Geschäftsfälle
Echte Erfolgsgeschichten von KI-gesteuerter Optimierung, intelligenterer Prognose und durchgängiger Transformation der Lieferkette.
Reduzierung der Lagerhaltungskosten im Konsumgütersektor
Ein führender deutscher Haushaltsgerätehersteller sah sich mit Ineffizienzen in der Planung, übermäßigem Sicherheitsbestand und hohen Lagerhaltungskosten konfrontiert. aioneers schuf Transparenz über Überbestände und führte gezielte Reduktionsmaßnahmen ein.
Überwindung von Bestandsineffizienzen
- Ungenaue Planung, übermäßige Sicherheitsbestände und kurze Produktlebenszyklen
- Hohe Lagerkapital- und Bestandskosten aufgrund mangelnder operativer Bestandsverwaltung für langsame/nicht bewegte und auslaufende Bestände
Wie wir es gelöst haben
- Maßgeschneiderte Bestandsanalyse (z. B. Analyse zur Bestimmung von Überbeständen bei nicht mehr produzierten Artikeln und langsamen/nicht bewegten Artikeln)
- Einrichtung von Datenpipelines zu SAP
- Standardisierter Workflow für 70 Lagerhäuser, der lokalen Planern Transparenz über Überbestände bietet und Maßnahmen zur Reduzierung erleichtert
- Kreuzfunktionale Koordination von Maßnahmen zur Reduzierung von langsamen und nicht bewegenden Artikeln zwischen Logistik-, Lieferketten- und Vertriebsteams
- Verfolgung von Aktivitäten und Zielerreichung
Reduzierung des Auslaufbestands
Minimierung von langsamen und nicht bewegenden Objekten
Verbesserung der Prognosegenauigkeit für einen führenden Haushaltsgerätehersteller
Manuelle Planungsineffizienzen und ein Mangel an statistischen Prognosemethoden führten zu inkonsistenten Prognosen und nicht abgestimmten Abläufen. aioneers führte KI-gesteuerte Prognosen und automatisierte Planung ein.
Bewältigung von Planungs- und Prognoseherausforderungen
- Hoher manueller Planungsaufwand erhöhte das Risiko von Fehlern und Ineffizienzen, was zu inkonsistenten Prognosen und nicht abgestimmten Abläufen führte
- Ungenaue Prognosen, verstärkt durch das Fehlen statistischer Methoden im Planungssystem, untergruben die Entscheidungsfindung und die Planungsqualität
Wie wir es gelöst haben
- Berechnung der Prognoseempfehlung basierend auf 50 Monaten historischer Verkaufsdaten
- Monatliche Berechnung von Prognoseempfehlungen für Demand Planner auf SKU- und Produktgruppenebene
- Automatisierter Datentransfer zwischen AIO und Planungssystemsoftware
- Modellauswahl mit bester Anpassung für jeden Vorhersagelauf und Parameteroptimierung
- Kundenspezifische Parameter Einstellungen, z.B. Glättungsgrenzen
- Automated dashboard updates to enable forecast controlling
Steigerung der Vorhersagegenauigkeit
Reduzierung der Sicherheitsbestände
Verbesserung der VMI-Prozesse für einen führenden Anbieter in der Verpackungsindustrie
Ein Hersteller von Verbraucherpackungen hatte keine Sichtbarkeit in die Nachfrage und den Bestand, was zu Ineffizienzen im vendor-managed inventory (VMI) führte. aioneers integrierte Kundendaten und implementierte eine Kontrollturmlösung.
Verbesserung der Zusammenarbeit in der Lieferkette
- Die Prozesse der Planung und Ausführung in der Lieferkette sind stark manuell und fehleranfällig
- Mangel an Transparenz entlang der Lieferkette, begleitet von der Schwierigkeit, hohe Leistungsniveaus zu messen und aufrechtzuerhalten
Wie wir es gelöst haben
- Datenverbindung zur täglichen Extraktion von Informationen aus dem fortschrittlichen Planungssystem des Hauptkunden des Kunden
- Prognosedaten
- Kundenbestellungen
- Abbestellungen
- Schaffung von Transparenz in der gesamten Lieferkette und Implementierung eines Control Tower Cockpits zur Messung des Servicelevels, der Prognosequalität und der Bestandsniveaus
- Implementierung des von AIO verwalteten Bestandsalgorithmus basierend auf definierten Geschäftsregeln und Parametern
- Berechnung der Produktionsanforderungen und Erstellung des entsprechenden Lieferplans
Steigerung der pünktlichen und vollständigen Lieferung
Reduzierung des Fertigwarenbestands
KI-gesteuerte Bestandsoptimierung für einen Tiernahrungshersteller
Übermäßige Bestandsniveaus und ineffizientes Bestandsmanagement verringerten die Rentabilität. aioneers führte KI-gestützte Bestandstransparenz und autonome Empfehlungen ein.
Optimierung des Bestandsmanagements
- Hohe Abschreibungen für Halbfertig- und Fertigwarenbestände
- Mangel an Transparenz und Leistungsbewertung entlang der End-to-End-Lieferkette
Wie wir es gelöst haben
- Datenextraktion aus mehreren ERP-Systemen zur Erstellung einer digitalen End-to-End-Darstellung der physischen Lieferkette
- Implementierung von Performance-Management-Dashboards zur Optimierung des Bestands, z.B. Days Inventory Outstanding, 9-Felder-Modell, Sedimentbestandsanalyse
- Ermöglichung von Bestandsimulationen durch die Bewertung von Bestellungen und Anfragen, Produktionsaufträgen, Nachfrageprognosen und bestätigten Kundenaufträgen, um optimale Erfüllungsschritte zu bestimmen
- Erstellung von Warnungen und Erkenntnissen, um den Benutzern zu helfen, sich auf kritische Maßnahmen zu konzentrieren, die den größten Einfluss auf das Working Capital haben.
Reduzierung der Gesamtbestände
Steigerung des Kundenserviceniveaus
Automatisierte Bedarfsplanung für einen Marktführer im Maschinen- und Anlagenbau
Ein globaler Maschinenhersteller sah sich mit Ineffizienzen in der Planung der Lieferkette konfrontiert, was zu erhöhtem manuellem Aufwand und fehlerhaften Entscheidungen führte. aioneers implementierte digitale S&OP-Dashboards
Optimierung der Vertriebs- und Betriebsplanung
- Niedrige SC-Planungsreife und hoher manueller Aufwand, insgesamt beeinträchtigter S&OP-Prozess
- Schwere Lieferengpässe und Unsicherheiten in der Nachfrage, großes Rückstandvolumen, hohe Lagerbestände
Wie wir es gelöst haben
- Maßgeschneiderte S&OP-Dashboards zur Unterstützung von S&OP-Meetings
- Transparenz in den Bedarfsplan und die Ist-Zahlen, Analyse der Bedarfsbestandteile wie Kundenaufträge, Rahmenverträge und Verkaufsprognosen
- Produktionskapazitätsauslastung basierend auf geplanten Aufträgen, Produktionsaufträgen und geplanten Kapazitäten
- Bewertung der Phase-in/Put-Planung und Verbindung zwischen Vorgänger/Nachfolger
- Bewertung und Übersicht der MRP-Ergebnisse entlang der Stückliste
- Prognose zukünftiger Bestandsniveaus zur Hervorhebung von Engpässen auf Materialebene und zur Schaffung von Transparenz über die Bestandsabdeckungen
Reduzierung von Rückständen
Rückgang der Gesamtbestände
Optimierung der Lieferketten für Halbleiterausrüstung
Ein führender Hersteller von Halbleiterausrüstung sah sich mit Lieferengpässen und hohen Kapitalbindungen konfrontiert. aioneers implementierte einen Kontrollturm für die Lieferkette.
Die Verbesserung der Sichtbarkeit in der Lieferkette
- Lieferengpässe und Mangel an Materialverfügbarkeit einerseits und hohe Kapitalbindung aufgrund übermäßiger Bestände andererseits.
- Niedrige Servicelevels führen zu Kundenzufriedenheit und letztendlich zu verlorenen/ rückläufigen Verkäufen
Wie wir es gelöst haben
- Ist-Bewertung und Lösungsdesign in Zusammenarbeit mit einer Tier-1-Beratung
- Ersetzung des bestehenden SAP-Service-Monitors durch eine funktionsübergreifende, durchgängige Steuerung der Lieferkette
- Tägliche Datenbelastung und Analyse der Leistungskennzahlen für Trefferquote, Servicelevel und Zuverlässigkeit
- Implementierung des Bestandsleistungsmanagements, eingebettet in die Kontrollzentrale mit Bestandsentwicklung, Analyse der Deckungsklassen
- Automatisierte Identifizierung kritischer Komponenten und Einschätzung der Auswirkungen von zugesagten Kundendaten / -verzögerungen.
- Onboarding von mehr als 100 Benutzern, die täglich auf Control Tower zugreifen
Erhöhung des Serviceniveaus
Reduzierung des Komponentenbestands
Multi-Ebenen-Bestandsoptimierung in der Metallindustrie
Ein führender Stahlproduzent musste die Bestandsniveaus in einem komplexen Vertriebsnetz optimieren. aioneers implementierte eine Multi-Echelon Inventory Optimization (MEIO) Engine.
Optimierung der Lagerbestände an mehreren Standorten
- Aufgrund des hohen Materialwerts, der Transportkosten und der wettbewerbsintensiven Marktsituationen sind Bestände von besonderem Interesse.
- Aktuelle Bestands- und Nachschubrichtlinien werden lokal entschieden, ohne die Gesamtoptimierungspotenziale zu berücksichtigen
Wie wir es gelöst haben
- Extraktion von VBAK/VBAP/MARA-Daten für alle lokalen Verkaufsrechtseinheiten im APAC-Bereich sowie für Stahlwerke
- Bereitstellung von Empfehlungen zum "Größenprogramm" an die Planer im Rahmen des softwaregestützten monatlichen Prozesses durch
- Bewertung gültiger Nachschubrichtlinien auf jeder Ebene
- Berechnung optimaler Parameter basierend auf verschiedenen Ansätzen
- Bewertung der Ergebnisse jeder Simulation basierend auf Leistungsindikatoren
- Bereitstellung der MEIO-Engine zur Berechnung optimaler Bestandsniveaus in lokalen Lagern
Service-Level
Reduzierung der Sicherheitsbestände
Schaffung von Transparenz in der gesamten Lieferkette für einen Tier-1-Automobilzulieferer
Ein Tier-1-Automobilzulieferer hatte mit Bestandsungleichgewichten in mehreren Werken zu kämpfen, was zu Ineffizienzen und hohen Lagerbeständen führte. aioneers führte KI-gestützte Transparenz in der Lieferkette ein.
Überwindung von Bestandsineffizienzen
- Hohe Gesamtbestandsposition. Totlager und langsam-/nicht bewegende Bestände aufgrund von Unsicherheiten in der Nachfrage und im Angebot
- Fehlende End-to-End-Inventartransparenz auf globaler Ebene, verstärkt durch hohen manuellen Aufwand zur Erstellung des täglichen Inventarberichts
Wie wir es gelöst haben
- AIO ist sowohl für den täglichen operativen Einsatz als auch für das Management-Reporting und die Einleitung taktischer Verbesserungsmaßnahmen zur Reduzierung von Beständen durch aktives Management mittels Workflows konfiguriert.
- Schaffung von durchgängiger Bestands-transparenz und -prognose
- Reduzierung des manuellen Aufwands für die Bestandsüberwachung und -berichterstattung auf täglicher/monatlicher Basis
- Möglichkeit, Drill-Downs und -Ups auf Material, Produktgruppe, Werk usw. durchzuführen
Reduzierung des Sedimentbestands
Reduzierung der Gesamtbestandsposition
Verbesserung der Genauigkeit der Bedarfsprognose für einen Tier-1-Automobilzulieferer
Volatile Nachfrage und schlechte Prognosegenauigkeit führten zu Ineffizienzen und erhöhten Kosten in der Lieferkette. aioneers führte prognosebasierte maschinelles Lernen ein.
Die Sichtbarkeit der Nachfrage verbessern
- Die kurzfristige Nachfrageschwankung beeinflusst die Lieferkette, wobei die Transparenz über Nachfrageschwankungen nicht effektiv in den Nachfrageprognosen widergespiegelt wird.
- Termingerechte Lieferung, übermäßige Überbestände, teure Premium-Frachtkosten, negative Auswirkungen auf die Produktionsneuplanung
Wie wir es gelöst haben
- (Re-)Design von KPIs/Metriken für die Bedarfsplanung und die Prognoseleistung zusammen mit den wichtigsten Stakeholdern des Kunden
- Erstellung eines ML-basierten Prognosemodells einschließlich Feature Engineering
- Datenbereinigung, Kreuzvalidierung und Hyperparameteroptimierung durchführen, um die Modellleistung zu überprüfen
- Prognoseleistungs-Dashboards zur Visualisierung der aktuellen Prognosequalität und Verbesserungspotenziale
- Globale Einführung und Akzeptanz der Lösung zusammen mit dem Kunden
Steigerung der Prognosegenauigkeit
Reduzierung des Sicherheitsbestands
KI-gestützte Nachfrageprognose für einen Automobil-OEM
Ein großer Automobilhersteller benötigte bessere Prognosen, um Schwankungen der Kundennachfrage vorherzusehen. aioneers setzte ein KI-basiertes Prognosesystem ein.
Die Verbesserung der Nachfrageprognose
- Späte Identifizierung kritischer Situationen, die zu reaktiver Steuerung und Einschränkungen in der Produktion und Logistik führen
- Kostenintensive Maßnahmen wie verschiedene Sonderluftfracht, um die Produktverfügbarkeit zu sichern
Wie wir es gelöst haben
- Integration von Daten aus mehreren Quellsystemen (ERP, SD, SAP BW, Anaplan)
- Maschinelles Lernen basierte Prognosen für das gesamte globale Produktportfolio, mit dem Ziel, die Prognosegenauigkeit zu erhöhen
- Einheitliche Datenquelle, die mehrere Werke und ERP-Systeme verbindet
- Kreuzwerk- und funktionsübergreifende Zusammenarbeit durch standardisierte Berichterstattung
- Vorausschauende Transparenz und Verfügbarkeitsprognose durch Analyse von Nachfrage, Beständen und Lieferungen
Steigerung der Prognosegenauigkeit
Reduzierung der Prognoseüberbewertung
Optimierung von S&OP in der Pharmaindustrie: Bestände reduzieren und gleichzeitig den Service verbessern
Ein Pharmaunternehmen hatte mit hohen Beständen und schlechten S&OP-Prozessen zu kämpfen. aioneers implementierte ein fortschrittliches Kontrollturmsystem.
Transformation von S&OP für bessere Leistung
- Unreifer S&OP-Prozess und Mangel an durchgängiger Transparenz in der Lieferkette
- Hohe Lagerbestände und kontinuierlich sinkende pünktliche und vollständige Leistung der Endkunden
Wie wir es gelöst haben
- Tägliche Updates über die Datenpipeline-Verbindung zum SAP-System der Gruppe
- Implementierung des Rahmenwerks zur Segmentierung der Lieferkette
- Aktivierung des S&OP-Konzepts im AIO Control Tower, mit globalen und lokalen Ansichten (unterstützt durch das RACI des Kunden und das Rollen- und Berechtigungskonzept von AIO)
- Identifizierung von Verbesserungsbereichen und Entscheidungsunterstützung für Supply Chain Planner und S&OP-Management-Team
- Schaffung einer funktionsübergreifenden, durchgängigen Sicht auf die Lieferkette
- Einführung eines umfassenden Systems zur Leistungsverwaltung von Beständen
Reduzierung der Fertigwarenbestände
Reduzierung der Prognoseverzerrung
KI-gestützte Prognosen für einen Marktführer in der Spezialchemie
Ein globales Unternehmen für Spezialchemikalien benötigte eine bessere Prognosegenauigkeit und Bestandskontrolle. aioneers führte KI-gesteuerte Bedarfsplanung ein.
Optimierung der Bedarfsplanung
- Niedrige Prognosequalität trotz zeitintensivem, dezentralem Verkaufsprognoseprozess
- Übermäßige Bestände an Fertig- und Halbfertigwaren sowie insgesamt niedrige Kundenserviceniveaus
Wie wir es gelöst haben
- System- und Datenintegration, um z.B. die Produktlinie, Änderungen der Produkt-IDs und produktionsprozessbezogene Stammdaten für halbfertige SKUs abzubilden, um eine Basislinie für die Nachfrageprognose zu erstellen
- Bereitstellung der auf maschinellem Lernen basierenden Prognose-Engine von AIO zur Berechnung der Nachfrageprognose (monatlich) über mehrere Planungsebenen hinweg
- Messung der Prognosequalität und des Prognosewerts entlang des Bedarfsplanungsprozesses
- Integration der Prognoseergebnisse in die monatliche Geschäftstaktik (S&OP)
- Automatisierung von Erkenntnissen und Warnungen, um Planer zu kritischen Prognosepunkten zu führen und eine schnelle Problemlösung zu ermöglichen
Steigerung der Prognosegenauigkeit
Reduzierung der Sicherheitsbestände
Entdecken Sie unsere innovativen Lösungen
Entdecken Sie, wie unsere KI-Lösungen Ihre Lieferkettenoperationen zum Besseren verändern können.