmen eingeleitet werden.
Dabei fokussiert sich Supply Sensing nicht auf ein Unternehmen alleine, sondern kann ein gesamtes Liefer-Ökosystem aus Lieferanten und Partnern mit einbeziehen. Neben der Risikoanalyse hinsichtlich Störungen und Unterbrechungen, kann Sensing auch einen positiven Einfluss auf die Termintreue und Lieferzuverlässigkeit haben. Durch die Überwachung der wichtigen Knotenpunkte des Netzwerks lernt die KI aus der historischen und aktuellen Leistung in Kombination mit Echtzeitsignalen und -trends. Aus diesen Daten wird dann errechnet, wie wahrscheinlich es ist, dass die Lieferung zur richtigen Zeit in der bestellten Menge eintrifft oder ob es zu Lieferengpässen kommt.
Diese Daten werden dann in Service-Level-Projektionen für das gesamte Netzwerk umgewandelt. Der Kundenservice ist das Bindeglied zwischen Lieferkette, Customer Experience und Umsatz und daher oft eine der wichtigsten Metriken für Unternehmen, die sich vor allem rückblickend leicht monitoren lassen. Das Service Level für die nächsten Monate vorauszusagen, ist jedoch oft unmöglich – Supply Sensing bietet hier einen Ausweg und unterstützt Unternehmen dabei, ihre Kunden genauestens über den Zeitpunkt des Eintreffens der Ware zu Informieren und damit auch die Kundenzufriedenheit und langfristig den Umsatz zu steigern. Letztlich bietet Supply Sensing vor allem die Möglichkeit, proaktiv zu reagieren und neue Situationen, die durch Störungen, Lieferengpässe oder ähnliches entstehen, einzuschätzen. Die aktuelle Nachfragesituation und deren Entwicklung lässt sich besser einschätzen, so dass Lagerbestände angepasst werden können und mögliche Nachfragespitzen das Unternehmen nicht unvorbereitet treffen beziehungsweise Überbestände und damit Lagerhaltungskosten vermieden werden.
Let’s get it started
Stellt sich nun die Frage, was es für Unternehmen bedeutet, Supply Sensing zu implementieren. Im Prinzip verfügt jedes Unternehmen, das über eine funktionierende Lieferkette verfügt, über die meisten Daten, die für die Einführung erforderlich sind. Das System versteht die Stamm- und Transaktionsdaten und beginnt mit dem Aufbau von Nachfrage-, Angebots- und Transitmustern. Doch wo anfangen? Es gibt verschiedene Punkte, an denen man ansetzen kann – dies hängt von den Prioritäten und Problemen ab, mit denen das jeweilige Unternehmen zum entsprechenden Zeitpunkt konfrontiert ist.
Dies könnten etwa Probleme mit dem Kundenservice sein, die sich in hohen Vertragsstrafen, hohen Umsatzverlusten und unzuverlässigen Lieferungen niederschlagen, die den Ruf des Unternehmens schädigen. Eine weitere häufig vorkommende Problematik sind unzuverlässige Lieferanten oder Transportwege, die die Zuverlässigkeit des Produktionsplans beeinträchtigen. Auch eigene Produktionsstätten, die Probleme verursachen und eine zuverlässige Planung unmöglich machen, können Gründe für die Einführung von Supply Sensing sein.
Echtzeittransparenz und Entscheidungsfindung
Um eine stabile und zuverlässige Lieferkette zu etablieren und aufrechtzuerhalten, sind zwei Faktoren entscheidend: Echtzeittransparenz und Konnektivität mit vor- und nachgelagerten Partnern in der Supply Chain. Der Zugang zu unternehmensübergreifenden Daten wirkt sich nicht nur positiv auf die Durchführung der Lieferplanung aus, sondern auch auf die Zuverlässigkeit und Effizienz des implementierten Supply Sensing.
Zugang ist jedoch nur ein Teil – der zweite Baustein ist 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. Denn so erhalten Unternehmen Zugang zu bereinigten Echtzeitdaten, die in entscheidungsrelevante Daten umgewandelt werden und dann in KI-gestützte Technologien zur Störungserkennung und Planungsentwicklung einfließen.
.jpg)
