KI-Lösungen · Use Case

Lieferketten optimieren durch probabilistische KI-Nachfrageprognosen

Saint-Gobain Sekurit setzt eine KI-gestützte Planungsplattform von Flowlity ein, um Nachfrageprognosen auf Artikelebene zu erstellen und Bestände zu optimieren. Das System ersetzt manuelle Tabellenkalkulationen sowie fragmentierte ERP-Planung durch probabilistische Vorhersagen. Dadurch werden Volatilität, Saisonalität und Wiederbeschaffungszeiten im weltweiten Ersatzteil- und Glasgeschäft verlässlich abgebildet.

Saint-Gobain Sekurit transformiert die Bedarfsplanung im weltweiten Glasvertrieb mit einer KI-Engine von Flowlity. Statt ungenauer Tabellen liefern probabilistische Modelle belastbare Prognosen für tausende Referenzen.

Worum es geht

Im weltweiten Vertrieb von Automobilglas steht die Disposition vor der Herausforderung, tausende Referenzen über komplexe Lieferkettennetzwerke hinweg bedarfsgerecht bereitzustellen. Saint-Gobain Sekurit löst fragmentierte ERP-Landschaften und manuelle Tabellenkalkulationen durch die KI-gestützte Planungs-Engine von Flowlity ab. Anstelle starrer Einzelwertprognosen berechnet das System probabilistische Vorhersagen unter kontinuierlicher Berücksichtigung von Nachfragevolatilität, Saisonalität und Wiederbeschaffungszeiten für einzelne Fahrzeugglas-SKUs. Die Algorithmen verarbeiten historische Absatz-, Auftrags- und Marktdaten, um standort- und artikelspezifische Sicherheitsbestände sowie Nachbestellmengen dynamisch zu kalibrieren. Auf dieser Basis senkt das Unternehmen seine Lagerbestände ab und steigert parallel die Produktverfügbarkeit für OEM- und Aftermarket-Kunden. Die automatisierte Bedarfsermittlung entlastet S&OP- und Dispositions-Teams von fehleranfälliger Routinearbeit und etabliert eine koordinierte Supply-Chain-Planung.

Einordnung

  • Reifegrad: Mature
  • Komplexität: Mittel
  • Technologie: Maschinelles Lernen, probabilistische Bedarfsplanung, Supply-Chain-Optimierungsalgorithmen

Typische Einsatzmuster

  • Ein Supply-Chain-Planer prüft morgens die von der KI berechneten Bedarfe für tausende Glasreferenzen und übernimmt die optimierten Nachbestellvorschläge direkt in das Beschaffungssystem.
  • Das System passt die Sicherheitsbestände einzelner Fahrzeugscheiben automatisch an, sobald sich Wiederbeschaffungszeiten von Lieferanten oder saisonale Nachfragemuster verändern.
  • Im monatlichen S&OP-Meeting nutzt das Management die aggregierten KI-Prognosedaten, um Kapazitäten und Beschaffungsbudgets auf belastbarer Zahlenbasis abzustimmen.

Voraussetzungen

  • Für verlässliche Vorhersagen ist die kontinuierliche Bereitstellung bereinigter historischer Auftrags-, Absatz- und Bestandsdaten aus den ERP-Systemen erforderlich.
  • Die KI-Plattform muss Schnittstellen zur automatisierten Übergabe der berechneten Bestellmengen an die operative Beschaffung und Disposition bieten.
  • Die Planungs- und Einkaufsteams müssen im Umgang mit probabilistischen Prognosemodellen geschult werden, um algorithmische Empfehlungen sachgerecht zu bewerten.

Nutzen

Für Unternehmen

  • Steigerung der Prognosegenauigkeit auf SKU-Ebene um 15 %
  • Senkung der gebundenen Lagerbestände um 9,25 %
  • Erhöhung des Serviceniveaus und der Produktverfügbarkeit von 95,8 % auf 97,2 %
  • Ablösung fehleranfälliger manueller Tabellenkalkulationen und isolierter ERP-Systeme

Für Beschäftigte

  • Wegfall zeitaufwendiger manueller Tabellenkalkulationen in der Absatzplanung
  • Verlässliche, datenbasierte Prognosewerte zur Absicherung von Dispositionsentscheidungen
  • Frühzeitige Erkennung von Nachfrageschwankungen und Lieferengpässen
  • Entlastung für strategische Abstimmungen im Rahmen des S&OP-Prozesses

Für Privatpersonen

  • Höhere Verfügbarkeit benötigter Fahrzeugglas-Ersatzteile bei Reparaturen
  • Kürzere Wartezeiten auf passende Original- und Ersatzscheiben in Werkstätten
  • Geringeres Risiko von Lieferverzögerungen bei fahrzeugspezifischen Reparaturen

Herausforderungen

Für Unternehmen

  • Harmonisierung heterogener Daten aus fragmentierten ERP-Systemen
  • Hohe Anforderungen an die Datenqualität historischer Auftrags- und Verkaufsdaten
  • Sicherstellung der Akzeptanz probabilistischer Prognosemodelle im operativen Einkauf
  • Laufende Kalibrierung der Algorithmen bei unvorhersehbaren Marktschocks

Für Beschäftigte

  • Notwendigkeit, das Vertrauen in probabilistische Algorithmen gegenüber Erfahrungswerten aufzubauen
  • Einarbeitungsaufwand für die Umstellung von Tabellenblättern auf die KI-Plattform
  • Kritische Prüfung von Modellausgaben bei extremen Nachfragespitzen oder Lieferstopps

Für Privatpersonen

  • Abhängigkeit von reibungslosen Lieferketten für termingerechte Werkstatttermine
  • Fehlende direkte Transparenz über Lagerbestände der Vorlieferanten
  • Mögliche Preisauswirkungen durch Schwankungen der globalen Logistikkosten

Wirkung

Herkömmliche regelbasierte Software berechnet Bestände meist über statische Sicherheitszuschläge und lineare Vergangenheitswerte, die unvorhersehbare Nachfragespitzen und Lieferantenverzögerungen ignorieren. Eine KI-Engine hingegen nutzt probabilistische Verfahren, um Unsicherheiten, Saisonalitäten und dynamische Wiederbeschaffungszeiten kontinuierlich auf Artikelebene mitzulernen.

Für Unternehmen

Automobilglashersteller sichern sich durch eine Verfügbarkeitsquote von 97,2 % einen klaren Vorteil gegenüber Wettbewerbern mit starren ERP-Systemen. In einem Markt mit hohen Serviceanforderungen von Werkstätten und Flottenbetreibern stärkt die zuverlässige Lieferfähigkeit langfristige Lieferverträge.

Die Reduktion der Lagerbestände um 9,25 % setzt gebundenes Betriebskapital in Millionenhöhe frei, während die Erhöhung der Produktverfügbarkeit auf 97,2 % Umsatzausfälle im Aftermarket verhindert. Unternehmen vermeiden teure Sonderfrachten und minimieren das Risiko von Wertberichtigungen auf schwer verkäufliche Altbestände.

Der Übergang von statischen Tabellenblättern zu einer integrierten KI-Engine automatisiert die Bedarfsberechnung über tausende Artikelnummern hinweg. Dies reduziert manuelle Abstimmungsschleifen zwischen Einkauf, Lagerhaltung und Vertrieb und harmonisiert heterogene ERP-Datenstrukturen.

Für Beschäftigte

In deiner täglichen Arbeit entfällt das mühsame manuelle Zusammenstellen und Abgleichen unzähliger Excel-Tabellen. Du musst Bestände nicht mehr auf Basis von Bauchgefühl oder groben Schätzungen disponieren, sondern greifst auf belastbare Wahrscheinlichkeiten zurück.

Deine Rolle wandelt sich vom operativen Tabellenbearbeiter zum strategischen Supply-Chain-Koordinator. Du steuerst aktiv Ausnahmesituationen und stimmst dich auf Augenhöhe mit Lieferanten und Vertrieb ab, während die Routineplanung automatisiert abläuft.

Du erlernst den Umgang mit modernen Planungsplattformen und vertiefst dein Verständnis für probabilistische Datenmodelle. Statt manueller Datenpflege gewinnt die Interpretation von Prognoseabweichungen und Marktszenarien an Bedeutung.

Für Privatpersonen

Sie profitieren als Fahrzeughalter von schnellen Reparaturen nach einem Glasschaden, da benötigte Scheiben direkt vor Ort verfügbar sind. Transparente und planbare Lieferzeiten im Großhandel verhindern wiederholte Werkstattbesuche.

Eine stabile Ersatzteilversorgung stellt sicher, dass Mobilität im Alltag ohne wochenlange Ausfallzeiten von Fahrzeugen gewährleistet bleibt.