Bestandsoptimierung fängt nicht im Lager an
Um Lagerbestände nachhaltig zu senken, ist eine möglichst genau berechnete Planung der zukünftigen Absätze unabdingbar. Nur so kann sicher gestellt werden, dass auch das im Lager landet, was wirklich abgesetzt wird und dass die Umschlagshäufigkeit der Artikel hoch gehalten wird. Doch nicht nur für die Reduzierung der Bestände, sondern auch für den kompletten Produktionsprozess und alle Folgeprozesse in der Supply Chain spielt die Güte des Forecasts eine zentrale Rolle. Ein höchst interessantes, weil von hoher Volatilität und Dynamik geprägtes, Produktsegment ist aus Planungssicht der Frischebereich. Dieser Bereich unterscheidet sich von anderen Bereichen der Lebensmittelindustrie vor allem aufgrund der kurzen Mindesthaltbarkeitsdaten der Produkte; dem bestimmenden Planungsfaktor schlechthin. Gerade hier, im Bereich kurzer Haltbarkeitszyklen, greifen keine Verbrauchssteuerungen mehr, sondern muss der Bedarf so exakt wie möglich geplant werden. Je nach Art des Frischeartikels erhöht sich dabei auch die Brisanz. Auch wenn es sich bei Lebensmitteln nur um eine empfohlene Aufbrauchfrist handelt, wird dies von vielen Konsumenten als Verbrauchsdatum (das beispielsweise bei Hackfleisch aufgedruckt sein muss) missinterpretiert. Spätestens ab dem aufgedruckten Datum, meist jedoch schon ein paar Tage zuvor, werden zum Beispiel Milchprodukte kaum mehr gekauft. Die Forderungen des Handels, dass die angelieferte Ware eine Mindest-Restlaufzeit im Regal nicht unterschreiten darf, verengt das Auslieferzeitfenster der Milchprodukte zudem noch weiter. Und somit schwindet auch die Flexibilität, die ein großes Fertigwarenlager einem Lieferanten von Frischelebensmitteln bieten könnte. Vielmehr muss die Ware nach der Produktion sehr zeitnah ausgeliefert werden. Und da ein make-to-order Prozess bei der Vielfalt der Produkte meist undenkbar ist, muss folglich die Qualität der Bedarfsplanung hoch sein, um den Markt verlässlich mit einem hohen Lieferservicegrad versorgen zu können.
Doch nicht nur das MHD, sondern auch viele weitere Einflussfaktoren gilt es bei der Bedarfsplanung der Frischeartikel zu berücksichtigen. Eine Aufgabe, die nicht nur anspruchsvoll ist, sondern die vor allem auch ohne die Erfahrung des Planers nicht auskommt. In der Kombination aus technischer Unterstützung durch ein geeignetes und gut justiertes Planungstool und der bewussten Steuerung des Planers liegt das richtige Rezept, um den Spagat zwischen hohem Lieferservicegrad und geringen Vernichtungskosten hinzubekommen.

Wissen ist Macht – Nichts wissen macht sehr wohl etwas aus!
Der Job des Planers für Frische-Produkte ist undankbar. Macht er seinen Job gut, dann bekommt das meist kaum einer mit, denn es läuft alles problemlos seinen gewohnten Gang. Werden allerdings Fehler gemacht, ist sofort der Unmut groß und die Folgen müssen meist die Kollegen in den Folgeprozessen ausbaden.
Je nach Funktion und Priorität im Prozess spielt der zeitliche Horizont der Prognose eine enorm wichtige Rolle. Den Produktionsplaner interessieren vor allem die kommenden zwei bis drei Wochen. Die Kollegen aus der Beschaffung sehen das logischerweise anders. Bei RHB-Stoffen mit langer Vorlaufzeit (zum Beispiel TK-Früchten aus Fernost) oder Verpackungsmaterialien muss ein Forecast auch über mehrere Monate im Voraus eine relativ hohe Aussagekraft haben. Denn was nützt es, wenn die Maschine bereit zur Produktion ist, aber das Verpackungsmaterial aufgrund einer zu niedrigen Prognose nicht in ausreichender Menge vorhanden ist?
Die Anforderungen an die Genauigkeit der Bedarfsvorhersage sind also hoch. Um die Risiken eines falschen Forecasts zu minimieren, ist es für den Planer unabdingbar, so viele Informationen, wie möglich einzuholen. Doch nicht nur die Fülle an Informationen ist entscheidend, sondern auch deren Qualität. Dabei lassen viele Hersteller außer Acht, dass beim Handel bereits umfangreiche Daten vorliegen, mithin eine der naheliegenden Informationsquellen nicht oder kaum genutzt wird: der Kunde. Gerade im LEH werden über die Scannerkassen zeitaktuell Verbrauchsdaten vom Point-of-Sale gesammelt, deren zeitnahe Kenntnis für die Lieferanten sehr wertvoll wäre. In den neunziger Jahren begannen Handel und Industrie über eine engere Zusammenarbeit in der Wertschöpfungskette nachzudenken und riefen die Initiative zur Efficient Consumer Response (ECR) ins Leben. Teil des ECR-Konzeptes ist das sogenannte Continuous Replenishment, das auf der regelmäßigen Versorgung der Hersteller mit Abverkaufs- und Bestandsdaten des Handels basiert. Hierzu gibt es auch eine ganze Reihe erfolgreicher Beispiele, doch hat sich die Methodik trotz immer besserer Möglichkeiten zur schnellen Übertragung großer Datenvolumen bis heute nicht wirklich durchgesetzt. Hierbei spielt sicher eine Rolle, dass der Handel häufig versucht, die Kosten für die Bereitstellung der Daten auf die Hersteller abzuwälzen und gerade kleinere Lieferanten der Marktmacht nicht begegnen können. Zudem müssen die übermittelten Daten auch akkurat dem tatsächlichen Abverkauf entsprechen, da sonst das Vertrauen in die Zahlen schnell schwindet. Dies setzt gerade zu Beginn eines solchen bilateralen Projektes einen hohen Kontroll- und Abstimmungsaufwand voraus, dessen Aufwand manches Mal gescheut wird.

Komplexität der Einflussfaktoren bestimmt das Handwerk
Produktionsplanung im schnelllebigen Frischemarkt ist eine komplexe Aufgabe. Ganz besonders wegen der hohen Bestellhäufigkeit und dem Diktat des MHD. Zudem ist dieser Markt geprägt von zahlreichen Promotionsaktionen die regional oder überregional in Verbindung mit unterschiedlichen Werbeaktionen den Absatz stark beeinflussen. So ist es schon anspruchsvoll, die Auswirkung eigener Aktionen richtig zu beurteilen und dabei auch noch die Wechselwirkung mit Substituten anderer Hersteller im Blick zu behalten. Hier hilft nur rechtzeitige Information über die geplanten Maßnahmen. Am schwierigsten sind die Einflussfaktoren zu beurteilen, die zufallsbedingt völlig unberechenbar für den Planer sind. Da ist zunächst das Wetter. Je nach Art des Produkts ist der Einfluss des Wetters auf den Absatz enorm. Speiseeis ist hier der Klassiker. Ebenso die Buttermilch, allerdings bei wesentlich kürzerem MHD. In mehrwöchigen Perioden mit anhaltend heißem Wetter ist regelmäßig zu beobachten, dass der Konsum von Buttermilch stark ansteigt. Dies ist aber bei der Güte der Wetterprognose nur schwer einzukalkulieren. So sind also Planer auch von der Prognosegüte der Meteorologen abhängig. Auch Feiertage und Ferientermine gilt es einzukalkulieren. Solche Einflüsse sind mathematisch nicht berechenbar und müssen mit Schätzfaktoren in die Prognose eingehen.

Prognose zu hoch? Prognose zu niedrig? Egal, es tut weh!
Doch was passiert eigentlich, wenn die Qualität der Prognose ungenügend ist? Hier ist zu differenzieren, ob die Prognose zu optimistisch oder zu pessimistisch war, was nicht selten vom Planer und seiner persönlichen Einstellung, der Risikotendenz, abhängt. Ist die Prognose eines Produktes zu niedrig, weil zum Beispiel dem Planer Aktionen nicht bekannt waren, dann leidet sehr schnell der Lieferservice. Da das Lager aufgrund der MHD-Problematik keine großen Reserven hat, kommt es rasch zu einer out-of-stock Situation. Und darauf reagiert der Handel wegen des Umsatzverlustes schnell mit Sanktionen. Einmal unterdeckt, bringen die Nachbestellungen, die mit erhöhter Priorität behandelt werden, auch die Liefersituation anderer Kunden durcheinander, wird also die Balance des Planungs- und Produktionssystems nachhaltig gestört.
Anders ist die Situation bei einer zu hohen Prognose. Hier bleiben die Folgen komplett intern, was bedeutet, dass der Kunde im Regelfall nichts mitbekommt. Doch entstehen Mindererlöse durch den Verkauf der Ware zu niedrigeren Preisen, zum Beispiel. im Werksverkauf, bis hin zum Totalverlust, wenn die Ware nach MHD-Ablauf vernichtet werden muss.

Richtige Mischung als Lösung
Die Lösung für das beschriebene Dilemma klingt recht einfach, ist es aber sicher nicht. Die gesunde Mischung aus EDV-gestützer Prognose und dem Eingreifen eines erfahrenen Planers, der die Eigenheiten „seines“ Markes richtig einzuschätzen weiß, führt erfahrungsgemäß zum besten Ergebnis. Ist dies eingebunden in einen regelmäßigen Kommunikationsprozess und wird es flankiert von der Auswertung der richtigen Kennzahlen und der Reaktion darauf, so ist man dem Himmel schon sehr nah.
Gängige IT-Planungstools liefern heute für Artikel mit regelmäßigen Bedarfen sehr gute Ergebnisse, bei denen ein Eingreifen oftmals kaum noch notwendig ist. Bei diskontinuierlichen Verbräuchen braucht es aber andere Prognosemodelle,  zum Beispiel den Croston-Algorithmus. Hier scheidet sich auch bei den IT-Werkzeugen schnell die Spreu vom Weizen. Und in der Lebensmittelbranche, die stark von Aktionen lebt und die – wie geschildert - zudem abhängig von schwer planbaren Einflussfaktoren ist, kann die Planung eben nur teilweise durch statistisch-mathematische Methoden unterstützt werden. Andererseits braucht der Planer die IT-Unterstützung dringend, um seine Erfahrung an der richtigen Stelle einbringen zu können und nicht Zeit mit Routinearbeiten vergeuden zu müssen, die besser und schneller von IT-Tools durchgeführt werden können. Mittels manuellem Einfügen von Promotionen oder Glätten von Ausreißern in der vom System berechneten Prognose, kann der Planer dann den Forecast verfeinern, um so ein möglichst genaues Ergebnis zu bekommen.
Die Lösung liegt also nicht allein in der Einführung eines Planungstools. Vielmehr gilt es, alle Rahmenbedingungen sorgsam zu erfassen, ein passendes System auszuwählen, dies auf die individuellen Bedürfnisse des jeweiligen Unternehmens abzustimmen und den Planungsablauf sorgfältig zu gestalten. Welche Systeme es gibt, wie Sie das richtige auswählen und erfolgreich einführen, das lesen im zweiten Teil dieses Beitrags in Heft …..
Christian Dennehy

Lesen Sie auch Teil 2 der Serie. Darin geht es um:
Anforderungen an Planungstools
Anbieterübersicht
Kosten- / Nutzen
Tipps zur erfolgreichen Einführung
Kennzahlen zur Steuerung und Kontrolle