Wie Lichtblick mit KI-Bedarfsprognosen Out-of-Stock-Situationen um 24 % senken konnte

Manuell geführte Excel-Tabellen stoßen bei tausenden Artikeln und komplexen Variantenstrukturen schnell an ihre Grenzen. Auch Tools von der Stange lösen das in komplexen E-Commerce-Organisationen oft nur unzureichend.

Aus diesem Grund entschied sich Lichtblick mit SMA Dev, eine ERP-angebundene Datenplattform und ein Demand-Forecast-Modell aufzusetzen.

Ausgangslage: Wie lässt sich die Out-of-Stock-Situation besser kontrollieren?

Lichtblick Sonnenschutzsysteme betreibt E-Commerce über einen eigenen Online Shop und mehr als zehn externe Marktplätze. Bei mehreren tausend Artikeln und komplexen Variantenstrukturen lief die Bedarfsplanung über manuell gepflegte Excel-Tabellen und ERP-Exporte. Jede Bestellentscheidung hing an Personen, die Daten aus verschiedenen Quellen zusammentrugen, interpretierten und in Aktionen übersetzten. Zeitaufwand und Risiken für das Vorgehen waren bei wachsendem Geschäft und zunehmender Datenkomplexität nicht mehr haltbar.

Folgende Ziele mussten in diesem Projekt erreicht werden:

• ERP-Anbindung und zentrale Datenarchitektur aufbauen
• Demand Forecast und KI-Einkaufssteuerung integrieren

Methode: Wie kann man ERP-Anbindung und zentrale Datenarchitektur aufbauen?

SMA Dev entwickelte eine zentrale Datenplattform mit direkter Anbindung an das ERP-System des Kunden als primäre Datenquelle. Alle relevanten Bestands-, Bestell- und Abverkaufsdaten fließen darüber in die Plattform, ohne manuelle Exportschritte oder Zwischenformate. Auf dieser Basis konsolidiert ein konfigurierbares BI-Dashboard sämtliche Kanal- und Verkaufsdaten. Ergänzt wurde das Setup um dezidierte Module für Preismanagement und -Monitoring, Bestandsabgleich, Umlagerungsmanagement und Schnittstellenmonitoring für externe Marktplätze.

Wie kann Eigenverantwortung in der Einkaufsplanung garantiert werden, wenn ein Demand Forecast und KI-Einkaufssteuerung integriert werden?

Aufgrund der hohen saisonalen Dynamik der Artikel wurde ein Ensemble-Modell-Ansatz gewählt. Pro Artikel laufen verschiedene Forecast-Modelle, die ihre Ergebnisse gegen ein Baseline-Modell benchmarken.

Das System gibt Empfehlungen zur erwarteten Abverkaufsmenge pro SKU für Zeiträume von 6 bis 18 Monaten aus. Um Transparenz und Eigenverantwortung in der Einkaufsplanung zu erhalten, liefern die Modelle sowohl konservative als auch progressive Prognosen, abgestimmt auf geplante Marketingaktivitäten und saisonale Schwerpunkte. Entscheidungen bleiben beim Kunden, das System liefert die Grundlage dafür.

Ergebnis: 24 % weniger Out-of-Stock-Situationen durch Forecasting-Modell

Eine rückwirkende Simulation des Forecasting-Modells zeigt, welche Bestellmengen ein Jahr zuvor auf Basis der optimierten Prognose sinnvoll gewesen wären. Im Vergleich zur tatsächlichen Bestandsführung hätte dieser Ansatz rechnerisch zu rund 24 % weniger Out-of-Stock-Situationen geführt. Saisonale Schwankungen ließen sich auf dieser Grundlage potenziell um einen zweistelligen Prozentwert reduzieren. Für den Umsatz bedeutet das ein signifikantes Potenzial, das sich mit einer Forecast-gestützten Bestellstrategie heben lässt.

Wir prüfen mit Ihnen, wie sich Ihre Out-of-Stock-Quote mit einem Forecast-Modell senken lässt.