{"id":27101,"date":"2022-01-25T10:00:00","date_gmt":"2022-01-25T09:00:00","guid":{"rendered":"https:\/\/ak-online.de\/?p=27101"},"modified":"2024-03-20T15:00:45","modified_gmt":"2024-03-20T14:00:45","slug":"hohe-lieferfaehigkeit-wenig-kapitalbindung","status":"publish","type":"post","link":"https:\/\/www.ak-online.de\/de\/hohe-lieferfaehigkeit-wenig-kapitalbindung\/","title":{"rendered":"Hohe Lieferf\u00e4higkeit mit m\u00f6glichst wenig Kapitalbindung sichern"},"content":{"rendered":"

Hohe Lieferf\u00e4higkeit im Produktsortiment mit m\u00f6glichst wenig Kapitalbindung sichern \u2013 eine kosteng\u00fcnstige KI-gest\u00fctzte Methodik er\u00f6ffnet neue M\u00f6glichkeiten   <\/strong><\/h2>\n

Hohe Lieferbereitschaft kostet meist viel Geld. Besonders dann, wenn nicht laufend nachjustiert wird. Mit einer geschickten Kennzahl und einem modernen Optimierungstool l\u00e4sst sich trotz hoher Lieferbereitschaft im technischen Handel viel Geld sparen.<\/strong><\/p>\n

Hohe Lieferbereitschaft ist im technischen Handel von entscheidender Bedeutung f\u00fcr die eigene Wettbewerbsposition. Am sch\u00f6nsten w\u00e4re es, wenn man bei jedem Artikel zu jeder Zeit immer ausreichend lieferf\u00e4hig ist. Leider kostet Lieferbereitschaft auch Geld in Form hoher Best\u00e4nde; Best\u00e4nde, die nicht nur Liquidit\u00e4t binden, sondern die auch laufenden Kosten verursachen.<\/p>\n

Mit 19% bis 30% des Bestandswertes an j\u00e4hrlichen laufenden Kosten muss man nach Analysen von Abels & Kemmner rechnen. Jede 100.000\u20ac mehr Bestand kosten dann schnell 19.000\u20ac bis 30.000\u20ac im Jahr an laufenden Kosten. Dies macht deutlich, dass nicht nur zu geringe Lieferbereitschaft Ertrag kostet, sondern auch zu hohe.<\/p>\n

Technisch betrachtet kommen die hohen Best\u00e4nde daher, dass man umso h\u00f6here sogenannte Sicherheitsbest\u00e4nde ben\u00f6tigt, je h\u00f6her die Lieferbereitschaft eines Produktes sein soll und je schwankender dessen Nachfrage. Ist der Artikel, um den es geht, dann noch sehr teuer, schmerzt die Summe der Sicherheitsbest\u00e4nde schnell.<\/p>\n

Nachhaltige Strategien sind ein muss<\/strong><\/h3>\n

Im technischen Handel sto\u00dfen wir in unseren Projekten auf zwei prototypische Strategien zur Sicherung der Lieferbereitschaft. Einerseits werden Sicherheitsbest\u00e4nde sehr freih\u00e4ndig nach Bauchgef\u00fchl der Disposition oder des Vertriebs eingestellt. Die Lieferbereitschaft eines Artikels ergibt sich damit rein zuf\u00e4llig. Beschweren sich Kunden, wird einfach der Bestand ein St\u00fcck erh\u00f6ht. Da sich Kunden nie \u00fcber zu hohe Lieferf\u00e4higkeit beklagen, werden die Best\u00e4nde eher selten zur\u00fcckgedreht. Diese Strategie ist gef\u00e4hrlich. Sie kann dazu f\u00fchren, dass man trotz unn\u00f6tig hoher Best\u00e4nde nicht die Lieferbereitschaft erreicht, die erforderlich ist, um im Wettbewerb mithalten zu k\u00f6nnen, da bei den falschen Artikeln die falschen Best\u00e4nde liegen.<\/p>\n

Sehr viel sinnvoller ist die zweite von uns beobachtete prototypischen Strategie. Bei ihr wird mit teilweise gro\u00dfer M\u00fche berechnet, welche Lieferbereitschaft bei welchen Artikeln bzw. Artikelgruppen zu welchen Best\u00e4nden f\u00fchrt. Ausgehend von der \u00dcberlegung, welche Lieferbereitschaft man bei bestimmten Artikelgruppen ben\u00f6tigt und welche Best\u00e4nde daf\u00fcr erforderlich sind, versucht man einen Kompromiss aus Lieferbereitschaft und Bestand zu finden, indem man die Lieferf\u00e4higkeit \u00fcber das Produktportfolio unterschiedlich verteilt.  Daraus werden die erforderlichen Sicherheits- und Gesamtbest\u00e4nde f\u00fcr die Artikel errechnet. Dieses Vorgehen ist aufw\u00e4ndig und erfordert einiges an theoretischen Kenntnissen. Deshalb wird der einmal erreichte \u201eBetriebspunkt\u201c gerne beibehalten.<\/p>\n

Das Aufwand-zu-Nutzen Verh\u00e4ltnis muss stimmen<\/strong><\/h3>\n

Leider greift auch dieses Vorgehen noch zu kurz. Hat man die gew\u00fcnschte Lieferbereitschaft \u00fcber das angebotene Produktportfolio hinweg festgelegt und die Sicherheitsbest\u00e4nde entsprechend eingestellt, m\u00fcssen nicht nur die Sicherheitsbest\u00e4nde monatlich nachjustiert, sondern auch die Lieferbereitschaftsgrade sollten monatlich \u00fcberpr\u00fcft werden. Ver\u00e4nderungen im Nachfrageverhalten der Artikel erfordern ggfs. andere Sicherheitsbestandsh\u00f6hen, um die bisher angestrebte Lieferbereitschaft zu erreichen. Und wegen ver\u00e4nderter Absatzmengen und Gestehungskosten der Artikel geschieht es regelm\u00e4\u00dfig, dass die bisher bei einer Gruppe von Artikeln angestrebte Lieferbereitschaft teuer wird, bei einer anderen Artikelgruppe daf\u00fcr eher g\u00fcnstiger. Aus wirtschaftlichen Erw\u00e4gungen ist es deshalb sinnvoll, nicht nur die Sicherheitsbest\u00e4nde nachzujustieren, sondern auch die Lieferbereitschaftsgrade f\u00fcr solche Artikelgruppen anzupassen.<\/p>\n

So wichtig diese Vorgehensweise aus wirtschaftlicher und wettbewerblicher Perspektive ist, wer betreibt in der Praxis schon diesen Aufwand? Die wenigsten! Deshalb ist es erforderlich, neue Wege zu gehen, um nicht nur einen effektiven, sondern auch effizienten L\u00f6sungsansatz zur Optimierung der Lieferbereitschaft eines Produktportfolios zu finden. Idealer Weise sollte es m\u00f6glich sein, innerhalb weniger Minuten, die Lieferbereitschaft eines Produktportfolios so nachzujustieren, dass mit m\u00f6glichst geringen Best\u00e4nden eine hohe Lieferbereitschaft erreicht wird. Durch den Einsatz K\u00fcnstlicher Intelligenz (kurz KI)<\/a> wird dies heute m\u00f6glich.<\/p>\n

K\u00fcnstliche Intelligenz l\u00f6st den Gordischen Knoten<\/strong><\/h3>\n

Ausgangspunkt des Einsatzes von KI ist dabei die Vorgabe einer wertgewichteten Gesamtlieferbereitschaft des Produktportfolios. Dieser Wert besagt, welchen %-Satz des gesamten Wertes der Kundenbestellungen f\u00fcr lagerhaltige Artikel man p\u00fcnktlich, also zum Kundenwunschtermin bzw. alternativ zum vereinbarten Liefertermin, versenden k\u00f6nnen m\u00f6chte.<\/p>\n

Sodann wird das gesamte lagerhaltige Produktportfolio sinnvollerweise in ABC\/XYZ-Klassen eingeteilt; beliebige andere Gruppierungen sind aber ebenso m\u00f6glich. Nutzt man nun spezifische KI-gest\u00fctzte Optimierungsalgorithmen, wie sie der von der SCT GmbH entwickelte DISKOVER Service Level Booster<\/a> liefert, liegt f\u00fcr die definierten Portfoliofelder die Lieferbereitschaftsgrade so fest, dass die vorgegebene wertgewichtete Gesamtlieferbereitschaft mit dem geringsten Bestand zu erreichen ist.<\/p>\n

Dem Optimierungsalgorithmus kann f\u00fcr jede zu betrachtende Gruppe des Produktportfolios ein Optimierungsbereich zugewiesen werden, sodass strategische \u00dcberlegungen bez\u00fcglich der minimalen und oder maximalen Lieferbereitschaft bestimmter Waren oder Warengruppen ber\u00fccksichtigt werden k\u00f6nnen.<\/p>\n

Die ermittelten Lieferbereitschaftsgrade k\u00f6nnen sodann ins ERP-System \u00fcbernommen werden. Sollte dieses nicht in der Lage ist, f\u00fcr eine vorgegebene Soll-Lieferbereitschaft belastbare erforderliche Sicherheitsbest\u00e4nde zu berechnen, k\u00f6nnen auch direkt die Sicherheitsbest\u00e4nde ins ERP-System \u00fcbernommen werden.<\/p>\n

Mit klassischen mathematischen Methoden dasselbe Ma\u00df an Feinjustierung zu erreichen, w\u00e4re nicht m\u00f6glich, da die erforderlichen Berechnungen so umfangreich w\u00e4ren, dass man mit heutiger Rechenleistung viele Milliarden Jahre (kein Druckfehler) rechnen m\u00fcsste.<\/p>\n

Effektiv und effizient zugleich<\/strong><\/h3>\n

Der KI-gest\u00fctzte Optimierungslauf des Service Level Boosters hingegen dauert allenfalls einige Minuten; zumeist reichen 90 Sekunden. Durch die einfache Vorgehensweise und die geringe Berechnungszeit ist es nun auch einfach, die Ziellieferbereitschaft auf den Portfoliofeldern monatlich nachzujustieren, sodass die angestrebte Gesamtlieferbereitschaft nachhaltig mit geringen Best\u00e4nden erreicht werden kann. Die erreichbaren Optimierungspotenziale h\u00e4ngen naturgem\u00e4\u00df von der Ausgangssituation eines Unternehmens ab. In Einsatzf\u00e4llen ohne bereits zuvor aufw\u00e4ndig optimierte Verteilung der Lieferbereitschaft im Produktportfolio wurden im Durchschnitt bereits Sicherheitsbest\u00e4nde um bis zu 13% reduziert und die Gesamtlieferbereitschaft gleichzeitig um bis zu 16% gesteigert (vgl. Abb.1). Bei Artikelportfolios, deren Lieferbereitschaft bereits mit Hilfe von APS (Advance Planning and Scheduling-)-Systemen optimiert wurde, konnte immerhin noch eine weitere durchschnittliche Verringerung des Sicherheitsbestands um 3-5% erreicht werden.<\/p>\n

\"Gesamtlieferbereitschaft
Hohe Lieferf\u00e4higkeit mit m\u00f6glichst wenig Kapitalbindung l\u00e4sst sich selbst bei bereits gut eingestellten Gesamtsicherheitsbest\u00e4nden und -lieferbereitschaften noch herauskitzeln.<\/figcaption><\/figure>\n

Die Quintessenz<\/strong><\/h3>\n

Das Justieren der Lieferbereitschaft des eigenen Produktportfolios ist zwar nur die Speerspitze einer umfassenden Optimierung der gesamten Planungsprozesse. Ohne eine richtig angespitzte Lieferbereitschaft, l\u00e4sst sich der Markt aber kaum erjagen. <\/p>\n","protected":false},"excerpt":{"rendered":"

Hohe Lieferf\u00e4higkeit im Produktsortiment mit m\u00f6glichst wenig Kapitalbindung sichern \u2013 eine kosteng\u00fcnstige KI-gest\u00fctzte Methodik er\u00f6ffnet neue M\u00f6glichkeiten    Hohe Lieferbereitschaft kostet meist viel Geld. Besonders dann, wenn nicht laufend nachjustiert wird. Mit einer geschickten Kennzahl und einem modernen Optimierungstool l\u00e4sst sich trotz hoher Lieferbereitschaft im technischen Handel viel Geld sparen. Hohe Lieferbereitschaft ist im technischen<\/p>\n","protected":false},"author":25,"featured_media":30237,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"inline_featured_image":false,"footnotes":""},"categories":[1585,2039,1586],"tags":[],"class_list":["post-27101","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-digitale-transformation","category-ki","category-supply-chain-strategie"],"acf":[],"aioseo_notices":[],"aioseo_head":"\n\t\t\n\t\n\t\n\t\n\t\n\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t