Wiederherstellung eines optimalen Bestandsmanagements nach Engpässen in den Lieferketten mittels Künstlicher Intelligenz für ein produzierendes Unternehmen in der Automobilzulieferindustrie
- Mittelständisches, produzierendes Unternehmen in der Automobilzulieferindustrie, mit mehreren Produktionsstandorten europaweit.
- Engpässe in den Lieferketten führen zu erschwerten Bestandsprognosen.
- Stark schwankende Bedarfe führen zu Fehleinschätzungen in der Beschaffungsplanung und letztlich einerseits zu hohen Beständen und anderseits zu vielen Fehlteilen.
- Um Lieferfähigkeit zu sichern, wurden die Bestände stark aufgebaut. Dies führt zu hohem gebundenem Kapital und reduzierter Liquidität sowie Flexibilität für notwendige Investitionen.
- Aussagekraft der Bedarfsprognosen maximieren, um Bestandsmanagement zu verbessern.
- Verbesserte Bestell- und Bestandsparameter ermitteln.
- Im Bestand gebundenes Kapital reduzieren.
- Transparenz für das Bestandsmanagement wiederherstellen.
- Optimierungs- sowie Automatisierungspotenziale für den Lagerbestand ermitteln, Ursachen für Ineffizienzen identifizieren, damit die Lieferfähigkeit langfristig sichergestellt werden kann.
- Relevante Datensätze für die Bedarfs-, Bestands-, und Beschaffungsplanung identifizieren, (z.B. Bestandsverlaufsdaten, Wiederbeschaffungszeiten, Losgrößen, Fertigungsdaten, Kundendaten etc.).
- Konsolidieren und Aufbereitung der Daten aus unterschiedlichen internen und externen Datenquellen und Systemen. Dabei werden Datenquellen über die verschiedenen Produktionsstandorte hinweg berücksichtigt.
- Einsatz von KI-Algorithmen auf Basis der bereitgestellten Daten zur Prognose der zukünftigen Bedarfe und somit notwendigen Bestände.
- Optimierung der Bedarfsprognose durch selbständige Anpassung der KI-Algorithmen sowie Feedback der verantwortlichen Nutzer.
- Ableitung von Handlungsempfehlungen für die Bedarfsplanung, Beschaffungsplanung, Produktionsplanung, Finanzplanung etc. zur maximalen Ausschöpfung der Potenziale.
- Bestellmengen und Bestellzeitpunkte werden aus den erhobenen Daten erfasst, um frühzeitige Warnungen vor Fehlbeständen zu erhalten. So konnte die Liefertreue um bis zu 15% gesteigert werden.
- Durch KI-Methoden können laufend optimierte Sicherheitsbestände ermittelt und aufgebaut werden.
- Deutliche Verbesserung der Verfügbarkeit des Sortiments, durch verbesserte und aussagekräftigere Prognosen der Bedarfsplanung.
- Schaffung eines Gleichgewichts zwischen ausreichend hohen Sicherheitsbeständen und möglichst geringem gebundenem Kapital. Bestandsreduzierungen um 20-30%