{"id":4492,"date":"2010-09-13T10:00:32","date_gmt":"2010-09-13T08:00:32","guid":{"rendered":"https:\/\/ak-online.de\/?p=4492"},"modified":"2024-05-22T14:58:16","modified_gmt":"2024-05-22T12:58:16","slug":"11-best-practice-regeln-fuer-eine-leistungsfaehige-absatzprognose","status":"publish","type":"post","link":"https:\/\/www.ak-online.de\/de\/11-best-practice-regeln-fuer-eine-leistungsfaehige-absatzprognose\/","title":{"rendered":"11 Best Practice Regeln f\u00fcr eine leistungsf\u00e4hige Absatzprognose"},"content":{"rendered":"

Die Voraussetzung, um Best\u00e4nde und Lieferbereitschaft in den Griff zu bekommen<\/h2>\n

Der Markt zieht an und die Lieferf\u00e4higkeit schmiert ab! Gibt es ein deutliches Signal daf\u00fcr, dass die Absatzprognose in vielen Unternehmen nicht richtig funktioniert? Unternehmen mit einer funktionierenden Absatzprognose \u2013 wir kennen eine ganze Reihe davon und haben vielen davon auch selbst zu einer zuverl\u00e4ssigen Absatzprognose verholfen \u2013 haben sowohl auf den Beginn der Rezession schneller reagiert, als auch auf das Wiederanspringen des Marktes.<\/strong><\/p>\n

Trotz allem wird die Bedeutung der Absatzprognose f\u00fcr den Unternehmenserfolg von vielen untersch\u00e4tzt: Einerseits treffen wir auf Unternehmen, die meinen, mit eigenem Know How und vorhandenem ERP-System ausreichend aufgestellt zu sein, und gar nicht merken, wie schlecht sie sind, weil Sie sich nie zeigen lie\u00dfen, wie gut sie sein k\u00f6nnten. Zum anderen sind manche Unternehmen der Auffassung, dass im Zeitalter der marktsynchronen Produktion eine Absatzprognose nicht mehr erforderlich sei und die schlechte Lieferbereitschaft oder die hohen Best\u00e4nde der ungen\u00fcgenden Leistung ihrer Disposition anzulasten seien. Doch woher wollen Sie wissen, wie Sie die Segel stellen (= disponieren) m\u00fcssen, wenn Sie nicht wissen, woher der Wind (=zuk\u00fcnftige Bedarfe) weht?!<\/p>\n

Woher wollen Sie wissen, wie Sie die Segel stellen m\u00fcssen, wenn Sie nicht wissen, woher der Wind weht?!<\/strong><\/p>\n

Mit den nachfolgenden 11 Grundprinzipien und Best-Practic-Bausteinen f\u00fcr eine effiziente und effektive Absatzprognose m\u00f6chten wir mit einigen Irrt\u00fcmern aufr\u00e4umen und auf wesentliche Erfolgsfaktoren einer guten Absatzprognose hinweisen.<\/p>\n

Sie werden kaum in der Lage sein, alle Best Practice-Regeln umzusetzen; entweder, weil Ihnen die Werkzeuge hierzu fehlen oder weil die Struktur Ihres Unternehmens oder Ihres Produktportfolios dies nicht erm\u00f6glicht. Je mehr dieser Best-Practice-Regeln jedoch beachtet und umgesetzt werden, desto leistungsf\u00e4higer wird Ihre Absatzprognose.<\/p>\n

Grundprinzip 1: Prognosen auf Warengruppenebene sind f\u00fcr den Vertrieb angenehm und f\u00fcr Produktion und Einkauf unbrauchbar.<\/h3>\n

Wenn seitens des Vertriebs Absatzprognosen erstellt werden, dann erfolgt dies zumeist auf Warengruppen-Ebene, also f\u00fcr eine verdichtete Gruppe \u00e4hnlicher aber nicht identischer Artikel. Der Einkauf muss jedoch konkrete Einzelteile bestellen und in der Fertigungssteuerung m\u00fcssen ebenfalls Fertigungsauftr\u00e4ge f\u00fcr konkrete Teile erstellt werden.<\/p>\n

Um von der pauschalen Aussage des Vertriebs zu den einzelnen Materialnummern zu gelangen, werden gerne Splitfaktoren angewandt. Der prognostizierte Bedarf einer Warengruppe, z.B. der Warengruppe Fernsehger\u00e4te, wird also in die Bedarfe der einzelnen Ger\u00e4te heruntergebrochen: Auf Ger\u00e4t HD-TS 15 entfallen im Schnitt 22% der Nachfrage, auf Gerate HD-TS 16 entfallen 8%, usw. Haben Sie, sofern Sie mit Splitfaktoren arbeiten, schon einmal die monatliche Schwankung der Splitfaktoren berechnet? Vermutlich nicht, sonst w\u00fcrden Sie nicht mehr mit Splitfaktoren arbeiten…<\/p>\n

Splittfaktoren schwanken fast immer so stark, dass sie v\u00f6llig unbrauchbar sind, um von einer Warengruppenprognose auf den Bedarf einer einzelnen Materialnummer zu schlie\u00dfen. Im Fachjargon nennt man dies das \u201eSplittfaktor-Problem\u201c (Abb. 1<\/strong>).<\/p>\n

\"Abbildung<\/a>
Abbildung 1: Das Aufschl\u00fcsseln einer warengruppenbezogenen Prognose auf die einzelnen Artikel scheitert meist am Splitfaktor-Problem<\/figcaption><\/figure>\n

Wenn Sie Aussagen \u00fcber die zuk\u00fcnftigen Bedarfe von konkreten Artikeln, Materialnummern, SKUs (Stock Keeping Units), Lagerpositionen, etc. ben\u00f6tigen, kommen Sie nicht an einer artikelspezifischen Prognose vorbei.<\/p>\n

Ihr Best Practice-Baustein 1<\/strong> lautet deshalb: Prognostizieren Sie auf Einzelteileebene \/ SKU-Ebene und vermeiden Sie Splitfaktoren. <\/em><\/p>\n

Grundprinzip 2: Der Vertrieb ist mit einer Prognose auf Artikel-\/Material\u00adnummernebene v\u00f6llig \u00fcberfordert.<\/strong><\/h3>\n

Dies klingt zuerst einmal banal und ist ein Grund daf\u00fcr, warum der Vertrieb seine Absatzprognosen \u00fcblicherweise auf\u00a0 einer verdichteten Ebenen, z.B. einer Warengruppenebenen abgibt.<\/p>\n

Der Vertrieb ist jedoch nicht nur mengenm\u00e4\u00dfig \u00fcberfordert, wenn er sich um evtl. tausende von Materialnummern k\u00fcmmern soll, sondern auch qualitativ. Wer nie im Vertrieb gearbeitet hat, kann sich kaum vorstellen, wie schwierig es ist, ein zutreffendes Gef\u00fchl daf\u00fcr zu entwickeln, wie sich die Nachfrage nach einem einzelnen Artikel zuk\u00fcnftig ver\u00e4ndern wird. Ein sicheres Gef\u00fchl, ob die Nachfrage ansteigen, gleichbleiben oder sinken wird, hat man vielleicht noch f\u00fcr eine Gruppe \u00e4hnlicher Artikel, aber nicht f\u00fcr einen Einzelartikel.<\/p>\n

Hinzu kommt, dass Vertriebsmitarbeiter zumeist auf zwei Ebenen denken m\u00fcssen: Einerseits haben sie eine gewisse Nachfrageerwartung und andererseits eine Verkaufsvorgabe, die h\u00e4ufig mit ihrer eigenen Nachfrageerwartung wenig zu tun hat. Welche zuk\u00fcnftigen Absatzmengen f\u00fcr die n\u00e4chsten Monate soll eine Vertriebsmitarbeiterin in seine Prognose einsetzen: Diejenigen, die sie aufgrund ihrer Erfahrung erwartet oder diejenigen, die \u201evon oben\u201c erwartet werden?<\/p>\n

Letztlich tendieren wir alle \u2013 auch der Vertrieb \u2013 dazu, unsere Erwartungen bez\u00fcglich der Zukunft besonders von gerade erst gemachten Erfahrungen beeinflussen zu lassen. Im Fachjargon nennt man dies den \u201eRecent Past Bias<\/em>\u201c.<\/p>\n

Es bleibt uns nicht anderes \u00fcbrig, als den Einfluss des Faktors Mensch ein St\u00fcck zur\u00fcckzunehmen, wenn es um eine objektive Prognose der zuk\u00fcnftigen Absatzmengen von Artikeln geht.<\/p>\n

Dies bringt uns zu Ihrem Best Practice-Baustein 2<\/strong>: F\u00fcr die meisten Branchen und in den meisten M\u00e4rkten gilt: Absatzprognosen m\u00fcssen in Form technischer (=statistischer) Prognosen erstellt werden. Vom Vertrieb sollten nur dort Informationen abgefordert werden, wo technische Prognosen unzureichend sind.<\/em><\/p>\n

Der Vertrieb kann Prognosen immer nur f\u00fcr Verkaufsartikel erstellen, seien es Standardprodukte oder evtl. Ersatzteile. Zu einzelnen Baugruppen oder Einzelteilen, die er isoliert nie verkauft, kann er keine sinnvolle Aussage treffen. Dies ist ein weiterer Grund, warum es nicht immer m\u00f6glich ist, auf die Prognosen des Vertriebs zur\u00fcckzugreifen, denn\u2026<\/p>\n

Grundprinzip 3: Nicht immer ist die Fertigwarenebene die richtige Prognoseebene<\/h3>\n

H\u00e4ufig h\u00f6ren wir von Unternehmen, dass bei ihnen eine richtige Absatzprognose nicht m\u00f6glich sei, da die Variantenvielfalt ihrer Endprodukte zu gro\u00df oder praktisch jedes Endprodukt kundenspezifisch sei. Typisch f\u00fcr solche Unternehmen ist zumeist, dass sie ihre Endprodukte aus standardisierten oder teilstandardisierten Baugruppen und Komponenten aufbauen und lediglich ein Teil der Komponenten wirklich kundenspezifisch ist.<\/p>\n

Die kundenspezifische L\u00f6sung ergibt sich damit aus der variablen Anordnung der \u201eLegosteine\u201c und nicht aus einzelnen individuellen Bausteinen. Zumeist reichen die Lieferzeiten, die der Markt akzeptiert allenfalls daf\u00fcr aus, eine kundenspezifische L\u00f6sung weitgehend aus Standardkomponenten aufzubauen. Der \u201elogistische Entkopplungspunkt\u201c, also die Stelle im Wertstrom, ab der kundenauftragsbezogen gefertigt werden kann, liegt zumeist vor der Endmontage; zuweilen sogar noch weiter wertstromaufw\u00e4rts.<\/p>\n

Bis zum logistischen Entkopplungspunkt muss kundenanonym gefertigt und damit bevorratet werden. Dies ist genau die Stelle im Wertstrom, an der eine Absatzprognose ansetzen muss.<\/p>\n

Und somit lautet die Best Practice- Baustein 3<\/strong>: Die Lagerstufe, auf der prognostiziert werden sollte, liegt beim logistischen Entkopplungspunkt, also bei der letzten kundenanonymen Fertigungsstufe. <\/em><\/p>\n

Die vorausgehenden drei Grundprinzipien d\u00fcrften verdeutlicht haben, dass der technischen Prognose eine betr\u00e4chtliche Bedeutung im Absatzprognoseprozess zukommt. In der Praxis wird mit technischen Absatzprognosen jedoch so unbedarft und zuweilen unwissend umgegangen, dass es nicht wundert, wenn viele Unternehmen statistischen Prognosen nicht trauen. Statistische Prognosen liegen zuweilen daneben, im Schnitt aber zumeist besser als menschliche Prognostiker, zumal diese sich meist nur um wenige ausgew\u00e4hlte Artikel \u00fcberhaupt k\u00fcmmern k\u00f6nnen, und den Rest der Artikel aufgrund ihrer schieren Zahl recht pauschal abhandeln m\u00fcssen.<\/p>\n

Statistische Prognosen liegen zuweilen daneben, im Schnitt aber zumeist besser als menschliche Prognostiker, vorausgesetzt, die statistischen Prognosen werden richtig erarbeitet<\/strong><\/p>\n

Voraussetzung daf\u00fcr ist jedoch, dass Sie Ihre statistischen Prognosen richtig aufsetzen. Deshalb wollen wir uns im Folgenden mit wichtigen Grundprinzipen und Best-Practice-Regeln f\u00fcr wirkungsvolle technische Prognosen besch\u00e4ftigen. Teilweise stellen diese Best-Practice-Regeln organisatorischen Anforderungen an Ihren Prognoseprozess dar und teilweise m\u00fcssen Sie softwareseitig realisiert werden<\/p>\n

Grundprinzip 4: Jede Absatzprognose besteht aus drei Angaben und nicht nur einem Prognosewert<\/h3>\n

Wir kennen die Situation aus dem Wetterbericht: Am Samstag sollte es \u00fcberwiegend freundlich mit Temperaturen um 21\u00b0C werden. Am Samstagabend um 20h standen wir dann mit frierenden G\u00e4sten bei 18\u00b0C\u00a0 in Nieselwetter und k\u00e4mpften mit der feuchten Holzkohle. Der naheliegende Vorwurf lautet vermutlich, dass der Wetterbericht falsch war. H\u00e4tten wir uns die Wetterprognose nicht von der Wetterfee im Fernsehen geben lassen, sondern h\u00e4tten uns im Internet beim Wetterdienst schlauch gemacht, h\u00e4tten wir m\u00f6glicherweise erfahren, dass f\u00fcr den Samstagabend eine Regenwahrscheinlichkeit von 45% gilt und die Temperatur bei 22\u00b0C liegt, mit einer Wahrscheinlichkeit von 25%, dass die Temperaturschwankungsbreite innerhalb +\/-1\u00b0 liegt und einer Wahrscheinlichkeit von 67%, dass die Temperaturschwankungsbreite innerhalb +\/-3,75\u00b0 liegt. Nieselwetter und 18\u00b0C waren also durchaus von der Schwankungsbreite der Prognose abgedeckt.<\/p>\n

Mit Prognosen, egal, ob sie das Wetter oder die zuk\u00fcnftigen Nachfragemengen von Artikeln betreffen, haben wir vor allem zwei Probleme: Erstens haben wir kein Empfinden f\u00fcr Wahrscheinlichkeiten und picken uns zweitens aus den angegebenen Informationen gerne das heraus, was wir h\u00f6ren m\u00f6chten. Der Fernsehwetterbericht hat deshalb gleich kapituliert und Regenwahrscheinlichkeit wie Temperaturschwankungsbreite unten den Tisch fallen lassen.<\/p>\n

\"Abbildung<\/a>
Abbildung 2: Qualitatives Analogiemodell einer Prognose mit dem Prognosekomponenten Grundbedarf, Lieferbereitschaftsgrad und Sicherheitsbestand<\/figcaption><\/figure>\n

Es ist wichtig, zu verstehen, dass eine Prognose nicht nur aus Prognosewerten, also beispielsweise den zu erwartenden monatlichen Verbr\u00e4uchen in den n\u00e4chsten Monaten besteht, sondern auch eine Aussage \u00fcber die Unsicherheit dieser Prognose enthalten muss. Statt von Prognosewerten spricht man deshalb korrekterweise von Grundbedarfen<\/em>. Die Unsicherheiten der Prognose sind dann durch Sicherheitsbest\u00e4nde<\/em> abzusichern. Wie hoch der Sicherheitsbestand sein muss, h\u00e4ngt davon ab, mit welcher statistischen Sicherheit man lieferf\u00e4hig sein will. Je h\u00f6her die geforderte Lieferbereitschaft<\/em>, desto h\u00f6her der erforderliche Sicherheitsbestand (vgl. Abb. 2<\/strong>).<\/p>\n

Best-Practice- Baustein 4<\/strong> lautet deshalb: Eine Absatzprognose, ist nur vollst\u00e4ndig, wenn sie Angaben zum Grundbedarf, zum Sicherheitsbestand und zur geforderten Lieferbereitschaft enth\u00e4lt.<\/em><\/p>\n

Grundprinzip 5: Die Nachfrage nach Artikeln ist fast nie \u201enormalverteilt\u201c<\/h3>\n

Vielleicht erinnern Sie sich noch an die Normalverteilung oder Gau\u00df\u2019sche Glockenkurve, von der Sie in der Schule einmal geh\u00f6rt haben. Zuerst einmal besagt die Normalverteilung, dass Messwerte um einen Mittelwert herum zu kleineren wie gr\u00f6\u00dferen Werten hin symmetrisch schwanken. Die Schwankungsbreite unterliegt dabei bestimmten Gesetzm\u00e4\u00dfigkeiten; so liegen beispielsweise 68,27% aller Werte mit einer Schwankungsbreite von einer Standardabweichung um den Mittelwert herum.<\/p>\n

Sie m\u00fcssen die Normalverteilung statistisch nicht verstehen; wissen m\u00fcssen Sie aber, dass alle klassischen Prognoseverfahren, beispielsweise der gleitende Mittelwert oder die exponentielle Gl\u00e4ttung erster oder zweiter Ordnung f\u00fcr Artikel nur dann statistisch korrekte Grundbedarfe ermitteln, wenn die Nachfrage nach diesen Artikeln normalverteilt ist, was in der Praxis nur f\u00fcr ca. jeden 20. Artikel gilt (vgl. Abb. 3<\/strong>). Ca. 95% Ihrer Bedarfsprognosen sind also systematisch und systembedingt falsch.<\/p>\n

\"\"<\/p>\n

Abbildung 3: Die meisten Artikel weisen keine \u201enormalverteilte\u201c Nachfrage auf<\/p>\n

Nat\u00fcrlich gibt es auch Prognoseformeln und Sicherheitsbestandsverfahren f\u00fcr andere Formen der Nachfrageverteilung. In der Praxis ist damit aber auch kein Staat zumachen: Die Nachfrageverteilung, also die Gesetzm\u00e4\u00dfigkeit, nach der die Nachfrage nach einem Artikel schwankt, kann sich von Monat zu Monat \u00e4ndern und f\u00fcr jeweils gut ein F\u00fcnftel aller Artikel l\u00e4sst sich \u00fcberhaupt keine Nachfrageverteilung identifizieren.<\/p>\n

Um mit diesem Problem fertig zu werden, gibt es drei L\u00f6sungsans\u00e4tze: Der h\u00e4ufigste L\u00f6sungsansatz besteht im Ignorieren dieses Problems. Dies ist der typische L\u00f6sungsansatz der meisten ERP-Systeme.<\/p>\n

Ca. 95% Ihrer Bedarfsprognosen sind systematisch und systembedingt falsch.<\/strong><\/p>\n

Zu zuverl\u00e4ssigen Prognosen gelangt man nur, wenn man bei jedem Prognoselauf f\u00fcr jeden Artikel pr\u00fcft, mit welchem der verschiedenen Grundbedarfs- und Sicherheitsbestandsberechnungsverfahren man bei der Prognose f\u00fcr einen bestimmten Artikel in der Vergangenheit die besten Ergebnisse erzielt h\u00e4tte, um diese Kombination aus Grundbedarfs- und Sicherheitsbestandsberechnungsverfahren dann f\u00fcr die Prognose der zuk\u00fcnftigen Absatzmengen anzuwenden. Dieser L\u00f6sungsansatz erfordert die Simulation der Grundbedarfs- und Sicherheitsbestandsermittlung und der daraus resultierenden Disposition abh\u00e4ngig von der tats\u00e4chlichen Nachfrage \u00fcber einen bestimmten Zeitraum \u2013 am besten ein Jahr – in der Vergangenheit (vgl. Abb. 4). Mit diesem Ansatz umgeht man zwar nicht das Problem, dass die Prognoseverfahren aus statistischer Sicht nicht korrekt sind, man w\u00e4hlt aber zumindest aus dem Kreis der \u201eunkorrekten\u201c Verfahren artikelspezifisch dasjenige Grundbedarfs- und Sicherheitsbestandsverfahren aus, das in der Vergangenheitsbetrachtung die besten Ergebnisse erzielt hat.<\/p>\n

Diese Vorgehensweise ist aufw\u00e4ndig, da f\u00fcr jede Prognose eine gro\u00dfe Anzahl an Simulationen mit unterschiedlichen Grundbedarfs- und Sicherheitsbestandsberechnungsverfahren durchgef\u00fchrt werden m\u00fcssen. Ein ERP-System w\u00fcrde hierbei in die Knie gehen. Solche Berechnungen m\u00fcssen deshalb au\u00dferhalb des Host-Systems in speziellen Subsystemen durchgef\u00fchrt werden.<\/p>\n

Ein dritter L\u00f6sungsansatz besteht in der Anwendung sogenannter \u201everteilungsfreier\u201c Verfahren. Dies sind Grundbedarfs- und Sicherheitsbestandsberechnungsverfahren, die ohne Kenntnis der tats\u00e4chlichen Nachfrageverteilung funktionieren, somit also mathematisch-statistisch wieder korrekt arbeiten und damit zur gew\u00fcnschten Lieferbereitschaft f\u00fchren. Diese verteilungsfreien Verfahren sind nur in ganz wenigen Absatzprognosesystemen zu finden.<\/p>\n

\"Abbildung<\/a>
Abbildung 4: Beispiel f\u00fcr das Ergebnis der Simulation eines Prognose- und Dispositionsprozesses f\u00fcr einen Artikel<\/figcaption><\/figure>\n

Hiermit kommen wir zu Best Practice Baustein 5<\/strong>: Um zuverl\u00e4ssige Absatzprognosen zu berechnen, m\u00fcssen Sie jeden Monat neu f\u00fcr jeden Artikel simulativ die geeignetsten Grundbedarfs- und Sicherheitsbestandsberechnungsverfahren ermitteln, um damit die Prognose der n\u00e4chsten Bedarfe zu berechnen. Verwenden sie dabei eine gro\u00dfe Anzahl unterschiedlicher Grundbedarfs- und Sicherheitsbestandsberechnungsverfahren. Verwenden Sie dabei auch verteilungsfreie Verfahren. Statt jedoch nur mit verteilungsfreien Verfahren zu arbeiten, integrieren Sie die verteilungsfreien Verfahren in die Simulationsl\u00e4ufe.<\/em><\/p>\n

Grundprinzip 6: Die Qualit\u00e4t der Absatzprognose h\u00e4ngt von der Qualit\u00e4t der Bedarfszeitreihe aus der Vergangenheit ab.<\/strong><\/h3>\n

Wenn Sie eine statistische Absatzprognose erstellen, dann versuchen Sie aus einer Nachfrage-Zeitreihe der Vergangenheit Aussagen \u00fcber die zuk\u00fcnftigen Bedarfe zu treffen. Es liegt dabei auf der Hand, dass die Qualit\u00e4t der Prognose umso besser ist, je genauer die Vergangenheitszeitreihe die tats\u00e4chlichen Marktbedarfe der Vergangenheit abbildet. Wenn Sie als Vergangenheitszeitreihe nur die Lagerabg\u00e4nge verwenden, kann es Ihnen passieren, dass in der Zeitreihe L\u00fccken vorhanden sind, in denen Sie nicht lieferf\u00e4hig waren und w\u00e4hrend der logischerweise auch kein Lagerabgang stattfinden konnte. Wenn Sie diese Zeitreihe unver\u00e4ndert als Basis f\u00fcr Ihre Prognose einsetzen, dann unterstellen Sie, dass der fehlende Lagerabgang in fehlendem Marktbedarf begr\u00fcndet war. Damit haben Sie die Wahrheit bereits verbogen.<\/p>\n

In Ihrer Prognose ein St\u00fcck besser werden Sie, wenn Sie die Zeitreihe der vereinbarten Liefertermine und Liefermengen verwenden, aber auch diese k\u00f6nnen noch Lieferl\u00fccken aufweisen, die nichts mit Nachfragel\u00fccken zu tun haben.<\/p>\n

Noch weiter kommen Sie, indem Sie auf die Zeitreihe der Kundenwunschmengen und \u2011termine zur\u00fcckgreifen. Hiermit sind Sie am Kundenwunsch und damit am Marktbedarf nahe dran. Wenn Sie nicht lieferf\u00e4hig waren, dies den Kunden mitgeteilt haben und diese deshalb keine Bestellung platziert haben, dann ist auch in der Zeitreihe der Kundenwunschmengen und \u2013termine vorhandene Marktnachfrage nicht komplett dokumentiert. Aus diesem Grunde m\u00fcssten Sie im Normalfall auch Null-Verk\u00e4ufe, also Anfragen, die nicht zu einem Auftrag wurden festhalten, sofern der Auftrag wegen mangelnder Lieferf\u00e4higkeit und nicht wegen des Preises nicht zustande gekommen ist.<\/p>\n

Best Practice- Baustein 6<\/strong> lautet somit: Verwenden Sie auf Fertigwarenebene m\u00f6glichst Kundenwunschtermine und -mengen als Historie des Marktbedarfes und halten Sie Nullverk\u00e4ufe aufgrund schlechter Liefersituation fest. Sofern Sie auf\u00a0 Komponenten- oder Einzelteilebene prognostizieren, leiten Sie \u201ekorrigierte\u201c Bedarfe aus den Vergangenheitszeitreihen der Fertigwaren ab.<\/strong><\/p>\n

Auch wenn Sie mit Ihrer Prognose nun auf der richtigen Bedarfshistorie aufsetzen, sind Sie noch nicht am Ende Ihrer Arbeit angelangt. Haben Sie mit Aktionen oder Projektgesch\u00e4ft zu tun? Dann gilt es, Grundprinzip 7 zu beachten.<\/p>\n

Grundprinzip 7: Vergangenheitszeitreihen enthalten neben allgemeiner Nachfrage meist auch Aktionen und Projektgesch\u00e4ft, die schwer gemeinsam prognostiziert werden k\u00f6nnen.<\/strong><\/h3>\n

Im Allgemeinen lassen sich drei Formen von Nachfrage unterscheiden. Zum einen gibt es in vielen Branchen \u201eAktionen\u201c, die vom Vertrieb durchgef\u00fchrt werden oder aufgrund von Kundenforderungen durchgef\u00fchrt werden m\u00fcssen. Bei solchen Aktionen wird entweder eine bestimmte Ware nur f\u00fcr kurze Zeit angeboten oder eine laufend vertriebene Ware wird vor\u00fcbergehend zu einem g\u00fcnstigeren Preis angeboten. Diese Art von Aktionen kommt typischerweise im Einzelhandel vor. Im ersten Fall kann man noch unterscheiden zwischen Waren, die nur einmalig angeboten werden und solchen, die wiederholt angeboten werden. Im ersten Fall gibt es keine, im zweiten eine aktionsspezifische Vergangenheitszeitreihe aus der oder den letzten Aktionen.<\/p>\n

Sofern eine laufend vertriebene Ware in Aktionen eingesetzt wird, enth\u00e4lt die Bedarfshistorie zwangl\u00e4ufig Bedarfe aus Aktionsphasen und Bedarfe aus Nichtaktionsphasen. Im Allgemeinen sollte ein Unternehmen, bzw. der Vertrieb, in der Lage sein, Aktionen rechtzeitig zu planen, sodass Aktionsbedarfe rechtzeitig disponiert werden k\u00f6nnen; wobei zugegebenerma\u00dfen das Problem fortbesteht, die richtigen Aktionsmengen festzulegen. Hier hilft \u2013 wie erw\u00e4hnt \u2013 h\u00e4ufig der Blick auf in der Vergangenheit gelaufene Aktionen.<\/p>\n

Um nun eine Prognose f\u00fcr den laufenden, den Nicht-Aktions-Bedarf,\u00a0 zu erstellen, m\u00fcssen aus der Bedarfshistorie die Aktionen herausgenommen werden, sofern sie hinsichtlich ihrer Gr\u00f6\u00dfe aus dem Grundrauschen herausstechen. F\u00fcr einige wenige Artikel kann man dies von Hand durchf\u00fchren, nicht jedoch f\u00fcr eine Gro\u00dfzahl von Artikeln. Hier bedarf es automatischer Mechanismen, um Aktionsbedarfe vom Grundrauschen zu trennen.<\/p>\n

Getrennt von Aktionen sind Projekte zu sehen. Projekte existieren dort, wo an einzelne Kunden gr\u00f6\u00dfere Mengen eines oder mehrerer Artikel abgesetzt werden und hierf\u00fcr mit dem Kunden explizit \u00fcber diese Mengen verhandelt wird. Typischerweise stehen Sie bei Projekten im Wettbewerb mit anderen \u201eMarktbegleitern\u201c. Projekte werden nach langem Vorlauf h\u00e4ufig kurzfristig entschieden und h\u00e4ufig m\u00fcssen die Produkte auch kurzfristig ausgeliefert werden. Auch f\u00fcr Projekte gilt, dass Sie durch geeignete Filtermechanismen automatisch aus der Bedarfshistorie des Artikels herausgefiltert werden m\u00fcssen, sofern sie substantiell aus dem Grundrauschen heraustreten. Ist dies der Fall, dann ist hinsichtlich der Prognose von Projekten bei allen Unw\u00e4gbarkeiten der Vertrieb gefordert, Absch\u00e4tzungen abzugeben.<\/p>\n

Die herauszufilternden Aktionen und Projekte machen sich jeweils durch \u201ePeaks\u201c, also kurzeitigen Nachfragespitzen bemerkbar und k\u00f6nnen prinzipiell durch sog. Ausrei\u00dferbereinigungsverfahren identifiziert und beseitigt werden. Die Herausforderung besteht erstens in guten Verfahren und zweitens darin, den Filter richtig einzustellen. Dies gelingt zuverl\u00e4ssig ausschlie\u00dflich durch Simulationen des Prognose- und Dispositionsverhaltens, bei denen regelm\u00e4\u00dfig anhand tagesgenauer Vergangenheitsbedarfszeitreihen artikelspezifisch unterschiedliche Trennsch\u00e4rfen \u00fcberpr\u00fcft und die am Besten geeignete ermittelt wird.<\/p>\n

Best Practice- Baustein 7 <\/strong>lautet somit: Projektgesch\u00e4ft und Aktionen, die substanziell aus dem Grundrauschen heraustreten, sind von diesem zu trennen und getrennt zu prognostizieren. Die richtige Trennsch\u00e4rfe zum automatischen Ausfiltern von Projekten und Aktionen aus dem Grundrauschen ist artikelspezifisch regelm\u00e4\u00dfig durch Simulationen zu ermitteln.<\/em><\/p>\n

Grundprinzip 8: Die Nachfrage nach demselben Artikel entwickelt sich in unterschiedlichen Vertriebskan\u00e4len \/ Vertriebsregionen unterschiedlich.<\/strong><\/h3>\n

Es ist eine Banalit\u00e4t, dass ein Artikel, der an mehrere Key Accounts oder in verschiedenen Regionen verkauft wird, nicht in allen Vertriebskan\u00e4len im selben Ma\u00df nachgefragt wird. In Frankreich beispielsweise l\u00e4uft die Nachfrage sehr gleichm\u00e4\u00dfig, aber auf geringem Niveau, w\u00e4hrend in Polen einmal gr\u00f6\u00dfere, einmal kleinere Mengen sehr unregelm\u00e4\u00dfig gekauft werden. Werden beide L\u00e4nder aus einer Produktion versorgt, k\u00f6nnte man meinen, dass es gen\u00fcgt, die Gesamtnachfrage nach diesem Artikel zu prognostizieren, um die Best\u00e4nde im Zentrallager ausreichend hoch zu halten. Dies w\u00fcrde evtl. dazu f\u00fchren, dass dem franz\u00f6sischen wie den polnischen Vertrieb eine Prognose f\u00fcr diesen Artikel abverlangt wird. Durch eine Trennung in zwei Vertriebskan\u00e4le ist es f\u00fcr den franz\u00f6sischen Vertrieb nicht mehr erforderlich, f\u00fcr diesen Artikel Prognosen abzugeben, da eine technische Prognose ausreichend genaue und objektive Zahlen bieten kann. Sofern die Landesvertriebe \u00fcber eigene Regionall\u00e4ger verf\u00fcgen, bietet eine Trennung der Prognosen in die verschiedenen Vertriebskan\u00e4le f\u00fcr die Logistik den Vorteil, dass deutlich wird, welche Nachbevorratungsmengen in die lokalen L\u00e4ger der einzelnen Landesvertriebe geliefert und welche Sicherheitsbest\u00e4nde dort gehalten werden m\u00fcssen.<\/p>\n

Best Practice-Baustein 8<\/strong> fordert deshalb: Prognosen sollten nach Vertriebskan\u00e4len \/ Regionen aufgespaltet werden.<\/em><\/p>\n

Versorgen Sie Ihre Kunden \u00fcber mehrere Distributionsstufen, also beispielsweise aus einem Zentrallager an verschiedene Regionall\u00e4ger oder Landesvertriebsl\u00e4ger? Dann gilt es ein weiteres Grundprinzip zu beachten:<\/p>\n

Grundprinzip 9: Die wirkliche Marktnachfrage in einer Supply Chain ist der Bedarf der Endverbraucher<\/strong><\/h3>\n

Immer wenn Sie Ihre Fertigwaren \u00fcber mehrere Zwischenlagerstufen zu den Endverbrauchern liefern stellt sich die Frage, wer Ihr Kunde ist. Ist es die Landesgesellschaft oder der Endverbraucher in einem bestimmten Land? \u00dcber ein Landes- oder Regionallager kann aus einer gleichm\u00e4\u00dfigen Nachfrage der Endverbraucher eine unregelm\u00e4\u00dfige oder sto\u00dfweise Nachfrage beim Zentrallager werden, da das Landes- oder Regionallager Bedarfe sammelt und dann sto\u00dfweise weitergibt. Aus Transportkosten-Gesichtspunkten kann es, muss es aber nicht, g\u00fcnstiger sein, so zu verfahren. F\u00fcr die Absatzprognose bedeutet es auf jeden Fall, dass h\u00f6here Sicherheitsbest\u00e4nde gehalten werden m\u00fcssen und die tats\u00e4chliche Marktnachfrage verzerrt wird. Wenn Sie die Landesgesellschaft als Ihren Kunden betrachten, m\u00fcssen Sie die Nachfrage der Landesgesellschaft, ausgehend von deren evtl. stochastischer Nachfrage in der Vergangenheit prognostizieren, damit Sie dieser gegen\u00fcber eine ausreichende Lieferf\u00e4higkeit sicherstellen k\u00f6nnen.<\/p>\n

Indem Sie aber die Landesgesellschaft und nicht den Endverbraucher als Ihren Kunden betrachten, weichen Sie schon von der \u00fcbergreifenden Optimierung Ihrer Supply Chain ab und betreiben Segment-Optimierung mit der Folge einer schlechteren Prognose und h\u00f6herer Best\u00e4nde in der Supply Chain. Ist Ihr Kunde ein fremder Dritter, zum Beispiel ein Baumarkt oder ein Generalvertreter in einem Land, in dem Sie nicht mit einer eigenen Vertriebsgesellschaft vertreten sind, wird Ihnen vermutlich nicht anderes \u00fcbrigbleiben, als ihn als Ihren Kunden zu betrachten, obwohl er eigentlich nur ein Zwischenh\u00e4ndler ist; Segmentoptimierung bleibt es trotzdem.<\/p>\n

Wenn der \u201eZwischenh\u00e4ndler\u201c jedoch, zum Beispiel in Form einer Landesvertriebsgesellschaft, zum eigenen Unternehmen geh\u00f6rt, sollten Sie im Sinne einer Gesamtoptimierung Ihrer Supply Chain \u00fcberlegen, ob Sie Ihre Prognosen nicht besser auf Basis der Endverbraucherbedarfe (Point-of-Sale-Bedarfe) prognostizieren. Die historischen Bedarfszeitreihen der Point-of-Sale-Bedarfe unterschiedlicher Regional- oder Landesl\u00e4ger lassen sich auf unterschiedlichen Distributionsstufen konsolidieren. Sie k\u00f6nnen mit diesen Daten nicht nur Prognosen auf Regional- oder Landeslagerebene erstellen. Vielmehr k\u00f6nnen Sie die Bedarfe auch auf Zentrallagerebene verdichten und dort \u2013 wertstromaufw\u00e4rts \u2013 Grundbedarfe und Sicherheitsbest\u00e4nde prognostizieren. Wohl nehmen Sie damit dem \u201eZwischenh\u00e4ndler\u201c einen Teil seiner Dispositionshoheit ab.<\/p>\n

Best Practice-Baustein 9<\/strong>: Um die gesamte Supply Chain zu optimieren, m\u00fcssen Sie die erforderlichen Prognosen f\u00fcr verschiedene Distributionsstufen auf Basis der Endverbraucherbedarfe erstellen und nicht auf der Basis der Bedarf (Abrufe) von Zwischenh\u00e4ndlern. Dies gilt umso mehr, wenn die Zwischenh\u00e4ndler zum eigenen Konzern geh\u00f6ren.<\/em><\/p>\n

Grundprinzip 10: Zu vielen neuen Artikeln existieren Vorg\u00e4ngerartikel und \u00e4hnliche Artikel<\/strong><\/h3>\n

Es geh\u00f6rt zur Routine praktisch jeden Unternehmens, regelm\u00e4\u00dfig neue Produkte am Markt einzuf\u00fchren. Jedes Mal aufs Neue stehen Sie vor dem Problem, die voraussichtliche Nachfrage nach diesem Artikel zu prognostizieren.<\/p>\n

Sofern ein Nachfolgerartikel lediglich eine technische Aktualisierung des Vorg\u00e4ngerartikels darstellt, gen\u00fcgt es zumeist, durch eine Vorg\u00e4nger-Nachfolger-Beziehung die Bedarfshistorie des Vorg\u00e4ngerartikels auf den Nachfolgerartikel zu \u00fcbertragen.<\/p>\n

Sobald ein Nachfolgerartikel technische Kompromisse oder Designver\u00e4nderungen gegen\u00fcber dem Vorg\u00e4ngerartikel aufweist, wird es komplizierter, die zuk\u00fcnftige Nachfrage nach dem neuen Artikel zu quantifizieren. Trotzdem bleibt auch in solchen F\u00e4llen das \u00dcbertragen der Nachfragentwicklung eines geeigneten Vorg\u00e4ngerartikels oder repr\u00e4sentativen Artikels ein hilfreicher Ansatz.<\/p>\n

Nicht immer l\u00f6st ein Nachfolgerartikel einen Vorg\u00e4ngerartikel einfach ab. H\u00e4ufig l\u00e4uft ein Vorg\u00e4ngerartikel aus, w\u00e4hrend der Nachfolgerartikel bereits einl\u00e4uft. In solchen F\u00e4llen gen\u00fcgt eine reine Vorg\u00e4nger-Nachfolger-Beziehung nicht, um eine Absatzprognose f\u00fcr die beiden Artikel zu erstellen. Zus\u00e4tzlich zur Vorg\u00e4nger-Nachfolger-Beziehung muss ein \u00dcberlappungszeitraum definiert werden und es muss \u00fcberlegt werden, wie die \u201eSubstitutionskurve\u201c \u00fcber diesen \u00dcberlappungszeitraum verl\u00e4uft.<\/p>\n

Sofern ein neuer Artikel das bestehende Produktangebot erweitert, ist damit zu rechnen, dass der neue Artikel einen Teil der Marktnachfrage nach den bereits angebotenen Artikeln auf sich zieht. Man spricht dann von einer Kannibalisierung der Nachfrage bestehender Artikel. Auch dies ist bei einer leistungsf\u00e4higen Absatzprognose zu ber\u00fccksichtigen. Und auch in diesem Falle m\u00fcssen Sie ggf. beachten, dass der Kannibalisierungseffekt sich \u00fcber einen bestimmten Zeitraum aufbaut.<\/p>\n

Vorg\u00e4nger-Nachfolger-Beziehungen, wie Substitutionsbeziehungen \u201ewachsen sich aus\u201c, denn nach einiger Zeit ist eine ausreichend lange Bedarfshistorie f\u00fcr den \u201eneuen\u201c Artikel aufgebaut.<\/p>\n

Best-Practice-Baustein 10<\/strong>: Dokumentieren Sie Vorg\u00e4nger-Nachfolger-und Substitutions-Beziehungen, um die Bedarfsentwicklung neuer Artikel und die Bedarfskannibalisierung weiterlaufender \u00e4hnlicher Artikel zu prognostizieren.<\/em><\/p>\n

Grundprinzip 11: Manche Prognosesituationen entziehen sich klassischen Ans\u00e4tzen<\/strong><\/h3>\n

Jeder von uns kennt diese exotischen Artikel, bei denen uns sporadische Marktbedarfe durch Zufall treffen. Ein typisches Beispiel dieser Gruppe von Artikeln sind Ersatzteile. Es scheint geradezu eine Grundeigenschaft von Ersatzteilen zu sein, dass Kunden immer genau dann nach einem, seit Monaten oder Jahren nicht mehr ben\u00f6tigten Teil fragen, nachdem es gerade verschrottet wurde.<\/p>\n

Fast noch exotischer sind End-of-Life-Prognosen, wie Sie sie zum Beispiel in der Elektronikindustrie erstellen m\u00fcssen, wenn wichtige Bauteile, die entweder teuer oder gar nicht durch andere Teile ersetzt werden k\u00f6nnen, vom Lieferanten abgek\u00fcndigt werden, w\u00e4hrend Ihre Artikel noch einige Zeit gefertigt oder zumindest gewartet werden m\u00fcssen.<\/p>\n

Denken Sie auch an die Modeindustrie, die regelm\u00e4\u00dfig gefordert ist, die Bedarfsmengen f\u00fcr neue Kollektionsteile festzulegen.<\/p>\n

Teilweise hilft es, in solchen F\u00e4llen eine spezifische Prognosemethode zu entwickeln, wie wir es beispielsweise f\u00fcr die End-of-life-Prognose von Bauteilen f\u00fcr Medion getan haben. Mit Hilfe einer speziellen Forecast-B\u00f6rse erarbeitet hsx.com<\/em> ein Unternehmen in Los Angeles angeblich recht gute Prognosen f\u00fcr die Einspielergebnisse neuer Spielfilme.<\/p>\n

Gelingt es nicht, die Prognose in den Griff zu bekommen, geht entweder wegen mangelnder Lieferbereitschaft Umsatz verloren oder es entstehen hohe Kosten durch \u00dcberbest\u00e4nde und Verschrottung. Um diese Kosten zu reduzieren, hilft nur, das Unternehmensgesch\u00e4ftsmodell intelligent an den Grenzen des logistischen Gesch\u00e4ftsmodells auszurichten.<\/p>\n

So kann aus dem vermeintlich operativen Problem einer schlechten Absatzprognose eine strategische Herausforderung f\u00fcr das Unternehmen werden.<\/p>\n

Best-Practice-Baustein 11<\/strong>: Spezielle Situationen k\u00f6nnen spezielle Prognosemethoden erforderlich machen. Wenn dies nicht erfolgreich ist oder die Folgen zu teuer sind, bleibt nur, das Unternehmensgesch\u00e4ftsmodell intelligent an den Grenzen des logistischen Gesch\u00e4ftsmodells auszurichten.<\/em><\/p>\n

Je tiefer man in die Details der Absatzprognose einsteigt, desto mehr Best-Practice-Regeln lassen sich aufstellen. Nicht jede Best-Practice-Regel wird in jedem Falle beachtet werden k\u00f6nnen; vor allen Dingen nicht, wenn Sie versuchen mit Bordmitteln voranzukommen.<\/p>\n

Lassen Sie sich von der vermeintlichen Komplexit\u00e4t dieser Regeln nicht abschrecken. Viele der angef\u00fchrten Best Practice-Bausteine werden praktisch von selbst erf\u00fcllt, wenn Sie Ihre Prognosen mit einem leistungsf\u00e4higen Absatzprognosesystem erstellen und dieses richtig konfigurieren. Auf diese Weise gelingt es Ihnen nicht nur, einen gro\u00dfen Schritt in Richtung Best-Practice-L\u00f6sung zu machen; Sie gelangen auch zu weniger aufw\u00e4ndigen Absatzprognoseprozessen.<\/p>\n

Festzuhalten bleibt jedoch abschlie\u00dfend: Wer mit einem selbstgebastelten Gewehr und verbogenen Lauf schie\u00dft, muss sich nicht wundern, wenn das Gewehr nicht trifft. Wundern muss man sich nur, wenn die Bastler daraus schlie\u00dfen, dass auch professionell gefertigte Gewehre grunds\u00e4tzlich nicht treffen.<\/p>\n","protected":false},"excerpt":{"rendered":"

Die Voraussetzung, um Best\u00e4nde und Lieferbereitschaft in den Griff zu bekommen Der Markt zieht an und die Lieferf\u00e4higkeit schmiert ab! Gibt es ein deutliches Signal daf\u00fcr, dass die Absatzprognose in vielen Unternehmen nicht richtig funktioniert? Unternehmen mit einer funktionierenden Absatzprognose \u2013 wir kennen eine ganze Reihe davon und haben vielen davon auch selbst zu einer<\/p>\n","protected":false},"author":25,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"inline_featured_image":false,"footnotes":""},"categories":[1587,1591,1585,1577],"tags":[25,65,27,19,41,45,28,30,121,75,32,49,50,37,51],"class_list":["post-4492","post","type-post","status-publish","format-standard","hentry","category-absatz-bedarfsprognose","category-bestandsmanagement","category-digitale-transformation","category-planung-disposition","tag-absatzprognose","tag-bedarfsprognose","tag-bestand","tag-disposition","tag-erp-system","tag-fertigungssteuerung","tag-lager","tag-lieferbereitschaft","tag-lieferfahigkeit","tag-logistik","tag-prognose","tag-prognoseverfahren","tag-sicherheitsbestand","tag-simulation","tag-supply-chain"],"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