Kurzüberblick
Ein EMS-Dienstleister kämpfte mit volatilen Kundenabrufen, langen Lieferzeiten bei Bauteilen und hohen Beständen. Mit KI-gestützter Bedarfsprognose, Disposition, Risikomonitoring und Finanzplanung sollten Materialverfügbarkeit gesichert und Bestände gleichzeitig gesenkt werden.
Mitarbeiter
Ausgangssituation
Lange und schwankende Lieferzeiten bei elektronischen Bauteilen, sehr dynamische Kundenabrufe, hohe Bestände und dennoch immer wieder Fehlteile. Sicherheitsbestände wurden stark nach Bauchgefühl festgelegt, Transparenz über Versorgungsrisiken und finanzielle Auswirkungen war begrenzt.
Ziele des Projekts
Fehlteile reduzieren. Bestandsniveau und gebundenes Kapital senken. Supply-Chain-Risiken früh erkennen. Liquiditätsplanung enger mit Materialflüssen verbinden und Entscheidungen datenbasiert vorbereiten.
Vorgehen
Aufbau von Prognosemodellen für Bedarfe kritischer Bauteile. Einführung einer KI-gestützten Disposition mit dynamischen Bestellmengen und -zeitpunkten. Implementierung eines Supply-Chain-Risiko-Monitorings für Lieferanten, Regionen und Bauteilgruppen. Ergänzend: Cashflow- und Working-Capital-Prognosen, die Materialflüsse und Zahlungsziele berücksichtigen.
Diese Ergebnisse wurden erzielt
Fehlteile bei definierten A-Bauteilen um deutlich mehr als ein Drittel reduziert. Gesamtlagerbestand mittelfristig gesenkt bei stabiler Lieferfähigkeit. Bessere Transparenz über Versorgungsrisiken und deren finanzielle Auswirkungen. Management nutzt Prognosen aktiv zur Planung von Investitionen und Lagerstrategien.
Kundenstimme
„Früher haben wir entweder zu wenig oder zu viel bestellt. Heute verstehen wir unsere Bedarfe und Risiken deutlich besser. KI ersetzt nicht die Verantwortung, aber sie gibt uns ein ganz anderes Fundament für Entscheidungen.“
