Besser genau irren als zufällig treffen 

Andreas Kemmner

Es ist schon eine Last mit der Absatz- und Bedarfsprognose. Da der Vertrieb entweder zu pauschal mit seinen Aussagen ist oder selten trifft, bleibt zumindest für Artikel mit einer gewissen Vergangenheit nur der Blick in die Bedarfszahlen dieser Vergangenheit. Doch das einzig Verlässliche bei diesen Zahlen ist, dass die erwarteten Zahlenwerte so nicht kommen werden. Jemand vermeintlich Kluges soll deshalb einmal formuliert haben: „Die Prognose ersetzt den Zufall durch den Irrtum.“ Leute ohne Erfahrung in der Absatzprognose ziehen daraus den Schluss, dass man sich mit der Bedarfsprognose keine zu große Mühe machen sollte, denn eine systematische Absatzprognose führt nur auf anderen Wegen zum gleichschlechten Ergebnis.

Die Realität sieht jedoch ganz anders aus. Das, was wir gemeinhin als Absatzprognosewerte bezeichnen und interpretieren, stellt in Wirklichkeit nur einen Teil der Prognose dar. Eine Prognose besteht immer aus drei Komponenten: einer Aussage über den vermeintlichen Grundbedarf, eine Aussage über die erforderliche Liefersicherheit trotz der unsicheren Aussage zum Grundbedarf und daraus folgend ein erforderlicher Sicherheitsbestand, um die benötigte Sicherheit zu gewährleisten. Die Aussage über den Grundbedarf wird bei schwankender Nachfrage unsicher sein und als alleinige Prognoseinformation wenig taugen. Was man zumeist jedoch genau berechnen kann, ist die Unsicherheit. Je nachdem, welchen Grad an Unsicherheit man abfedern will, ergibt sich somit ein geringerer oder ein höherer Sicherheitsbestand. Eine gute Prognose ersetzt den Zufall somit tatsächlich durch den Irrtum. Doch während ersterer eben zufällig ist, lässt sich der Irrtum statistisch erfassen und man kann sich dagegen wappnen.

In der Praxis gibt man deshalb für jeden Artikel, dessen zukünftiger Bedarf zu prognostizieren ist, einen erforderlichen Lieferbereitschaftsgrad an. Mit entsprechenden statistischen Formeln ergeben sich der Grundbedarf und der Sicherheitsbestand. Soweit sind viele von uns bereits gegangen und bekamen Bestände und Lieferbereitschaft trotzdem nicht richtig in den Griff.

Weiß man, wo man hinsehen muss, so lässt sich die Ursache für das Herumeiern von Bestandshöhe und erreichter Lieferbereitschaft einfach ausmachen. Praktisch alle klassischen statistischen Formeln zur Prognose von Grundbedarfen und zur Berechnung der erforderlichen Sicherheitsbestände setzen eine Normalverteilung der Häufigkeiten der verschiedenen Nachfragemengen voraus. Diese „normalverteilte Nachfrage“ gibt es in der Praxis aber nur bei wenigen Artikeln. Somit treffen die klassischen Formeln häufig daneben und andere, praxistaugliche Ansätze sind erforderlich.

Ein Ansatzpunkt besteht darin, die Abweichung der Prognosewerte von den tatsächlichen Verbrauchswerten, die man ja aus der betrachteten Vergangenheit kennt, zu messen. Als bestes Prognoseverfahren – die Sicherheitsbestandsberechnung wird hierbei gar nicht berücksichtigt –  wird dann dasjenige ausgewählt, das die geringste Abweichung von den tatsächlichen Bedarfen hat.

Der Ansatz, nur die Prognoseverfahren zu betrachten und die Sicherheitsbestandsverfahren und damit die Höhe der Sicherheitsabstände zu vernachlässigen, greift jedoch viel zu kurz, obwohl er weit verbreitet ist. Die Qualität der Ergebnisse wird hierdurch nicht wesentlich besser.

Weiter greift hier schon der Ansatz, mit „verteilungsfreien“ Prognose- und Sicherheitsbestandsverfahren arbeiten, die sich von einer fehlenden Normalverteilung nicht durcheinanderbringen lassen.

So richtig weiter führt nur eine dynamische Simulation der Dispositionssituation über einen bestimmten Vergangenheitszeitraum, typischerweise 12 Monate. Hierbei müssen die verschiedenen Prognose- und Sicherheitsbestandsverfahren im Wettbewerb gegeneinander auf dem Parcours der Vergangenheit jedes einzelnen Artikels antreten. Mit der Verfahrenskombination, die sich in der Vergangenheit bei einem Artikel am besten geschlagen hätte, wird die Prognoserechnung durchgeführt.

Für eine solche Simulation muss man zuerst einmal klären, was es heißt, eine Verfahrenskombination  habe sich „am besten“ geschlagen. Dabei wieder auf die Prognoseabweichung zu setzen, entspricht zwar dem gesunden Menschenverstand, ist aber trotzdem falsch. Entsprechende Simulationen zeigen, dass damit weder die geringsten Gesamtkosten eines Artikels, noch die geringsten Bestände bei Sicherstellung der geforderten Lieferbereitschaft erreicht werden können. Zielführender ist es, auf das Erreichen der Lieferbereitschaft bei möglichst geringen Beständen oder auf möglichst geringe Gesamtkosten abzustellen.

Letztlich wäre noch zu erwähnen, dass der Simulationsansatz zum Testen der geeigneten Verfahrenskombination natürlich auch den kompletten Dispositionsprozess durchsimulieren muss. Aber so tief können und wollen wir an dieser Stelle nicht einsteigen.

Sie wussten ja bereits, dass Prognosen schwierig sind, besonders, wenn sie die Zukunft betreffen. Jetzt wissen Sie auch noch, dass Prognosen einen gewissen Aufwand benötigen, besonders, wenn sie die Zukunft auch treffen sollen.


Andreas Kemmner

Autor | Author

Prof. Dr. Kemmner ist Co-CEO der Abels & Kemmner Group und hat in 30 Jahren Beratertätigkeit in Supply Chain Management und Sanierung weit über 200 nationale und internationale Projekte durchgeführt und war über 10 Jahre der einzige öffentlich bestellter Sachverständige für die Wirtschaftlichkeitsbeurteilung von Industriebetrieben in Deutschland.

2012 wurde er von der WHZ zum Honorarprofessor für Logistik und Supply Chain Management bestellt.

Die Ergebnisse seiner Projekte wurden bereits mehrfach ausgezeichnet.

Weitere Beiträge | READ MORE