COLT-Analyse zur Bewertung und Optimierung der Wertschöpfungskette
1. Ausgangssituation: Zielkonflikt im Supply Chain Management
Im Supply Chain Management stehen Unternehmen vor der Aufgabe, mehrere Ziele gleichzeitig zu erreichen: eine hohe Lieferbereitschaft, niedrige Bestände und effiziente Prozesse. Diese Ziele stehen jedoch in einem natürlichen Spannungsverhältnis zueinander. Gleichzeitig steigt der Druck, Planungs- und Dispositionsprozesse stärker zu automatisieren.
ERP-Systeme bilden hierfür die zentrale Grundlage. Sie unterstützen die Disposition mit automatisierten Vorschlägen und schaffen eine datenbasierte Entscheidungsbasis. In der Praxis fehlt jedoch häufig eine klare Orientierung, welches Ergebnis unter wirtschaftlichen Gesichtspunkten überhaupt angestrebt werden sollte.
Das zentrale Problem liegt daher weniger in den Systemen selbst als in der fehlenden Zielgröße: Es gibt oft keine belastbare, realistische Vorgabe, die zeigt, welches Leistungsniveau unter gegebenen Rahmenbedingungen sinnvoll und erreichbar ist.
2. Das Grundproblem: Warum ERP-basierte Steuerung oft versagt
ERP-Systeme sollen Dispositionsentscheidungen unterstützen und weitgehend automatisieren. Dafür setzen sie jedoch voraus, dass Bedarfe mit hinreichender Genauigkeit prognostiziert werden können und dass die zugrunde liegenden Parameter zur aktuellen Versorgungssituation passen. Genau diese Voraussetzungen sind in der Praxis oft nur eingeschränkt erfüllt.
Zum einen verlaufen Bedarfe in vielen Unternehmen nicht stabil genug, um mit den Annahmen des Systems zuverlässig abgebildet zu werden. Zum anderen greifen Disponenten regelmäßig in die vom ERP-System erzeugten Vorschläge ein. Solche Eingriffe können im Einzelfall sinnvoll oder sogar notwendig sein, etwa wenn zusätzliche Informationen vorliegen, die das System nicht kennt. In vielen Fällen erfolgen sie jedoch auch aus Gewohnheit oder aus einem grundsätzlichen Misstrauen gegenüber der automatisierten Disposition.
Hinzu kommt, dass Dispositionsparameter in vielen Unternehmen nicht mit der nötigen Konsequenz gepflegt werden. Sicherheitsbestände, Losgrößen, Prognoseverfahren oder Wiederbeschaffungszeiten sind dann nicht mehr auf die tatsächlichen Rahmenbedingungen abgestimmt. Die Folge sind Vorschläge, die aus Sicht der Anwender nur eingeschränkt plausibel erscheinen.
Damit entsteht ein typischer Teufelskreis: Unzureichend gepflegte Parameter verschlechtern die Qualität der Systemvorschläge. Diese geringe Qualität fördert zusätzliche manuelle Eingriffe. Durch das ständige Nachsteuern im Tagesgeschäft fehlt wiederum die Zeit, die Parametrisierung systematisch zu verbessern. ERP-basierte Steuerung scheitert damit oft nicht an der grundsätzlichen Leistungsfähigkeit des Systems, sondern an der Kombination aus unrealistischen Annahmen, unzureichender Parametrisierung und inkonsistentem Anwenderverhalten.
3. Vom Problem zur strukturierten Analyse
Die beschriebenen Defizite sind in vielen Unternehmen durchaus bekannt. Sie zeigen sich in zu hohen Beständen, in wiederkehrenden Eingriffen in die Disposition oder in einer insgesamt geringen Verlässlichkeit der Planung. Solche Symptome lassen sich im Tagesgeschäft beobachten, sie sind jedoch häufig nicht systematisch messbar und damit nur eingeschränkt steuerbar.
Um die Ursachen dieser Probleme nicht nur zu vermuten, sondern strukturiert zu analysieren, braucht es eine klare Kennzahlenlogik. Erst sie schafft Transparenz darüber, wie das System tatsächlich arbeitet, welches Potenzial im bestehenden Setup liegt und welche Zielwerte überhaupt realistisch sein können.
4. Kennzahlen zur Einordnung der Realität
Um die Leistungsfähigkeit einer Supply Chain fundiert bewerten zu können, reicht eine einzelne Kennzahl nicht aus. Erst die gezielte Gegenüberstellung unterschiedlicher Kennzahlen ermöglicht es, das Zusammenspiel von System, Parametern und Anwenderverhalten differenziert zu verstehen.
Die folgenden Kennzahlen bilden dabei verschiedene Perspektiven auf die Realität ab: die tatsächlich erreichte Leistung, das im System angelegte Potenzial und eine theoretische Idealwelt. Erst im Zusammenspiel entsteht ein vollständiges Bild.
4.1 ALT (Actual Location Turn Rate)
Die Actual Location Turn Rate (ALT) beschreibt den tatsächlich erreichten Lagerumschlag einer betrachteten Einheit, beispielsweise eines Werkes oder einer Dispositionsstufe.
Sie bildet das reale Ergebnis des Zusammenspiels von ERP-System, Parametereinstellungen und menschlichen Eingriffen ab. In diesem Wert spiegeln sich sowohl funktionierende Prozesse als auch bestehende Schwächen wider.
Der ALT-Wert ist damit ein wichtiger Ausgangspunkt für jede Analyse. Er zeigt, wo ein Unternehmen heute steht – sagt jedoch nichts darüber aus, welches Leistungsniveau eigentlich erreichbar oder wirtschaftlich sinnvoll wäre.
4.2 TTR (Technical Turn Rate)
Die Technical Turn Rate (TTR) beschreibt den Lagerumschlag, der sich ergeben würde, wenn konsequent nach den heute im ERP eingestellten Parametern disponiert würde.
Sie isoliert damit die „Systemleistung“ von der tatsächlichen Nutzung im Tagesgeschäft. Unterschiede zwischen ALT und TTR machen sichtbar, in welchem Umfang manuelle Eingriffe das Ergebnis beeinflussen.
Der TTR-Wert zeigt, welches Potenzial im bestehenden System steckt. Er macht zugleich deutlich: Dieses Potenzial lässt sich nur dann nutzen, wenn die Parameter sauber eingestellt sind und die Disponenten die Systemvorschläge konsequent umsetzen.
Wichtig: TTR basiert auf realistischen Annahmen (inkl. Prognosefehlern) – aber mit den aktuellen Parametern.
4.3 FTR (Fictional Turn Rate)
Die Fictional Turn Rate (FTR) beschreibt einen theoretischen Lagerumschlag, der sich unter der Annahme perfekt zutreffender Prognosen ergeben würde.
Diese Annahme ist in vielen ERP-basierten Planungen implizit enthalten: Bedarfe treten exakt so ein wie prognostiziert, und es kommt zu keinen Störungen in der Versorgungskette. Unter diesen Bedingungen lassen sich sehr hohe Umschlagshäufigkeiten und entsprechend niedrige Bestände berechnen.
In der Praxis ist dieser Zustand jedoch nicht erreichbar. Der FTR-Wert beschreibt daher keine realistische Zielgröße, sondern eine idealisierte Referenz.
Abgrenzung zur TTR:
- TTR: reale Prognosequalität + aktuelle Parameter → realistisch erreichbares Systempotenzial
- FTR: perfekte Prognose + keine Störungen → rein theoretisches Ideal
Gerade im Vergleich mit ALT und TTR wird deutlich, wie groß die Lücke zwischen theoretischen Annahmen und realer Leistungsfähigkeit sein kann. Diese Differenz macht strukturelle Defizite in Prognosequalität, Parametrisierung und Steuerungslogik sichtbar.
5. Kennzahlen ohne Zielgröße: Wo die Lücke liegt
Die zuvor eingeführten Kennzahlen machen unterschiedliche Facetten der Realität sichtbar. Sie helfen zu verstehen, wo ein Unternehmen steht (ALT), welches Potenzial im bestehenden System liegt (TTR) und wie weit sich theoretische Idealannahmen von der Praxis entfernen (FTR). Damit schaffen sie Transparenz – aber noch keine Orientierung.
Für die Steuerung der Supply Chain reicht diese Transparenz allein nicht aus. Keine der genannten Kennzahlen liefert eine belastbare Zielgröße, an der sich Entscheidungen im Tagesgeschäft oder auf Managementebene ausrichten lassen. ALT ist rückwärtsgerichtet, TTR beschreibt lediglich das aktuelle Systemverhalten und FTR basiert auf unrealistischen Annahmen.
In der Praxis führt dies zu einer zentralen Lücke: Es fehlt eine fundierte Antwort auf die Frage, welches Leistungsniveau unter realen Bedingungen wirtschaftlich sinnvoll und erreichbar ist. Genau diese Frage ist jedoch entscheidend, wenn Bestände, Servicegrad und Kosten aktiv gesteuert werden sollen.
Klassische Ansätze versuchen, diese Lücke mit vereinfachten Modellen oder statischen Analysen zu schließen. Dabei stoßen sie jedoch schnell an Grenzen, weil sie die Dynamik der Realität und die Vielzahl relevanter Einflussfaktoren nicht ausreichend berücksichtigen.
6. Warum klassische Ansätze nicht ausreichen
Klassische Ansätze zur Bestimmung von Zielgrößen in der Supply Chain arbeiten häufig mit vereinfachten Modellen. Dazu zählen insbesondere statische Wertstromanalysen oder überschlägige Berechnungen, die von konstanten Zu- und Abflüssen ausgehen. Diese Annahmen stehen jedoch im Widerspruch zur Realität vieler Unternehmen, in denen Nachfrage, Lieferzeiten und interne Abläufe einer hohen Dynamik unterliegen.
Ein zentrales Problem liegt darin, dass Dispositionsentscheidungen von einer Vielzahl miteinander verknüpfter Parameter beeinflusst werden. Prognoseverfahren, Sicherheitsbestände, Losgrößenlogiken, Lieferzeiten oder Kostenannahmen wirken nicht isoliert, sondern in Kombination. Bereits kleine Änderungen einzelner Parameter können spürbare Auswirkungen auf Bestände, Servicegrad und Kosten haben.
Zur Einordnung lassen sich diese Einflussgrößen grob in mehrere Parameterfelder gliedern: Prognoseparameter (z. B. Verfahren, Zeitraum, Gewichtung), Bestandsparameter (z. B. Sicherheits- und Mindestbestände), Dispositionslogiken (z. B. MRP-Typen und Losgrößenverfahren), Zeitparameter (z. B. Liefer- und Durchlaufzeiten) sowie Kostenparameter (z. B. Bestell- und Lagerkosten). In der Praxis greifen diese Parameter ineinander und bestimmen gemeinsam das Verhalten der Supply Chain.
Vereinfachte, statische Berechnungen können diese Zusammenhänge nicht ausreichend abbilden. Sie reduzieren die Komplexität, blenden dabei jedoch wesentliche Einflussfaktoren aus. Die daraus abgeleiteten Zielwerte sind daher entweder zu grob oder basieren auf Annahmen, die in der Realität nicht zutreffen.
Damit wird deutlich: Klassische Ansätze sind nicht geeignet, um eine belastbare und zugleich realistische Zielgröße für die Steuerung der Supply Chain abzuleiten. Es braucht ein Verfahren, das Dynamik, Unsicherheit und Parametrik gemeinsam berücksichtigt.
7. Lösungsansatz: Dynamische Wertstromsimulation
Um eine belastbare Grundlage für Entscheidungen zu schaffen, braucht es ein Verfahren, das die reale Dynamik der Supply Chain abbildet und gleichzeitig die Vielzahl relevanter Parameter berücksichtigt. Genau hier setzt die dynamische Wertstromsimulation an.
Im Unterschied zu statischen Ansätzen arbeitet sie mit realen historischen Bedarfsverläufen. Diese werden genutzt, um das Zusammenspiel von Prognose, Disposition und Materialfluss unter realistischen Bedingungen nachzubilden. Auf diese Weise lässt sich simulieren, wie sich Bestände, Lieferbereitschaft und Kosten unter gegebenen Rahmenbedingungen tatsächlich entwickeln.
Ein wesentlicher Vorteil besteht darin, dass alle relevanten Dispositionsparameter in einem konsistenten Modell zusammengeführt werden. Veränderungen einzelner Parameter können gezielt getestet werden, und ihre Auswirkungen werden im Zusammenspiel mit allen anderen Einflussgrößen sichtbar. Damit wird erstmals nachvollziehbar, welche Einstellungen zu welchen Ergebnissen führen.
In der Praxis wird dieser Ansatz häufig in Form eines digitalen Zwillings der Supply Chain umgesetzt. Ein solcher digitaler Zwilling bildet Materialien, Strukturen, Parameter und Entscheidungslogiken eines ERP-Systems realitätsnah ab. Simulationen können so durchgeführt werden, ohne in operative Prozesse einzugreifen.
Entsprechende Lösungen sind am Markt verfügbar, die auf ERP-Daten aufsetzen und Simulation sowie Optimierung kombinieren (z. B. DISKOVER der SCT GmbH). Entscheidend ist dabei weniger das konkrete Tool als die Fähigkeit, Dynamik, Unsicherheit und Parametrik integriert abzubilden.
Die dynamische Wertstromsimulation schafft damit die Voraussetzung, Dispositionsentscheidungen nicht nur zu bewerten, sondern systematisch zu verbessern.
8. Von der Simulation zur Zielgröße
Die dynamische Wertstromsimulation erweitert den Blick auf die Supply Chain grundlegend. Sie zeigt nicht nur, wie sich das System unter gegebenen Bedingungen verhält, sondern auch, welche Auswirkungen veränderte Parameter und Dispositionslogiken tatsächlich haben.
Damit entsteht erstmals eine belastbare Grundlage, um unterschiedliche Handlungsoptionen systematisch zu vergleichen und quantitativ zu bewerten. Entscheidungen werden nicht mehr auf Basis von Erfahrung oder vereinfachten Annahmen getroffen.
Gleichzeitig wird sichtbar, welche Ergebnisse unter den gegebenen Rahmenbedingungen realistisch erreichbar sind und wo die wirtschaftlich sinnvolle Balance zwischen Bestand, Kosten und Lieferbereitschaft liegt.
Erst auf dieser Grundlage lässt sich eine Zielgröße definieren, die als Orientierung für die Steuerung der Supply Chain dienen kann. Eine solche Zielgröße ist weder theoretisch überhöht noch rein vergangenheitsorientiert, sondern leitet sich aus dem tatsächlichen Verhalten des Systems unter realistischen Bedingungen ab.
9. Der COLT-Wert als realistische Zielgröße
Der COLT-Wert (Cost Optimal Location Turn Rate) beschreibt die kostenoptimale, standortbezogene Umschlagshäufigkeit unter realistischen Rahmenbedingungen. Er ist nicht das Ergebnis einer statischen Berechnung, sondern entsteht aus der Kombination von Simulation und gezielter Optimierung der Dispositionsparameter.
Seine zentrale Funktion besteht darin, eine belastbare Zielgröße für die Steuerung der Supply Chain bereitzustellen. Der COLT-Wert übersetzt den Zielkonflikt zwischen Bestand, Kosten und Lieferbereitschaft in eine konkrete, steuerbare Kennzahl. Damit wird erstmals eine Orientierung geschaffen, an der sich sowohl operative Entscheidungen in der Disposition als auch Managemententscheidungen ausrichten können.
Inhaltlich verbindet der COLT-Wert drei Dimensionen: das Bestandsniveau und damit die Kapitalbindung, die entstehenden Kosten (insbesondere Bestell-, Lager- und Prozesskosten) sowie die Lieferbereitschaft bzw. den angestrebten Servicegrad. Entscheidend ist, dass diese Größen nicht isoliert betrachtet werden, sondern im Zusammenspiel unter realistischen Nachfrageverläufen, Unsicherheiten und Systemreaktionen.
Im Vergleich zu den zuvor betrachteten Kennzahlen wird die besondere Rolle des COLT-Wertes deutlich: Während ALT die Vergangenheit beschreibt, TTR das aktuelle Systempotenzial abbildet und FTR auf unrealistischen Idealannahmen beruht, definiert der COLT-Wert ein unter realen Bedingungen erreichbares wirtschaftliches Optimum.
Für die praktische Steuerung eröffnet der COLT-Wert mehrere Ansatzpunkte. Er ermöglicht es, Zielkorridore für unterschiedliche Artikelgruppen, Werke oder Wertströme abzuleiten und Abweichungen zwischen Ist-Zustand (ALT) und Zielzustand (COLT) systematisch zu bewerten.
Die Größe dieser Abweichungen macht wirtschaftliche Verbesserungspotenziale sichtbar und zeigt zugleich, wo vorrangig Handlungsbedarf besteht – sei es durch eine konsequentere Nutzung der Systemvorschläge oder durch eine weitere Optimierung der zugrunde liegenden Parameter.
Darüber hinaus kann der COLT-Wert als Führungsgröße im Unternehmen verankert werden. Er eignet sich als Grundlage für KPI-Systeme, Zielvereinbarungen und S&OP-Prozesse und verbindet damit die operative Disposition mit übergeordneten Zielen wie Working Capital und Servicelevel. Auf diese Weise wird aus einer analytischen Kennzahl ein zentrales Steuerungsinstrument für die kontinuierliche Verbesserung der Supply Chain.
10. Anwendung in der Praxis: Was realistisch erreichbar ist
Wie stark theoretische und realistische Zielwelten auseinanderliegen können, zeigt ein erstes Simulationsbeispiel auf Werksebene. Ausgangspunkt ist der tatsächlich erreichte Zustand mit den heutigen Durchschnittsbeständen in den betrachteten Materialgruppen und einem ALT-Wert von 23.
Wird für dasselbe Werk eine Simulation unter der Annahme einer vollständig richtigen Bedarfsprognose durchgeführt, ergibt sich ein deutlich anderes Bild. In diesem Fall würden sich die Bestände rechnerisch stark reduzieren: bei Fertigwaren um 73 Prozent, bei Halbfabrikaten um 6 Prozent, bei Rohstoffen um 79 Prozent und bei Einkaufsteilen um 55 Prozent. Gleichzeitig würde sich der Lagerumschlag von einem ALT-Wert von 23 auf einen FTR-Wert von 50 erhöhen.
Gerade diese Gegenüberstellung ist inhaltlich wichtig. Sie zeigt kein realistisch erreichbares Verbesserungsprogramm, sondern eine theoretische Idealwelt. Der Vergleich macht damit sichtbar, welches Potenzial unter perfekten Vorhersagebedingungen rechnerisch im System steckt. Zugleich wird deutlich, warum solche Werte nicht als operative Zielgröße taugen: Sie setzen eine Prognosegenauigkeit voraus, die in der Praxis nicht erreichbar ist.
Für die Unternehmenssteuerung liegt der Nutzen eines solchen Beispiels daher nicht in der Ableitung eines Zielwertes, sondern in der Einordnung des theoretischen Maximums. Erst im Vergleich mit realistischeren Simulationen – etwa auf Basis tatsächlicher Prognosefehler und optimierter Parameter – lässt sich beurteilen, welches Verbesserungspotenzial unter Praxisbedingungen tatsächlich erschlossen werden kann.
11. Zielkonflikte systematisch auflösen
Ein zweites Simulationsbeispiel zeigt, welche Verbesserungen unter realistischen Bedingungen und bei optimierten Dispositionsparametern tatsächlich erreichbar sind. Ausgangspunkt ist erneut der Ist-Zustand mit den aktuellen Durchschnittsbeständen sowie einem ALT-Wert von 23.
Im Unterschied zum vorherigen Beispiel basiert die Simulation auf realistischen Prognoseungenauigkeiten und optimierten Dispositionsparametern. Zusätzlich wird unterstellt, dass die Disposition konsequent den Systemvorschlägen folgt und keine manuellen Eingriffe erfolgen. Das Ergebnis stellt damit den COLT-Wert dar.
Wichtig für die Interpretation: Die hellblauen Balken zeigen den heutigen Ist-Zustand, während die dunkelblauen Balken den COLT-Wert darstellen.
Die Ergebnisse fallen deutlich moderater aus als im theoretischen Idealfall, sind dafür jedoch realistisch erreichbar. Die Bestände lassen sich je nach Materialgruppe unterschiedlich stark reduzieren: bei Fertigwaren um 2 Prozent, bei Halbfabrikaten um 6 Prozent, bei Rohstoffen um 34 Prozent und bei Einkaufsteilen um 33 Prozent. Gleichzeitig steigt der Lagerumschlag von einem ALT-Wert von 23 auf einen COLT-Wert von 27, was einer Verbesserung von rund 18 Prozent entspricht.
12. Vom Projekt zur Steuerungslogik: ERP-Performance-Management
Die bisher dargestellten Analysen und Simulationen zeigen, dass sich die Leistungsfähigkeit einer Supply Chain systematisch verbessern lässt. Entscheidend ist jedoch, dass diese Erkenntnisse nicht als einmaliges Projekt verstanden werden, sondern in eine dauerhafte Steuerungslogik überführt werden.
In vielen Unternehmen bleibt die Optimierung von Dispositionsparametern ein punktuelles Vorhaben. Parameter werden einmalig angepasst, anschließend jedoch nicht konsequent weiterentwickelt. Vor dem Hintergrund sich verändernder Bedarfe, Lieferzeiten und Marktbedingungen führt dies dazu, dass selbst gut eingestellte Systeme mit der Zeit wieder an Leistungsfähigkeit verlieren.
Genau hier setzt ein ERP-Performance-Management an. Ziel ist es, die Simulation und Optimierung der Dispositionsparameter als kontinuierlichen Prozess zu etablieren. Auf Basis aktueller Daten werden Parameter regelmäßig überprüft, angepasst und mit entsprechenden Tools (z.B. DISKOVER) automatisiert neu eingestellt.
Die dynamische Wertstromsimulation übernimmt dabei eine zentrale Rolle. Sie dient nicht nur der einmaligen Analyse, sondern als laufendes Instrument, um die Auswirkungen veränderter Rahmenbedingungen frühzeitig zu erkennen und geeignete Maßnahmen abzuleiten. Auf diese Weise wird die Disposition schrittweise stabilisiert und gleichzeitig wirtschaftlich optimiert.
Ein wesentlicher Erfolgsfaktor ist die Integration in bestehende Planungs- und Steuerungsprozesse. Die Erkenntnisse aus Simulation und Optimierung müssen in die operative Disposition, in S&OP-Prozesse sowie in das KPI-System des Unternehmens einfließen. Nur so entsteht eine durchgängige Verbindung zwischen analytischer Bewertung und täglicher Entscheidungsfindung.
Im Ergebnis verändert sich damit die Rolle des ERP-Systems: von einem rein ausführenden Dispositionswerkzeug hin zu einem aktiv gesteuerten System, dessen Leistungsfähigkeit kontinuierlich überwacht und verbessert wird. ERP-Performance-Management bedeutet somit, die Supply Chain nicht nur zu betreiben, sondern gezielt zu steuern und weiterzuentwickeln.
13. Fazit: COLT als Führungsgröße der Supply Chain
Der COLT-Wert schließt die zentrale Lücke in der Steuerung von Supply Chains: Er liefert eine realistische, wirtschaftlich fundierte Zielgröße, die sich aus dem optimierten Verhalten des Systems unter realistischen Bedingungen ableitet. Damit ersetzt er weder bestehende Kennzahlen noch operative Steuerungsgrößen, sondern stellt einen auf die konkrete Planungs- und Steuerungssituation zugeschnittenen Benchmark bereit.
Für das Management bedeutet dies eine neue Qualität der Entscheidungsfindung. Anstelle von rückblickenden Kennzahlen oder theoretischen Zielwerten steht eine belastbare Referenz zur Verfügung, die zeigt, welches Leistungsniveau unter gegebenen Rahmenbedingungen sinnvoll und erreichbar ist. Bei Veränderungen in Bestandszielen, Servicegrad oder Parametrisierungen kann direkt ein korrespondierender COLT-Wert ermittelt werden, der dazu dienen kann, die Einhaltung von Zielvorgaben im Rahmen der Disposition zu überwachen.
Gleichzeitig verbindet der COLT-Wert operative Disposition und strategische Steuerung. Er macht die Auswirkungen von Parametereinstellungen, Prognosequalität und Anwenderverhalten transparent.
In Verbindung mit einem etablierten ERP-Performance-Management wird der COLT-Wert damit zur Führungsgröße der Supply Chain. Er ermöglicht nicht nur punktuelle Verbesserungen, sondern eine kontinuierliche, systematische Weiterentwicklung der gesamten Wertschöpfungskette.
FAQ – Häufig gestellte Fragen
Was ist der COLT-Wert?
Der COLT-Wert (Cost Optimal Location Turn Rate) beschreibt die kostenoptimale Umschlagshäufigkeit eines Lagers oder Standorts unter realistischen Bedingungen. Er wird durch Simulation und Optimierung der Dispositionsparameter ermittelt und dient als Zielgröße für eine wirtschaftlich optimale Supply Chain.
Wofür wird der COLT-Wert in der Praxis genutzt?
Excel ist kein Problem als Werkzeug an sich, sondern in seiner Nutzung:
- erzeugt parallele Datenwelten
- verhindert Echtzeit-Transparenz
- ist fehleranfällig
- erschwert abteilungsübergreifende Zusammenarbeit
In komplexen Systemen führt das zu systematischen Inkonsistenzen.
Was ist der Unterschied zwischen COLT und ALT?
- ALT (Actual Location Turn Rate) beschreibt den tatsächlich erreichten Lagerumschlag.
- COLT beschreibt den optimal erreichbaren Lagerumschlag unter realistischen Bedingungen.
ALT zeigt den Ist-Zustand, COLT den Zielzustand.
Was bedeutet TTR (Technical Turn Rate)?
Die Technical Turn Rate (TTR) beschreibt den Lagerumschlag, der sich ergeben würde, wenn konsequent nach den aktuellen ERP-Parametern disponiert wird – ohne manuelle Eingriffe. Sie zeigt das Potenzial des bestehenden Systems.
Was ist der Unterschied zwischen TTR und COLT?
- TTR basiert auf den aktuell eingestellten Parametern
- COLT basiert auf optimierten Parametern
TTR zeigt, was heute möglich ist – COLT zeigt, was optimal wäre.
Was bedeutet FTR (Fictional Turn Rate)?
Die Fictional Turn Rate (FTR) beschreibt einen theoretischen Lagerumschlag unter der Annahme perfekter Prognosen und störungsfreier Abläufe bei gegebenen Dispositionsparametern. Sie entspricht dem Wert, der sich ergeben würde, wenn die in der Dispoliste eines ERP-Systems (z. B. MD04 im SAP-System) dargestellten zukünftigen Entwicklungen tatsächlich exakt eintreten würden. In der Praxis ist dieser Zustand nicht erreichbar.
Warum sind klassische Kennzahlen nicht ausreichend?
Kennzahlen wie Lagerumschlag oder Servicegrad zeigen nur Teilaspekte der Supply Chain. Sie liefern keine Antwort darauf, welches Leistungsniveau wirtschaftlich optimal ist. Ohne eine Zielgröße wie den COLT-Wert bleibt die Steuerung oft reaktiv.
Was ist eine dynamische Wertstromsimulation?
Eine dynamische Wertstromsimulation bildet das reale Verhalten der Supply Chain auf Basis historischer Daten ab. Sie berücksichtigt Prognosefehler, Parameter und Systemreaktionen und ermöglicht eine realistische Bewertung von Beständen, Kosten und Servicegrad.
Was ist ein digitaler Zwilling in der Supply Chain?
Ein digitaler Zwilling ist ein virtuelles Abbild der realen Supply Chain. Er ermöglicht es, Szenarien und Parameteränderungen zu simulieren, ohne den operativen Betrieb zu beeinflussen.
Wie hilft Simulation bei der Optimierung der Disposition?
Simulation ermöglicht es, die Auswirkungen von Parameteränderungen unter Berücksichtigung der realen Randbedingungen der Praxis vorab zu testen. Dadurch können optimale Einstellungen gefunden werden, die Bestände reduzieren und gleichzeitig die Lieferbereitschaft sichern.
Warum greifen Disponenten in ERP-Vorschläge ein?
Manuelle Eingriffe erfolgen häufig, weil:
- zusätzliche Informationen vorliegen
- das Vertrauen in das System fehlt
- oder Gewohnheiten bestehen
Diese Eingriffe können sinnvoll sein, führen aber oft zu ineffizienten Ergebnissen.
Was ist ERP-Performance-Management?
ERP-Performance-Management beschreibt die kontinuierliche Überwachung und Optimierung der Dispositionsparameter im ERP-System. Ziel ist es, die Supply Chain dauerhaft effizient und stabil zu steuern.
Welche Rolle spielt der Servicegrad in der COLT-Analyse?
Der Servicegrad ist eine zentrale Zielgröße neben Bestand und Kosten. Der COLT-Wert stellt sicher, dass Bestände nicht isoliert minimiert werden, sondern immer im Zusammenhang mit der gewünschten Lieferbereitschaft optimiert werden.
Wie erkennt man Verbesserungspotenziale in der Supply Chain?
Durch den Vergleich von:
- Ist-Zustand (ALT)
- Systempotenzial (TTR)
- optimalem Zielwert (COLT)
Die Differenz zeigt, wo und wie verbessert werden kann.
Welche Vorteile bietet die COLT-Analyse für Unternehmen?
- realistische Zielgrößen statt theoretischer Werte
- reduzierte Bestände und geringere Kapitalbindung
- höhere Lieferfähigkeit
- bessere Entscheidungsgrundlagen
- kontinuierliche Optimierung der Supply Chain
Wie wird der COLT-Wert konkret berechnet?
Der COLT-Wert wird nicht direkt berechnet, sondern durch Simulation ermittelt. Dabei werden historische Bedarfe, Dispositionsparameter und Zielgrößen wie Kosten und Servicegrad berücksichtigt und iterativ optimiert.
