[ forecasting × lebensmittelhandwerk ]
In einer traditionsreichen Fleischerei wurde der Bedarf jahrzehntelang nach Erfahrung geschätzt. Heute vereint ein Forecasting-System die Verkaufsdaten aus Filialen, Webshop und Automaten zu einer Quelle der Wahrheit und sagt jede Nacht für jeden Artikel voraus, was in den nächsten 14 Tagen gebraucht wird, inklusive verlässlicher Bandbreite. Diese Seite zeigt, wie das System entstanden ist, welche Entscheidungen dahinterstehen und welche Erfahrungen auf dem Weg entstanden sind.
Kasse, Webshop und Automaten laufen sicher in einer gemeinsamen Verkaufshistorie zusammen.
Vom einfachen Vergleichsmodell bis zum neuronalen Netz: die beste Modellkombination wurde das finale Prognosemodell.
Je Artikel und Tag: je größer die Unsicherheit, desto breiter das Band und wichtiger die Erfahrung des Fleischermeisters. Im Mittel immer richtig!
Nach Kassenschluss trainiert sich das Modell komplett neu, in elf Sekunden, und lernt jede Veränderung sofort.
[ die herausforderung im handwerk ]
Das Fleischerhandwerk ist ein traditionsreiches Handwerk unter Druck: Fachkräfte fehlen, der Chef steht selbst in der Produktion, und für das Backoffice bleibt kaum Zeit. Die Digitalisierung endet vielerorts an der Kasse. Der Bedarf für die kommenden Tage wird deshalb geschätzt: nach Erfahrung und Gefühl. An guten Tagen liegt das erstaunlich richtig. An allen anderen wird es teuer.
Wird zu viel produziert, entsteht Verschwendung: Ware wird weggeworfen, oder es entstehen Prozesskosten für die Weiterverarbeitung, etwa wenn Gehacktes in einer Lasagne endet, die eigentlich gar nicht zum Sortiment gehört. Wird zu wenig produziert, muss ad hoc nachproduziert werden, mit Rüstkosten, die niemand eingeplant hat. Oder der Kunde steht vor der leeren Theke: der Nein-Verkauf, der leise teuerste Fehler von allen.
Mit der Prognose weiß der Betrieb mit verlässlicher Wahrscheinlichkeit, welcher Artikel in welcher Menge gebraucht wird. Der Blick geht wieder auf die Wertschöpfung statt auf die Schätzung: verlässliche Planung, weniger Verschwendung, zufriedene Kunden.
[ jede nacht, automatisch ]
Die Prognose ist kein Werkzeug, das jemand bedienen muss, sondern eine Routine, die jede Nacht von selbst läuft. Nach Kassenschluss durchlaufen die Daten diese Stationen, und am Morgen liegt der Plan für die nächsten 14 Tage bereit.
[ Sammeln ]
Nach Kassenschluss fließen die Verkäufe des Tages ins System: jeder Bon aus den Filialen, jede Bestellung aus dem Webshop, jede Entnahme aus den Automaten. Jede Buchung bekommt einen eindeutigen Schlüssel. Dubletten sind damit ausgeschlossen, selbst wenn ein Tag doppelt geladen wird.
[ Vereinen ]
Die Kanäle werden je Artikel zu einer Verkaufshistorie zusammengeführt. Entscheidend ist die Gesamtmenge: Produziert wird zentral, verkauft wird überall. Erst diese eine Sicht macht aus drei Systemen eine belastbare Planungsgrundlage.
[ Anreichern ]
Jeder Tag bekommt seine Charakteristika: Wochentag, Feiertage und Brückentage je Bundesland, Schulferien, bewegliche Feste wie Ostern und auch das Wetter. Das System erkennt selbst, an welchen Tagen der Betrieb geschlossen ist, ohne dass es jemand pflegen muss.
[ Trainieren ]
Das Prognosemodell erhält jede Nacht neue Informationen und kalkuliert in rund elf Sekunden. Verändert sich die Nachfrage, etwa weil ein Wettbewerber schließt, fließt das langfristig ins Modell mit ein.
[ Prognostizieren ]
Für jeden Artikel entsteht die Prognose für die nächsten 14 Tage, nicht als nackte Zahl, sondern als Bandbreite: der erwartete Verkauf und die Menge, die bereitstehen sollte, damit die Theke fast nie leer ist.
[ Planen ]
Am Morgen ist aus den Prognosen ein Produktionsplan geworden: Artikel sind zu Produktionsgruppen gebündelt, etwa alle Gehackt-Sorten zu einer gemeinsamen Menge. Und das System überwacht sich selbst: Driftet die Wirklichkeit von der Prognose weg, korrigiert es sich.
[ architektur ]
Das Datenfundament macht aus drei Kanälen eine Wahrheit, die Modellfabrik lässt Verfahren gegeneinander antreten statt einem zu glauben, und die Planungsebene übersetzt Wahrscheinlichkeiten in Entscheidungen.
Drei Verkaufskanäle, eine Verkaufshistorie
Kasse, Webshop und Automaten sprechen drei verschiedene Sprachen. Eigene Anbindungen übersetzen sie in ein gemeinsames Format, mit eindeutigem Schlüssel je Buchung: Nachladen ist gefahrlos, nichts wird doppelt gezählt.
Zusammengeführt wird über die Artikelnummer, die in allen Filialen gilt. Das klingt selbstverständlich, war aber eine der wichtigsten Entscheidungen: Erst dadurch entsteht je Artikel eine durchgehende Historie zurück bis 2022, rund 100.000 Beobachtungen.
Jeder Tag wird mit seinem Umfeld gespeichert: Feiertage je Bundesland, Schulferien, Öffnungstage und Wetter. Training und Prognose arbeiten auf demselben Datenstand.
Parameterstudie und Wettbewerb statt Modellglaube
Bevor ein Modell etwas prognostizieren darf, muss es Vergleichsmaßstäbe schlagen: derselbe Wochentag der Vorwoche oder saisonale Mittelwerte, um nur zwei zu nennen. Danach traten mehrere Verfahren gegeneinander an, vom statistischen Modell bis zum neuronalen Netz, alle im selben rollierenden Rückblick.
Eine große Parameterstudie prüfte die erklärenden Faktoren systematisch und statistisch abgesichert. Genutzt wurde eine Kombination mehrerer Verfahren, die nicht eine Zahl schätzt, sondern drei: untere Kante, erwarteter Wert, obere Kante. Eine Kalibrierung sorgt dafür, dass die Bandbreite hält, was sie verspricht.
Von der Wahrscheinlichkeit zur Produktionsentscheidung
Zu wenig und zu viel sind nicht gleich teuer. Deshalb liefert das System zwei Werte: den erwarteten Verkauf für die Planung und die Bereitstellungsempfehlung, mit der die Theke nur an etwa einem von zehn Tagen leergekauft wird. Der Sicherheitspuffer wird sichtbar und steuerbar.
Prognostiziert wird, was prognostizierbar ist: die umsatzstärksten Artikel, die rund 80 Prozent des Umsatzes tragen. Artikel mit ein, zwei Verkäufen am Tag lassen sich tagesgenau nicht sinnvoll vorhersagen, sie werden auf Wochenebene geplant. Das ist keine Sparmaßnahme, sondern Ehrlichkeit gegenüber den eigenen Zahlen.
[ genauigkeit ]
Genauigkeit ist eine Frage der Planungsebene. Auf die härteste Frage, wie viel von genau diesem Artikel an genau diesem Tag, trifft das System in gut 6 von 10 Fällen. Auf Wochenebene je Artikel sind es 3 von 4, bei der Tagesgesamtmenge über 8 von 10. Und die Bandbreite, auf die sich die Bereitstellung stützt, hält an fast 9 von 10 Tagen. Gemessen an rund 36.000 echten Artikel-Tagen über 18 Monate, immer auf Daten, die das Modell nie gesehen hat.
Zur Einordnung: Einfache Faustregeln schaffen auf Artikelebene rund 30 Prozent. Und selbst ein perfektes Orakel käme bei diesen Stückzahlen nur auf etwa 77 Prozent, weil Tagesnachfrage bei wenigen Verkäufen je Artikel zu einem großen Teil echter Zufall ist. Auf dieser Skala hat das Modell rund zwei Drittel des überhaupt erreichbaren Weges ausgeschöpft und ist damit rund 45 Prozent genauer als saisonale Vergleichsmodelle.
Genauso wichtig wie die Treffer: zu wissen, wann Vorsicht geboten ist. Wird die Lücke zwischen erwartetem Verkauf und Bereitstellungsempfehlung ungewöhnlich groß, etwa an Feiertagen mit Brückentagen, ist das ein ehrliches Signal für den prüfenden Blick des Meisters.
[ zahlen ]
3 → 1
Verkaufskanäle, Kasse, Webshop und Automaten, vereint in einer Quelle der Wahrheit
90 %
der Prognosen treffen ein: Der tatsächliche Verkauf bleibt innerhalb der prognostizierten Bandbreite
Faktor 1,8
in der Genauigkeit gegenüber saisonalen Vergleichsmodellen, durch rund 45 % weniger Prognosefehler
11 Sekunden
dauert die nächtliche Prognose, auf der die Planung aufgebaut wird
[ technologie ]
Fragen Sie sich, wo in Ihren Prozessen noch nach Bauchgefühl geplant wird und was verlässliche Prognosen dort verändern würden? Dann lassen Sie uns sprechen: Sie bringen die Herausforderung mit, ich bringe die Erfahrung und die Werkzeuge.
