Was werden meine Kunden morgen kaufen? Statt Erfahrung und Bauchgefühl helfen längst IT-Lösungen, den zukünftigen Warenbedarf zuverlässig und wissenschaftlich fundiert zu prognostizieren. Einer der führenden Anbieter ist das Karlsruher Softwareunternehmen Blue Yonder.  

Wie viel Erdbeeren gehen am Freitag über die Ladentheke? Wie viele Mitarbeiter brauche ich in den nächsten Tagen? Für entsprechende Vorhersagen verlassen sich Handel und Logistik heute meist noch auf eine eher schlichte Methodik: Man setzt vor allem auf Erfahrung, Glauben und ein bisschen Bauchgefühl. Doch allmählich setzt ein Umdenken ein. Das Zauberwort heißt Big Data. Aus den täglich anfallenden Daten lässt sich nämlich mehr herauslesen, als dass sich sommerliche Temperaturen positiv auf den Getränkeverkauf auswirken.  

Ein zur wissenschaftlichen Auswertung dieser Daten geeignetes System bietet das Unternehmen Blue Yonder an – und nimmt damit innerhalb Deutschlands eine Vorreiterrolle ein. Professor Dr. Michael Feindt, der die Firma im Jahr 2008 gründete: „Bereits eine bessere Prognose für den nächsten Tag oder die nächste Woche kann für den Handel und die gesamte Lieferkette eine beträchtliche Gewinnoptimierung bedeuten.“ 

Komplexe Systeme wissenschaftlich analysieren 

Feindt hatte, bevor er das in Karlsruhe ansässige Unternehmen gründete, zunächst im Europäischen Laboratorium für Teilchenphysik CERN in Genf gearbeitet, seit 1997 arbeitete er als Professor für Physik am Karlsruher Institut für Technologie (KIT), zur Zeit ist er dort von seinen Lehraufgaben freigestellt. Und in der Elementarteilchenphysik, mit der sich Feindt bis zur Gründung von Blue Yonder hauptsächlich beschäftigte, zeigen sich erstaunliche Parallelen zu anderen komplexen Systemen, wie sie etwa in der Wirtschaft anzutreffen sind.  

Michael Feind: „Wie bei Wettervorhersagen können wir natürlich nur Wahrscheinlichkeitsaussagen treffen. Doch um im Bild zu bleiben: In vielen Bereichen der Wirtschaft werden Bestellentscheidungen immer noch auf dem methodischen Qualitätsniveau von einfachen ‚Bauernregeln’ und nicht auf der wissenschaftlichen Methodik moderner Wettervorhersagen getroffen. Dabei haben bereits geringfügig verbesserte Prognosen einen großen positiven Einfluss auf die Effizienz vieler Geschäftsprozesse.“ 

Innovationen müssen auch Widerstände überwinden 

Die Basis entsprechender Berechnungen für den Handel stellt die Verkaufshistorie dar, Daten also, die in jedem Unternehmen ohnehin verfügbar sind. Daraus errechnet ein Algorithmus auf Basis einer mathematischen Methode, welche Verkäufe unter bestimmten Bedingungen zu erwarten sind. NeuroBayes, der von Blue Yonder angewandte Algorithmus, arbeitet jedoch nicht nach einem ständig gleichen Muster. Die Zukunftsformel ist vielmehr lernfähig und sucht automatisch nach entsprechenden Zusammenhängen.  

Um Infos zu Feiertagen oder dem Wetter kümmert sich das Programm selbst. Viele Infos werden aber anfangs auch manuell eingespeist, etwa wenn eine Bushaltestelle verlegt wird oder ein Wettbewerber eine Preisaktion startet.  

Um das volle Potential mathematischer Prognosemodelle auszuschöpfen, ist es wichtig, dass alle an der Wertschöpfungskette beteiligten Stellen mitspielen. Und hier müssen die Blue Yonder-Mitarbeiter oft Überzeugungsarbeit leisten. Zum Beispiel befürchten manche Disponenten, in ihrer Entscheidungsfreiheit eingeschränkt zu werden. Tatsächlich aber bieten Machine-Learning-Algorithmen eine wissenschaftlich fundierte Entscheidungsunterstützung an, die letzte Entscheidung, etwa die Auslösung eines Bestellvorganges, kann weiterhin ein Disponent treffen. Viele Händler gehen aber heute schon dazu über, den gesamten Vorgang zu automatisieren, um Prozesse noch effizienter und profitabler zu gestalten. 

Beispiel Retourenmanagement 

Viel Optimierungspotential im Logistikbereich besteht vor allem im Bereich der Retouren, die heute einen wichtigen Kostenfaktor beim Online-Handel ausmachen. Neben algorithmischem Feinschliff helfen hier manchmal bereits einfache Instrumentarien. Michael Feindt: „Die Rücksendewahrscheinlichkeit lässt sich oft durch direkte Ansprache des Kunden deutlich senken. Wenn etwa zwei identische Kleidungsstücke in unterschiedlichen Größen bestellt werden, und der Besteller eine Nachricht erhält, dass die Größen bei diesem Produkt ganz normal ausfallen, verzichtet er oft auf die zweite Variante. Hilfreich ist es auch, an das ökologische Gewissen des Käufers zu appellieren. Günstige Preise und realistische Angaben bei den Lieferzeiten lassen die Retourenquote ebenfalls sinken.“  

Abonnieren Sie die Interroll Blog News

Hans-Peter Ott schreibt seit über 20 Jahren als Fachjournalist und Kommunikationsexperte über Themen aus der Logistik- und Telekommunikationsbranche. Neben wirtschaftlichen Entwicklungen interessieren ihn besonders technologische Fragestellungen, etwa zur Automatisierung, zur IT-Vernetzung und zur Industrie 4.0.


Diesen Artikel teilen


Einen Kommentar schreiben