Startseite » Allgemein »

Inform senkt Beschaffungskosten um 40 Prozent

Mit Machine Learning zu verlässlichen Lieferzeiten
Inform senkt Beschaffungskosten um 40 Prozent

AdobeStock_xyz+.jpg
Ein Einsparpotenzial in Millionenhöhe lässt sich heben, wenn der Einkauf den Kostenhebel Wiederbeschaffungszeit clever nutzt. Bild: xyz+/stock.adobe.com
Anzeige
Eine möglichst exakte Bestimmung zukünftiger Liefertermine wirkt sich nachhaltig auf die eigenen Beschaffungs- und Logistikkosten aus: Bis zu 40 Prozent können damit eingespart werden. Eine intelligente Software-Lösung von Inform berechnet Wiederbeschaffungszeiten jetzt zuverlässig auf Basis von Machine-Learning-Algorithmen.

» Michael Grupp, Journalist, Stuttgart

In einigen Märkten verfügen Lieferanten über so starke Alleinstellungsmerkmale, dass ihre Kunden Verspätungen und Unzuverlässigkeit in Kauf nehmen (müssen). Aktuell ist dies zum Beispiel bei Speicherchips und ausgesuchten Rohstoffen der Fall. In anderen Fällen lassen sich Lieferanten auf unrealistische Lieferzeiten ein, um einen Auftrag überhaupt erst einmal zu gewinnen. Beidseitiges böses Erwachen ist garantiert. Meist aber sind nur unabgestimmte Prozesse oder mangelnde Kommunikation im Spiel.

Aus welchen Gründen auch immer: Bis zu zwei Drittel aller B-to-B-Liefertermine werden nicht pünktlich eingehalten. Wirklich verlässlich ist oft nur der Avis-Termin, wenn sich die bestellte Lieferung tatsächlich bereits auf dem Weg befindet. Erreicht diese nicht pünktlich den Wareneingang, droht der Worst Case: Hektische Deckungskäufe bei alternativen Lieferquellen, damit nachgelagerte Prozesse und damit die eigene Lieferfähigkeit nicht gefährdet werden. Solche Deckungskäufe sind aber erfahrungsgemäß mit weiteren Nachteilen verbunden – zum Beispiel höhere Kosten sowie ungewisse Qualitäten.

Erhöhter Sicherheitsbestand als Kostentreiber

Sicherheitshalber früher bestellen ist auch keine wirtschaftliche Lösung. Denn das führt zwangsläufig zu Überbeständen im Lager, was wiederum unnötigerweise Fläche und Kapital bindet. Infolgedessen leidet auch der eigene Cashflow, da der Wareneingang üblicherweise die Zahlungsfälligkeit auslöst. Dazu kommen zusätzlichen Logistikkosten für Sondertransporte oder Luftfracht. Und nicht zuletzt: Ein Lieferausfall kann sich auch auf die Termintreue gegenüber eigenen Kunden auswirken, was zu Strafzahlungen und Reputationsverlust führen kann.

Eine Ungewissheit von plus/minus einer Woche führt rein rechnerisch zu einem notwendigen fünffach erhöhten Sicherheitsbestand. Diese Mehrkosten können sich in einem mittelständischen Unternehmen zu sechsstelligen Summen addieren (siehe Beispielrechnung im Kasten unten).

Business as un-usual

Diese Beispiele verdeutlichen die Bedeutung der Wiederbeschaffungszeiten als KPI. Wenn überhaupt, ist dieser Indikator aber meist nur als persönliche Schätzung in den Stammdaten hinterlegt. Dabei können moderne Systeme für das Machine Learning (ML) die Wiederbeschaffungszeiten ziemlich genau berechnen und damit Geld, Zeit und Nerven sparen. Inform ist einer der führenden Anbieter in diesem schnell wachsenden Markt. Die ML-Lösung des Aachener Unternehmens berechnet die Wiederbeschaffungszeiten auf Basis intelligenter Algorithmen. Die Resultate sind um 70 Prozent präziser als vergleichbare Erfahrungswerte. Damit kann die durchschnittliche Abweichung von Lieferterminen beispielsweise von 25 Tagen auf 12 Tage reduziert werden.

Mehr noch: Die Lösung analysiert bereits vor der Bestellung die prognostizierten Lieferzeiten aller in Frage kommenden Anbieter und warnt vor unrealistischen Angeboten. Sie berechnet darüber hinaus den optimalen Bestellzeitpunkt und warnt im Laufe des Beschaffungsprozesses proaktiv vor drohenden Lieferausfällen. Damit kommt zukünftig nicht mehr der vermeintlich billigste oder schnellste Lieferant zum Zuge, sondern der wirtschaftlichste und der zuverlässigste. Die ML-Lösung von Inform ist jetzt maßgeschneidert für produzierende und Handelsunternehmen erhältlich.

Lernende Systeme von Inform

Voraussetzung für den Einsatz der ML-Lösung von Inform ist ein beliebiges ERP-System, in dem die Lieferdauer für abgeschlossene Bestellungen bekannt ist oder berechnet werden kann. Vor dem Einsatz wird das System auf Basis der vorhandenen Daten maßgeschneidert auf das jeweilige Unternehmen ausgerichtet und trainiert. Dazu zählt die Analyse historischer Daten wie Bestelldaten und der Wareneingang bisheriger Lieferungen. Dazu kommen saisonale Daten, beispielsweise kurzfristige Lieferungen vor Weihnachten. Ebenfalls wichtig sind Daten zur Wunschverfügbarkeit, zu eingegangenen Terminbestätigungen sowie Avis-Daten. Außerdem sollten möglichst viele Details zum Lieferanten selbst sowie zu den gehandelten Produkten in den Lernprozess einfließen. Dazu gehören unter anderem die Unternehmensgröße, der Standort, der offene Bestellwert am Bestelltag, die Anzahl offener Positionen, Bestellfrequenz sowie Größe, Menge und Preis der Artikel.

Wunschtermin eingeben – fertig!

Nach der Trainingsphase reicht für spätere Berechnungen die Eingabe des jeweiligen Wunschtermins. Die Prognose erfolgt auf Ebene der Artikel-Lieferanten-Kombination. Die Ergebnisse können von Add-on-Systemen, etwa zur intelligenten Bestands- oder Produktionsoptimierung, genutzt werden, die ihre Daten aus ERP-Systemen beziehen. Die kontinuierliche Pflege der Wiederbeschaffungszeiten im SAP-Materialstamm oder einem anderen ERP-System lässt sich (teil-)automatisieren.

Die Bedienung der Inform Software-Lösung ist selbsterklärend. Sie kann vom Einkauf einfach eingesetzt und intuitiv beherrscht werden. Inform bietet ein umfangreiches Informationspaket und/oder persönliche Beratung mit einer Test-Installation an. Interessenten wenden sich einfach an:

Oliver Biel

Strategic Relations

Oliver.Biel@inform-software.com

Tel. +49 151 26459740


Was ist Machine Learning?

Maschinelles Lernen ist ein Teilgebiet der künstlichen Intelligenz. Es beschreibt IT-Systeme, die in bestehenden Datenbeständen Muster erkennen und damit Antworten auf bestimmte Fragestellungen geben können. So entsteht quasi neues (nicht programmiertes) Wissen aus alten Erfahrungen. Voraussetzung dafür sind zwei Prozesse: erstens die Programmierung entsprechender Algorithmen. Zweitens eine Trainingsphase, in welcher das System lernt, Daten zunehmend besser zu analysieren und immer intelligenter zu verbinden. Vielversprechende Einsatzgebiete sind beispielsweise die medizinische Diagnostik, die industrielle Qualitätssicherung sowie nicht zuletzt die Analyse von Wiederbeschaffungszeiten.


Beispielrechnung: 40 Prozent Einsparpotenzial

Ausgangslage: eine Wiederbeschaffungszeit von 10 Wochen mit einer Streuung von +/- 2 Wochen. Vorgabe für die Lieferfähigkeit: 95 Prozent. Der durchschnittliche Bedarf beträgt 200 Stück pro Woche, der Preis des Zukaufteils 75 Euro pro Stück.

Status quo: Damit ergibt sich ein benötigter SB von 677 Stück sowie eine Kapitalbindung von 50.714,47 Euro. Einschließlich eines Lagerkostensatzes von 16 Prozent pro Jahr (für Kapitalkosten, Versicherung, Lagerhaltung etc.) belaufen sich die jährlichen Kosten auf 8.114,31 Euro.

Einsparpotenzial: Lässt sich die Streuung mittels ML auf +/- 1 Woche halbieren, würde sich der SB auf 365 Stück, die Kapitalbindung auf 27.307,79 Euro und der Anteil der Kosten auf 4.369,25 Euro pro Jahr (53,85 Prozent) reduzieren – bei einem einzigen Artikel! Auf den Gesamtbestand aller auf Lager gehaltenen Artikel hochgerechnet ergibt sich ein Einsparpotenzial in Millionenhöhe.

Anzeige
Aktuelles Heft
Titelbild Beschaffung aktuell 6
Ausgabe
6.2021
PRINT
ABO
Anzeige

Industrie.de Infoservice
Vielen Dank für Ihre Bestellung!
Sie erhalten in Kürze eine Bestätigung per E-Mail.
Von Ihnen ausgesucht:
Weitere Informationen gewünscht?
Einfach neue Dokumente auswählen
und zuletzt Adresse eingeben.
Wie funktioniert der Industrie.de Infoservice?
Zur Hilfeseite »
Ihre Adresse:














Die Konradin Verlag Robert Kohlhammer GmbH erhebt, verarbeitet und nutzt die Daten, die der Nutzer bei der Registrierung zum Industrie.de Infoservice freiwillig zur Verfügung stellt, zum Zwecke der Erfüllung dieses Nutzungsverhältnisses. Der Nutzer erhält damit Zugang zu den Dokumenten des Industrie.de Infoservice.
AGB
datenschutz-online@konradin.de