KI-basiertes Prognosemodell von Paretos implementiert

Faller Packaging hatte sich lange Zeit auf manuelle, auf Intuition basierende Prognosen verlassen, wobei Vertriebsmitarbeiter und Kunden persönliche Schätzungen abgaben. Dieses System führte zu Prognosen, die rückwärts gerichtet und oft ungenau waren. Gerardo Rendina, Vice President IT & Digitization bei Faller Packaging: „Unsere Prognosen basierten auf vergangenen Trends und der subjektiven Einschätzung der Vertriebsmitarbeiter. Es gab keinen datengesteuerten Ansatz.“ Dies stellte ein erhebliches Risiko für das Unternehmen dar. Hinzu kam, dass Faller Packaging bereits seit längerer Zeit die Leadtime-Versprechen an ihre Kunden nur mit erhöhtem Aufwand erfüllen konnte, ein Zustand, der sich in den letzten Jahren zunehmend verschärfte. Um sich nachhaltig und wettbewerbsfähig zu positionieren und die steigenden Anforderungen ihrer Kunden besser zu erfüllen, sah Faller die Notwendigkeit, eine skalierbare, datenbasierte Lösung einzuführen.

Nils Höpker, Leiter Logistik & Demand Management bei Faller Packaging, formuliert die Vision hinter dem Projekt: „Wir haben in den letzten Jahren einfach erkannt, dass zum einen eine möglichst gute Planung sehr entscheidend dafür ist, wie effizient wir fertigen, aber auch wie gut und pünktlich wir unsere Kunden beliefern. Da es unsere Mission ist, unseren Kunden die zu erwartende Liefer-Performance bereit zu stellen, um ‚die Pharma Supply-Chain neu zu denken und digital zu managen‘, war es für uns schnell klar, dass wir die KI-Anwendung von Paretos nutzen möchten.“

Paretos führte ein umfassendes, datengetriebenes Pro­gnosesystem bei Faller Packaging ein, das den traditionellen Bauchgefühl-Ansatz um ein automatisiertes Modell auf der Grundlage von fünf Jahren historischer Vertriebsdaten ergänzt. Das neue System ermöglicht regelmäßige, zuverlässige Verkaufsprognosen, die vom Vertriebsteam leicht überprüft werden können. Thorstein Heilig, Co-Gründer und CEO von Paretos: „Es ist uns wichtig, mit Paretos ab dem ersten Tag die Grundlage für präzise Prognosen und fundierte Entscheidungen zu legen – und so Maßstäbe in Sachen Effizienz und Ergebnisgenauigkeit zu setzen.“ Die Lösung bei Faller wurde mit Blick auf Erweiterbarkeit entwickelt. Gerardo Rendina betont: „Mit Paretos ist die Skalierbarkeit integriert. Wir haben mit einem Anwendungsfall und einem kleinen Team begonnen, und von da an können wir einfach weitere Produktgruppen hinzufügen oder sogar neue Produktionsstandorte einbeziehen.“ Erstaunlicherweise gab es nur sehr geringe Probleme bei der Implementierung. „Wir konnten, da es insbesondere um historische Verkaufszahlen als Input ging, auf einer sehr guten Datenbasis in unserem ERP-System aufbauen. Das Herunterladen aus unserem System und das Bereitstellen der Daten in dem KI-Tool ist über Standardreports einfach umsetzbar“, erzählt Höpker rückblickend.

Eine Schlüsselkomponente des neuen Systems ist der rollierende Forecast, der monatlich aktualisiert wird und Prognosen bis zu 17 Monate im Voraus ermöglicht. Dies befähigt Faller Packaging, schneller auf Marktveränderungen zu reagieren und die Ressourcenzuweisung zu optimieren. Eine willkommene Ergänzung zu den Zielen, die Liefertreue zu verbessern und die Lagerkosten zu senken. Rendinas Priorität auf eine schnelle Time-to-Value und niedrige Total Cost of Ownership spielte bei der Entscheidung für Paretos ebenfalls eine Rolle: „Der Fokus lag auf Handeln und Ergebnissen, nicht auf endlosen Diskussionen über den ROI.“ Die Time-to-Value des Projektes betrug durch eine schnelle, iterative Implementierung lediglich vier Monate. Dabei war es von Vorteil, dass die Akzeptanz im Vertriebsteam von vornherein groß war und etwaige Widerstände bald bröckelten. Höpker: „Das KI-Modell stellt für das Vertriebsteam in vielerlei Hinsicht eine Vereinfachung dar. Dies hilft sicherlich auch, um Widerstände klein zu halten. Auch, und das ist sehr wichtig, ersetzt das KI-Modell nicht die manuellen Prognosen. Vielmehr wird eine neue Dimension in der Planung berücksichtigt.“

Die Implementierung des Prognosemodells brachte sofortige Verbesserungen. Die Prognosegenauigkeit stieg um 50 %, was eine weitaus verlässlichere Grundlage für unternehmerische Entscheidungen darstellt. Das neue System verschaffte dem Vertriebsteam einen erheblichen Zeitgewinn, so dass es sich auf strategische Aufgaben konzen­trieren konnte, statt sich um manuelle Prognosen zu kümmern. So wurde beispielsweise die KI-Prognose bei Frage­stellungen wie „Wie viel Material sollen wir für den Kunden bevorraten?“, „Wieviel Kapazität muss ich abbauen oder aufbauen?“, „Müssen weitere Mitarbeiter in einem bestimmten Bereich qualifiziert werden?“ bei den Entscheidungen miteinbezogen. Es gibt bereits Ansätze einer Bewertung des Prognosetools. „Allerdings ist die Bewertung der Ersparnisse einer besseren Planung immer sehr annahmebasiert“, sagt Höpker. „Wir haben aber eine rückblickende Messung der Planungsgenauigkeit beziehungsweise der entstandenen Kosten durch eine falsche Planung aufgesetzt und werden so eine rückblickende Messung von Einsparungen etablieren.“ Jedenfalls soll der Return on Investment bereits im ersten Jahr der Zusammenarbeit erreicht werden.

Faller nutzt die objektiven Forecasts, um fundiertere Diskussionen mit seinen Kunden zu führen. „Die Vorhersagen von Paretos liefern uns einen neutralen, KI-gestützten Input, den wir für unsere Kundengespräche nutzen können. „Es ist jetzt eine ganz andere Art der Zusammenarbeit“, bemerkt Nils Höpker. Das ist in seinen Augen der größte Benefit. Man schaffe es mehr und mehr, nach vorne gerichtete Gespräche führen. „Erreicht haben wir dies durch einen Prozess, den wir Forecast Commitment nennen, bei dem in regelmäßigen Abständen Kundenprognosen, unsere internen manuellen Prognosen und die KI-Prognose miteinander abgeglichen und abgestimmt werden. Dadurch etablieren wir mit unseren Kunden immer genauere Forecasts, die dann zu einer besseren Liefer-Performance führen. Das heißt: Wir behalten die KI-Prognosen nicht bei uns, sondern beziehen diese aktiv in die Gespräche mit unseren Kunden ein“, so der Faller-Mann.

Fallers Reise mit Paretos hat gerade erst begonnen. Nach einem erfolgreichen Testlauf mit einer begrenzten Produktgruppe prüft das Unternehmen nun, wie die Lösung auf weitere Produkte und Standorte ausgeweitet und sogar KI-gestützte Vorhersagen in die Produktionsplanung integriert werden können. Nils Höpker fasst zusammen: „Dies ist nur der Beginn einer Optimierungsreise. Wir überlegen bereits, wie wir diese Erkenntnisse auf die Beschaffung und andere logistische Prozesse anwenden können.“ So ist ein geplanter nächster Schritt, die gesteigerte Prognosegenauigkeit zu nutzen, um Abläufe weiter zu optimieren und Kosten zu senken – insbesondere im Lager- und Logistikbereich. Durch präzisere Vorhersagen des Bestandsbedarfs sollen Überbestände reduziert und Lagerkosten minimiert werden.