Showcase: Absatzprognose mit automatischer Bestellung


Die Fanshop-Allgäu GmbH (hierbei handelt es sich um eine fiktive GmbH) ist ein Unternehmen mit 15 Mitarbeitern und vertreibt über ihren Onlineshop knapp 6000 regionale Produkte aus dem Allgäu. Von Kuhglocken als Urlaubssouvenir bis hin zu den verschiedenen Sorten vom leckeren Bergkäse können die Kunden über den Shop alles bestellen, was das Allgäu zu bieten hat. Diese Produktvielfalt bringt der GmbH viele Kunden und ein starkes Wachstum. Allerdings hat die Fanshop-Allgäu GmbH dadurch hohe Lagerkosten und zunehmend Lieferschwierigkeiten, da die umfangreiche Produktpalette einen Überblick der zu tätigenden Nachbestellungen nahezu unmöglich macht.

Plt
Abb. 1: Schematische Darstellung des Projekts

Das Unternehmen sucht nach einer Lösung, wie es seine Bestell- und Lagerkosten senken und den zeitaufwendigen Bestellprozess automatisieren kann. Außerdem haben Untersuchungen einer dafür beauftragten Marketingagentur ergeben, dass die Kunden des Onlineshops extrem empfindlich auf Lieferschwierigkeiten reagieren. Deshalb soll die Out-of-Stock-Quote auf jeden Fall minimiert werden. Der Geschäftsführer der Fanshop-Allgäu GmbH wird auf die Ehrenmüller GmbH aufmerksam und erkundigt sich in einem kostenlosen Beratungstermin nach einer technischen Lösung des Problems. Die Unternehmen vereinbaren zunächst, dass die Ehrenmüller GmbH auf Basis der historischen Verkaufsdaten einen kostenpflichtigen KI-Prototypen entwickelt, der testweise den Absatz eines Produkts der Fanshop-Allgäu GmbH prognostiziert (siehe Abb. 2).

Plt
Abb. 2: Absatzprognose des Testproduktes. Die tatsächlichen Absätze werden mit schwarzen Datenpunkten visualisiert. An der blauen Linie kann man erkennen, wie das Modell die historischen Daten erfasst. Die Absatzprognose ab dem Zeitpunkt 2012-02 wird durch die grüne Linie visualisiert. Der hellblaue Bereich beschreibt das Konfidenzintervall der Prognose. Die Datenpunkte, die außerhalb dieses Bereichs liegen, werden vom Prognosemodell als Outliers identifiziert.

Dazu wird zunächst ein statistisches Modell gesucht, das die historischen Verkaufsdaten der Produkte gut beschreibt. Anschließend wird aufbauend auf dieser Prognose ein Optimierungsproblem (siehe Abb. 3) aufgestellt, das Lieferschwierigkeiten ausschließen und gleichzeitig die Lager- und Bestellkosten minimieren soll. Aufbauend darauf, werden die optimalen Bestellzeitpunkte und -mengen ermittelt. Daraufhin werden in einem Dashboard (siehe Abb. 4) die Ergebnisse zusammengefasst und dem Mitarbeiter die Bestellvorschläge angezeigt.

Plt
Abb. 3: Optimierungsmodell, das die optimalen Bestellzeitpunkte und -mengen im Vergleich zum alten Lagerbestand ermittelt. In diesem Beispiel hat das Unternehmen einen deutlich geringeren Lagerbestand und kann seine Lagerkosten halbieren. Beispielsweise zeigt die Bestellung am 30. März 2012 gut, wie das Modell den zukünftigen hohen Absatz in der nächsten Woche prognostiziert und so die Lieferfähigkeit des Unternehmens sichert, ohne dabei unnötige Lagerkosten zu verursachen.

Nun wird das Ergebnis zwischen den beiden Unternehmen besprochen und aufgrund der vielversprechenden Ergebnissen vereinbart, dass die Ehrenmüller GmbH das Verfahren auf alle Produkte des Onlineshops anwendet. Dabei werden die statistischen Vorhersagen und Optimierungsprobleme automatisiert gelöst. Dies ermöglicht eine schnelle Umsetzung. So kann die Fanshop-Allgäu GmbH das neue System schnell in der Praxis einsetzen und freie Kapazitäten für die Weiterentwicklung des Unternhemens einsetzen.

Plt
Abb. 4: Das Dashboard ist die visuelle Ausgabe des Prototypen. In ihm ist der aktuelle Planungsstand abgetragen, der sich wöchentlich automatisch neu berechnet.

Schon unmittelbar nach Einführung des Systems sinken die Lagerkosten signifikant, ohne die Lieferfähigkeit zu beeinträchtigen. Zudem werden die Bestellungen automatisiert durchgeführt und somit der manuelle Aufwand deutlich reduziert. Das Beste dabei ist, dass die Absatzprognosen im Zeitverlauf sogar noch besser werden, da das System an den neuen Daten lernt. Durch rollierende Anpassung der Absatzprognose, kann das System sowohl auf saisonale als auch strukturelle Nachfrageänderungen reagieren. Im Ergebnis steigt der Gewinn der Fanshop-Allgäu GmbH, da deutlich weniger Lager- und Bestellkosten anfallen als bisher. Außerdem sinkt die für den Unternehmenserfolg so wichtige Out-of-Stock-Quote beträchtlich.

Möchten Sie auch wie die Fanshop-Allgäu GmbH von der KI-gestützten Absatzprognose mit automatisierten Bestellungen profitieren?

Kontaktanfrage

Unleash the full potential

Schöpfen Sie mit uns das volle Potenzial aus Ihren Daten und optimieren Sie Ihre Prozesse und Produkte.