Der Kern des Demand Managements: Mit kreativen Prognosemethoden zum Erfolg

Keyfacts

• In einer Zeit, die von Unsicherheit, steigender Komplexität und wachsenden Kundenanforderung geprägt ist, bedarf es verlässlicher Prognosemethoden.
• Die Erstellung von Nachfrageprognosen ist eine komplexe Aufgabe mit direktem Einfluss auf den Unternehmensgewinn und die Kundenzufriedenheit.
• Die Prognosegenauigkeit kann durch den Einsatz von intelligenten Prognosemethoden um 10 bis 20% gesteigert werden, in Einzelfällen sogar bis um 50%
• Demand-Management-Software ermöglicht intelligente Prognosemethoden und behandelt gleichzeitig Verantwortlichkeiten, Prozesse, Lagerhaltung, Risk-Handling und Fertigungsmöglichkeiten

Wir leben aktuell in einer Zeit, die sich durch große Unsicherheit auszeichnet. Getrieben durch geopolitische Ereignisse sowie wachsende Kundenanforderungen und eine globale, digitale Vernetzung bedarf es intelligenter Prognosemethoden, um Unternehmen und Organisationen sicher in die Zukunft zu navigieren.

Dabei werden Prognosen von vielen Faktoren beeinflusst. Dies wird derzeit besonders anschaulich mit Blick auf die globalen Lieferketten. Diese umfassen Transportwege von mehreren Wochen, die sowohl durch äußere Einflüsse wie eine Pandemie stark beeinträchtigt werden können, aber auch durch Naturereignisse oder politische Konflikte. Daneben wirken sich auch interne Faktoren wie die Qualitätssicherung, Änderungen im Bereich Forschung und Entwicklung oder Veränderungen in der Nachfrage direkt auf die Lieferketten aus. Eine falsch prognostizierte Liefermenge kann schnell zu einer längeren Periode mit leeren oder überfüllten Lagern führen.

Was macht eine exakte Prognose so schwierig?

Hinzu kommen die Schwierigkeiten, die immer kürzere Produktlebenszyklen mit sich bringen. Diese führen dazu, dass eine weitere Einflussgröße bei der Erstellung von Prognosen zu berücksichtigen ist: Neue Produkte. Die Besonderheit bei neuen Produkten ist, dass sie aufgrund ihrer kurzen Bedarfshistorie nicht mit den Standard-Prognoseverfahren prognostiziert werden können.

Was genau sind intelligente Prognosemethoden?

In einer immer stärker vernetzten Welt mit dauerhaftem Arbeiten aus dem Homeoffice braucht es eine Plattform als Single Point of Truth – mit hoher Datenqualität, automatisierter, sich aktualisierender Echtzeit-Information und der Möglichkeit einer abteilungsübergreifenden Interaktion. Die Verfügbarkeit von verlässlichen Informationen und Entscheidungsgrundlagen werden daher immer wichtiger. Intelligente Prognosemethoden können Unternehmen dabei unterstützen, diese Herausforderungen zu meistern. Sie unterscheiden sich von fortgeschritten analytischen Modellen durch ihre Fähigkeit zu lernen.

Machine-Learning-Algorithmen aus neuronalen Netzen sind die Basis für intelligente Prognosemethoden. Dabei gibt es verschiedene Möglichkeiten bei der Berechnung der Prognosewerte. Es kann ein geeignetes unintelligentes Modell oder eine Kombination aus geeigneten Modellen zur Prognose genutzt werden. Die Wahl des Modells oder die Kombination der Modelle entscheidet die intelligente Prognosemethode eigenständig. Neben dem Erstellen von Prognosen werden neuronale Netze auch dazu verwendet, die Verbindung zwischen verschiedenen externen Faktoren und der eingetretenen Nachfrage zu finden.

Warum die Nachfrage nach intelligenten Prognosemethoden steigt

Insbesondere im Bereich der Agrar- und Lebensmittelindustrie wird deutlich, warum es in Zukunft ein echtes Unterscheidungsmerkmal sein wird, welches Unternehmen auf intelligente Prognosemethoden setzt und welches nicht. Denn das Angebot in diesem Sektor ist sehr stark von saisonalen Faktoren wie dem Wetter abhängig. Das Angebot ist gleichzeitig oft limitiert und trifft auf eine hohe Marktnachfrage. Durch intelligente Prognosemethoden lassen sich bessere Aussagen über die Ausbringungsmenge treffen und durch präventive Steuerungsmaßnahmen das Angebot erhöhen. Entsprechend wird auch die Nachfrage nach intelligenten Prognosemethoden in den kommenden Jahren stärker steigen, weil exakte Prognosen zu einem Wettbewerbsfaktor werden.

Die Vorteile von intelligenten Prognosemethoden

Wir beobachten bereits heute am Markt eine steigende Nachfrage nach intelligenten Analyse-Tools und sehen Potenziale in mehreren Bereichen, die sich mit deren Einführung heben lassen:

Zeitersparnis: Durch die direkte Einspielung von Echtzeit-Informationen während der Prognoseerstellung sind manuelle Eingriffe nicht mehr nötig. Die Absatzplanenden können sich die gewünschten Prognosen aus dem Programm ziehen und anwenden.

Risikominimierung: Die Prognosegenauigkeit steigt und die Unsicherheit der Nachfrage sinkt. Damit sinkt auch das Risiko einer schlechten Produktionsauslastung, die Marktnachfrage kann zur richtigen Zeit und in der geforderten Qualität bedient werden.

Minimierung des Lagerbestandes: Eine genauere Prognose ermöglicht einen geringeren Sicherheitsbestand, ohne das Servicelevel zu beeinträchtigen. Zusätzlich hat der Einkauf die Möglichkeit, wertschöpfender zu bestellen und vermeidet somit leere Lager sowie hohe Bestände.

Verbesserung der Lieferanten-Konditionen: Durch zuverlässige und rechtzeitige Bestellungen gegenüber Lieferanten können Kosten aufgrund kurzfristiger, ungeplanter Lieferungen vermieden werden. Zusätzlich können Lieferantenverträge mit weniger Spielraum und längeren Lieferzeiten, dafür aber besseren Preisen verhandelt werden.

Kostensenkung: Die Ersparnisse aus den oben genannten Punkten können 2 bis 3% des Gewinns entsprechen. Ohne vorherige Einführung von analytisch fortgeschrittenen Prognosemethoden sogar mehr.

Mit Demand-Management-Software zu intelligenten Prognosemethoden

Nicht jedem Unternehmen wird es gelingen, in kurzer Zeit die notwendige Expertise im Bereich künstlicher Intelligenz wie neuronalen Netzen oder Machine Learning aufzubauen. Daher kann der Einsatz von Demand-Management-Software eine Möglichkeit darstellen, verlässliche Prognosen zu erhalten. Durch den Einsatz von Softwarelösungen lassen sich bereits heute Prognosen visualisieren, Daten vorbereiten und externe Informationen als gezielte Inputquellen zur Erhöhung der Prognosegenauigkeit nutzen.

Intelligente Prognosemethoden sind durch die Anwendung von neuronalen Netzen komplex und nicht intuitiv zu verstehen. Dies kann in der Praxis zu Problemen führen, wenn beispielsweise das entsprechende Know-how nur auf wenige oder einzelne Spezialist:innen verteilt ist. Für die Unternehmen ergeben sich so ungesunde Abhängigkeiten.

Mithilfe von verfügbaren Demand-Management-Softwares kann dieses Problem gelöst werden. Denn die Lösungsanbieter bereiten Daten vor, adjustieren diese und ziehen sich die benötigten Informationen automatisiert aus dem System. Die fertigen Prognosen werden grafisch unterstützt, wodurch Nachfragemuster sichtbar werden und so die Prognosen ein schnelles Gefühl für das Nachfrageverhalten ermöglichen.

Abbildung 1: Schematische Darstellung der Funktionsweise von Demand-Management-Software (Quelle: KPMG in Deutschland, 2022)

Das zusätzliche Potenzial von Demand-Management-Software

Neben der Unterstützung bei der Nachfrageprognose hilft eine Demand-Management-Software bei der Verarbeitung der Prognose und der Zusammenarbeit mit anderen Fachbereichen. Durch die Fähigkeit von neuronalen Netzen, selbstständig zu lernen, können robuste Nachfragepläne erstellt werden. Selbst Configure-To-Order-Produkte können damit prognostiziert werden. Die Simulationsmöglichkeit von Nachfrageszenarien und die Verfügbarkeit von funktionsübergreifenden Teams unterstützen die Anwendenden dabei, Geschäftsziele zu erreichen und Risiken wie mögliche Engpässe zu minimieren.

Zusätzlich unterstützt eine Demand-Management-Software dabei, Prognosen mit verknüpften Fachbereichen zu vereinen. Somit können für die Lagerhaltung Bestellmengen definiert und gleichzeitig verschiedene Lieferszenarien simuliert werden. Planungstools definieren klare Verantwortlichkeiten direkt innerhalb der Software, wodurch der reibungslose Ablauf des Prozesses ermöglicht wird.

Darum sollten Unternehmen auf Demand-Management-Lösungen setzen

Eine Demand-Management-Software unterstützt somit nicht nur eine bessere Prognose, sondern behandelt die Themen Verantwortlichkeiten, Prozesse, Lagerhaltung, Risk-Handling und Fertigungsmöglichkeiten zugleich. Individuelle Prognosen werden mithilfe einer Demand-Management-Software auf unternehmensspezifische Anforderungen, wie Lagerhaltung, Fertigung und Geschäftsziele zugeschnitten. Daher sollten diese Lösungen systemagnostisch und zugeschnitten auf die Bedürfnisse des Unternehmens Eingang in die Unternehmen finden und zu einem festen Bestandteil zukünftiger Planungsprozesse werden.

Fazit: In Zukunft zählen intelligente Prognosemethoden

Das gewohnte Operating Model mit globalen Lieferketten ist nicht mehr zuverlässig und mit hohen Risiken behaftet. Externe Faktoren müssen in die Prognose mit einfließen – und zwar intelligent und präventiv. Dadurch können Unternehmen ihre Produktion steuern und agieren vorausschauend. Intelligente Prognosemethoden können sicherstellen, dass es weder zu Lieferausfällen noch zu leeren Lagern kommt, sondern vielmehr die Liefertreue garantiert ist und Marktanteile von Wettbewerbern übernommen werden können, die ihre Nachfrage nicht bedienen können.

Mit der Einführung einer Demand-Management-Software und damit einer intelligenten Prognoselösung können darüber hinaus viele weitere Vorteile erzielt werden. Jedoch sollte diese Implementation bedacht und strukturiert ablaufen, um mögliche Probleme zu vermeiden. KPMG kann auf ein Netzwerk mit verschiedensten Allianzpartnern zurückgreifen und unterstützt bei der Identifikation einer für Ihr Unternehmen passenden Software. Wir bieten einen strukturierten Projektrahmen, um die Einführung der Demand-Management-Software erfolgreich zu gestalten und einen Mehrwert für Ihr Unternehmen zu generieren.