Die Saisonmenge:
Wie viel vor der Spitze produziert wird
Ein großer Teil des Jahresumsatzes mit Pralinen und Saisonfiguren fällt in wenige Wochen. Wer auf Vorjahr plus Bauchgefühl plant, produziert im Januar zu viel und liefert im Dezember zu wenig. Ein Modell auf Sell-in, Abverkauf und Aktionskalender prognostiziert den Absatz je Artikel, Kanal und Woche.
Dieses Modul ist Teil einer neunteiligen Modellrechnung über einen fiktiven mittelständischen Schokoladenhersteller (95 Mio. € Nettoumsatz, 140 Artikel, 4 Linien). Alle Euro-Beträge sind aus den hinterlegten Annahmen des Muster-Betriebs hergeleitet. Es sind keine Ergebnisse realer Kunden und kein Leistungsversprechen. Welche Werte auf Ihren Daten erreichbar sind, zeigt erst ein Pilot.
01 Das Problem - Saisonalität, die Pläne zunichtemacht
Drei Spitzen bestimmen das Produktionsjahr, und jede Spitze ist anders
Schokolade gehört zu den saisonalsten Lebensmitteln: Weihnachten, Ostern, Valentinstag. Das Osterdatum wandert, das Märzwetter beeinflusst den Tafelabsatz, und eine Aktion einer Handelskette verschiebt den gesamten Mix. Bei 140 Artikeln lässt sich das nicht in einer Tabelle planen.
Heute liefert der Vertrieb eine Prognose aus Vorjahr plus Aufschlag, die Produktion korrigiert nach eigenem Ermessen, und das Lager bekommt den Plan kurz vor der Spitze. Das Ergebnis: Überproduktion bei Artikeln, die niemand bestellt, und Regallücken bei denen, auf die der Handel wartet.
€570.000 Abschreibungen nach Ablauf der Mindesthaltbarkeit, €1.140.000 verlorener Umsatz durch Regallücken, €250.000 Sonderschichten und Expressfracht
02 Das Modell - ein Modell je Horizont, abgestimmt über die Hierarchie
Gradient Boosting mit Quantilen auf Artikel-, Kanal- und Wochenebene, abgestimmt auf Warengruppe und Gesamt
Backtest 12 Wochen, gewichteter Prognosefehler: 9,4 % Abweichung Vorjahresmethode im selben Fenster: 21,8 %
Pralinen sind Geschenkware mit Spitzen zu Weihnachten und Valentinstag. Saisonfiguren leben von zwei Wochenfenstern im Frühjahr und im Advent. Tafeln laufen fast konstant mit einem Sommertief. Ein Modell für alle Warengruppen greift zu kurz; das Modell lernt je Warengruppe ihr Profil und stimmt die Artikelprognosen auf Warengruppe und Gesamt ab. Externe Signale wie Wetter oder Erwähnungen in sozialen Medien sind Merkmale unter vielen, kein eigenes Modul.
03 Business Impact - weniger Abschreibungen, weniger Lücken, weniger Eile
Drei Hebel aus einer Prognose
Jede Annahme stammt aus dem Muster-Betrieb und ist zentral hinterlegt. Mit Ihren Zahlen ändert sich die Eingabe, nicht die Methode.
| Position | Wert |
|---|---|
| Abschreibungen nach Ablauf der Mindesthaltbarkeit / Jahr | €570.000 |
| Hebel: Weniger Überproduktion (30 %) | €171.000 |
| Verlorener Umsatz durch Regallücken / Jahr | €1.140.000 |
| Hebel: Rückgewinnung (25 %) zum Deckungsbeitrag (30 %) | €85.500 |
| Sonderschichten und Expressfracht / Jahr | €250.000 |
| Hebel: Weniger Eilkosten (30 %) | €75.000 |
| Ergebnis: Einsparung / Jahr | €331.500 |
Annahmen eines Muster-Betriebs - in einem realen Projekt ersetzen Ihre Daten diese Werte.
Der größte Gewinn steht nicht in der Tabelle: das Vertrauen der Handelsketten. Wer in der Spitze pünktlich und vollständig liefert, hat im Gespräch über die Zweitplatzierung die besseren Karten. Wer ausfällt, überlässt den Platz dem Wettbewerb. Die Prognose ist das Fundament der Handelsbeziehung, und Modul 02 baut darauf auf.
04 Nächste Schritte in Ihrem Werk
Vom Modell zur wöchentlichen Planungsvorlage
Drei Jahre Sell-in aus dem ERP, Abverkauf der wichtigsten Ketten und der Aktionskalender. Rohformat genügt; die Bereinigung ist Teil des Piloten.
Ein Modell für die saisonstärkste Warengruppe. Im Backtest, der rückwirkenden Prüfung an Ihren eigenen Vorjahren, sehen Sie den Prognosefehler gegen Ihre heutige Methode, Woche für Woche.
Automatische Prognose jeden Montag mit Unsicherheitsband, Hinweis bei Abweichung, Übergabe an die Produktionsplanung.