Prädiktive Bestands- & Logistiksteuerung

Executive Summary

Fehlende Materialien erzeugen Kettenreaktionen: Crews warten, Termine rutschen, Expressfracht wird teuer. Planung per Spreadsheet und spätem Lagercheck greift zu kurz. Eine KI-Schicht prognostiziert den Bedarf aus Bauplänen und Stücklisten, gleicht ihn mit verfügbaren und in Lieferung befindlichen Beständen ab und erzeugt standort- und datumsspezifische Pick-/Ship-Listen. Engpässe werden frühzeitig mit Alternativen und Umlagerungen gemeldet; Freigaben bleiben beim Menschen.

Das heutige Problem

Zeitpläne ändern sich häufig; Stücklisten passen sich der Realität vor Ort an. Lager halten „zur Sicherheit“ hohe Bestände—trotz Stockouts bei kritischen Teilen. Transparenz verteilt sich auf WMS, ERP, Bestellungen und manuelle Listen. Lücken fallen erst auf der Baustelle auf—dann wird es am teuersten.

Der KI-gestützte Ablauf

1. Ingestion & Normalisierung: Baupläne, Stücklisten, Change Orders, WMS-Bestände, POs/ASNs, Lieferzeiten, Transit-ETAs und Crew-Kalender in ein kanonisches Modell.
2. Bedarfsprognose: Rollierende, standortbezogene Forecasts (2–8 Wochen) wandeln Tasks → Komponenten → Mengen; Unsicherheitsbänder reduzieren Fehlalarme.
3. Versorgungsabgleich: Nettobedarf = Prognose − (Bestand + reserviert + in Transit). Losgrößen, Min/Max und Substitutionsregeln werden berücksichtigt.
4. Pick-/Ship-Automation: Je Standort/Datum erzeugt das System Picklisten, Wellenpläne und Versandvorschläge; Cross-Docking und Truckkonsolidierung werden vorgeschlagen.
5. Engpasswarnungen & Optionen: Frühwarnungen mit Lücke, Konfidenz, frühestem Deckungsdatum und Alternativen (Substitute, Umlagerung nahegelegener Depots, Vorziehen offener POs).
6. Exception-Workflow (Chat/Voice): Lager- und Field-Leads erhalten Prompts: „2× 1-km-Trommeln von Depot B nach Baustelle 12 für Montag umlagern?“ Antworten aktualisieren Pläne in Echtzeit.
7. Messung & Lernen: Abweichungen zwischen Plan und Ist (Verbrauch, Verschnitt, Rückläufer) schärfen Forecasts; Langsamdreher werden umverteilt.

Privacy-by-design, compliance-aligned: Datenminimierung, rollenbasierte Zugriffe, EU-gebundene Verarbeitung und unveränderliche Audit-Logs. Entscheidungsunterstützung—finale Freigaben für Substitutionen, Nachbestellungen und Expresssendungen bleiben bei den Verantwortlichen.

Pilotumfang (6–8 Wochen)

• Scope: 1 Region, 2–3 Depots, 80–150 SKUs mit Fokus auf High-Runner (z. B. Trommeln, Closures, Splitter).
• Schnittstellen: Read-only WMS/ERP; Import von Bauplänen/Stücklisten; Picklisten per CSV/API; optional Telematik für ETA-Validierung.
• Erfolgskriterien: Stockout-Rate bei Ziel-SKUs, On-Time-Jobstarts, Crew-Leerlaufstunden, Häufigkeit/Kosten von Expressfracht, Forecast-MAE.

Hypothesen-Metriken (illustrativ, nicht garantiert):

• Stockouts bei Ziel-SKUs −40–60 %.
• Crew-Leerlauf wegen Materialmangel −20–40 %.
• Expressfracht-Ereignisse −25–45 %.
• Durchschnittsbestand bei Ziel-SKUs −8–15 % ohne Serviceverlust.

Schnelles ROI-Beispiel (Szenario):
300 Crew-Tage/Monat mit 1 h Leerlauf zu 120 €/h → 36.000 €/Monat bei kompletter Vermeidung; 30 % Reduktion ergibt ~10.800 €/Monat.
Bei 5 Mio. € Durchschnittsbestand und 15 % Kapitalkosten spart eine 10 %-Reduktion auf Ziel-SKUs jährlich 5 Mio. × 10 % × 15 % = 75.000 €—zuzüglich weniger Expressfracht und Reschedulings.

Risiken & Gegenmaßnahmen

• Volatile Zeitpläne: Häufige Re-Plans mit versionierten Deltas; Sperrfenster für kurzfristige Picks.
• Datenlücken: Konfidenz-Scoring, Pflichtbestätigungen bei niedriger Sicherheit; klare „Warum“-Erklärungen.
• Change Management: Start mit Assist-Modus; Auto-Picks erst nach Shadow-Phase.
• „Safety-Stock-Gaming“: Transparente Servicelevel-Ziele, SLA-basierte Min/Max-Leitplanken.

Vom Pilot zum Rollout

Ausbau auf weitere Depots und SKUs, Rücklauf-/Repair-Schleifen, Lieferantenperformance sowie Wetter/Verkehr für präzisere ETAs. Multi-Echelon-Optimierung zwischen Zentrallager und Feldepots. So werden Materialien zum planbaren Fluss: Crews starten pünktlich, Lkw fahren voll—nicht verspätet.

Erwartete Wirkung (illustrativ):

• Weniger Projektverzögerungen durch fehlende Materialien.
• Niedrigere Bestandskosten dank präziser Planung.
• Höhere Produktivität und Auslastung der Crews.
• ROI durch weniger Downtime und optimierten Bestand innerhalb von Monaten.