KI-gestützte Bedarfsprognose in der Fertigung: Von einer besseren Prognose zu einem besseren Produktionsplan

Eine Produktionsprognose kann am Jahresende plausibel erscheinen, während das Werk das ganze Jahr über damit zu kämpfen hat. Der Einkauf beschleunigt die Materialbeschaffung. Die Produktion ordnet die Arbeitsabläufe neu. Der Kundendienst erklärt eine weitere Verzögerung. Jedes Team sieht einen Teil des Problems, doch die Planungsbesprechung beginnt möglicherweise trotzdem mit einer beruhigenden Gesamtzahl.

KI-gestützte Bedarfsprognosen in der Fertigung sind dann hilfreich, wenn sie Unternehmen dabei unterstützen, bessere Entscheidungen zu treffen, bevor Kosten entstehen. Eine präzisere Prognose ist jedoch nur ein Teil der Lösung. Das Unternehmen benötigt außerdem aktuelle Informationen, einen realisierbaren Produktionsplan und Mitarbeiter, die auf Abweichungen reagieren können.

Im französischsprachigen Webinar von Embiggen X diskutiert Camille Sickert diese Herausforderung mit Stéphane Fallet und Nicolas Souvlakis. Ihr Gespräch reicht von den versteckten Kosten statischer Prognosen bis hin zur praktischen Frage, wie KI im realen Betrieb getestet werden kann. Dieser englische Artikel entwickelt diese Ideen zu einem Planungsrahmen weiter. Die folgenden Beispiele und Checklisten dienen der Veranschaulichung und stellen keine gemeldeten Kundenergebnisse dar.

01 Schauen Sie sich das Webinar an.

Sehen Sie sich unten das Video „IA dans l'industrie suisse: Optimiser la planification coûte cher“ an. Die Aufnahme ist auf Französisch; dieser Artikel bietet eine englische Erklärung. Die Zeitstempel im lokalen Transkript können geringfügig von der YouTube-Version abweichen.

Die Diskussion behandelt die Gründe für die Veralterung von Prognosen, die bereits vorhandenen Informationen eines Herstellers, die Unterstützungsmöglichkeiten eines KI-Assistenten in der Planung und den Vergleich eines kleinen Pilotprojekts mit dem bestehenden Prozess. Die zentrale Frage ist praktischer Natur: Welche Planungsentscheidung könnte Ihr Team verbessern, ohne vorher das gesamte Unternehmen umstrukturieren zu müssen?

02 Warum eine genaue Gesamtsumme trotzdem zu einem teuren Plan führen kann

Stellen Sie sich einen Hersteller vor, der innerhalb von vier Wochen mit einer Nachfrage von 400 Einheiten rechnet. Seine Planung geht von 100 Einheiten pro Woche aus. Die tatsächliche Nachfrage beträgt 160, 120, 80 und 40 Einheiten. Beide Summen ergeben 400, aber in den ersten beiden Wochen wird mehr Produkt benötigt, als geplant verfügbar ist. Abhängig vom anfänglichen Lagerbestand und der Kapazität könnte das Team mit Engpässen, Überstunden oder kostspieligen Planänderungen konfrontiert werden.

Dies ist ein Beispiel zur Veranschaulichung, keine Berechnung eines Prognosefehlers und keine Aussage über einen Kunden. Es zeigt, warum ein korrektes Gesamtergebnis nicht beweist, dass die Prognose zum Zeitpunkt der Entscheidungsfindung hilfreich war. Zeitraum, Produktfamilie und Lieferzeit, die zur Leistungsbeurteilung herangezogen werden, müssen mit der auf der Prognose basierenden Entscheidung übereinstimmen.

Das Webinar beginnt mit einem weiteren Kostenfaktor: Informationen ändern sich nach der Erstellung einer Prognose. Ein neuer Auftrag geht ein, eine Maschine ist nicht mehr verfügbar oder ein Lieferant ändert eine Lieferung. Eine Prognose, die gestern noch haltbar war, entspricht möglicherweise nicht mehr den heutigen Produktionsprioritäten. Mehr Transparenz ist nur dann sinnvoll, wenn sie rechtzeitig gegeben ist, bevor das Team die Möglichkeit zur Reaktion verliert.

Beginnen Sie damit, eine kürzlich aufgetretene Störung im Unternehmen zu verfolgen. Was hat sich geändert? Wann wurde dies erstmals bemerkt? Wann wurde es in der Planungsabteilung erkannt? Welche Verpflichtungen waren zu diesem Zeitpunkt bereits eingegangen? Diese Fragen zeigen, ob das unmittelbare Problem in der Prognose, Informationsverzögerungen, Kapazitätsengpässen oder der Entscheidungsbefugnis liegt. Der Kauf eines Prognosemodells, bevor diese Fragen beantwortet sind, kann dazu führen, dass die eigentliche Problematik ungelöst bleibt.

03 Trennen Sie die Bedarfsplanung von der Produktionsplanung.

Die Bedarfsplanung schätzt den voraussichtlichen Kundenbedarf innerhalb eines definierten Zeitraums. Die Produktionsplanung legt fest, wie unter Berücksichtigung von Material-, Anlagen-, Personal- und Lieferbeschränkungen reagiert werden kann. Eine Prognose kann diese Planung unterstützen, ohne sie jedoch zwingend umzusetzen.

Beispielsweise schafft ein stärkeres Nachfragesignal keinen freien Maschinenplatz. Eine plausible Prognose der Bestellungen des nächsten Monats löst nicht die Mindestbestellmenge eines Lieferanten. Und ein geringerer durchschnittlicher Fehler gibt dem Planer keine Auskunft darüber, welchen Kundenauftrag er schützen sollte, wenn zwei Aufträge um dieselbe Ressource konkurrieren.

Treffen Sie die Entscheidung explizit, bevor Sie die Technologie auswählen. „Prognosen verbessern“ ist für ein erstes Projekt zu allgemein. „Planer beim Vergleich realisierbarer Zeitpläne für eine Produktfamilie nach einer Lieferverzögerung unterstützen“ benennt ein Ereignis, einen Benutzer, einen abgegrenzten Prozess und eine Entscheidung. Es definiert außerdem, welche Informationen die Lösung über die historischen Verkaufszahlen hinaus liefern muss.

Die Prognoseforschung bietet hier eine hilfreiche Disziplin. Hyndman und Athanasopoulos empfehlen, Prognosen anhand von Daten zu evaluieren, die nicht zur Modellanpassung verwendet wurden, und sie mit einfachen Vergleichsmethoden zu vergleichen. Ihre Diskussion von Prognoseintervallen macht Unsicherheit sichtbar, anstatt eine einzelne Zahl als sicher darzustellen. Diese Prinzipien helfen, eine Prognosekomponente zu überprüfen; sie beweisen jedoch nicht per se, dass die daraus resultierenden Produktionsentscheidungen besser sind. Prognose: Prinzipien und Praxis

04 Verknüpfen Sie die für eine Entscheidung benötigten Informationen.

Im Webinar stellt Nicolas die Annahme infrage, dass ein Hersteller über perfekt strukturierte Informationen verfügen muss, bevor er beginnen kann. Relevante Kontextinformationen können bereits in ERP-Systemen, Tabellenkalkulationen und Dokumenten vorhanden sein. Die erste Aufgabe besteht darin, die für einen bestimmten Prozess benötigten Informationen zu finden und zu entscheiden, ob sie zuverlässig verwendet werden können.

Das bedeutet nicht, dass die Datenqualität an Bedeutung verliert. Das Lesen einer Tabelle oder das Extrahieren eines Lieferdatums aus einer PDF-Datei ist etwas anderes, als zu wissen, dass das Datum aktuell, genehmigt und der richtigen Bestellung zugeordnet ist. Ein Mitarbeiter, der zwei inkompatible Produktkennungen kombiniert, kann eine elegante Erklärung für die falsche Situation liefern.

Für einen ersten Planungsfall sollten Sie folgende Quellen inventarisieren:

• Bestellhistorie und offene Bestellungen, inklusive Stornierungen und ungewöhnlicher Nachfrage.
• Verfügbarer Lagerbestand und reservierter Bestand, gemäß den vereinbarten Definitionen.
• Lieferzeiten und Lieferaktualisierungen der Lieferanten, einschließlich der zuständigen Stelle für deren Wartung.
• Produktionskapazität, geplante Ausfallzeiten und entsprechende Terminbeschränkungen.
• Kenntnisse des Planers über Ausnahmen, Kundenprioritäten und genehmigungspflichtige Entscheidungen.

Erfassen Sie den Verantwortlichen, die Aktualisierungshäufigkeit und die bekannten Einschränkungen jeder Datenquelle. Klären Sie, welche Information maßgeblich ist, wenn die Datensätze voneinander abweichen. Legen Sie fest, wie der Assistent vorgehen soll, wenn eine wichtige Eingabe fehlt: die Lücke markieren, eine Bestätigung anfordern oder eine Änderungsempfehlung ablehnen. Das stillschweigende Ergänzen eines fehlenden Wertes ist kein adäquater Ersatz für eine vereinbarte Vorgehensweise.

Auf unserer DataCore-Produktseite wird der Aspekt der vernetzten Daten im Ansatz von Embiggen erläutert. Für den Planungsrahmen dieses Artikels ist das wichtigste Prinzip jedoch enger gefasst: Es gilt, die für die gewählte Entscheidung benötigten Belege zu verknüpfen und die Rückverfolgbarkeit zu ihrer Quelle zu gewährleisten. Integrationsumfang und Zugriffsrechte müssen noch geprüft werden.

05 Behandeln Sie den KI-Assistenten wie einen neuen Planungskollegen.

Nicolas verwendet im Webinar eine hilfreiche Analogie: Man kann sich den Assistenten wie einen neuen Mitarbeiter vorstellen. Er mag zwar helfen, Informationen schnell zu organisieren, muss aber dennoch die Terminologie, die Rahmenbedingungen und die Erwartungen des Unternehmens erlernen. Die Analogie dient der Gestaltung des Onboarding-Prozesses und ist kein Beweis dafür, dass ein System das Unternehmen wie ein Mensch versteht.

Eine sinnvolle erste Aufgabe könnte die Erstellung eines Ausnahmeberichts sein. Nach einer Lieferänderung sammelt der Assistent die betroffenen Aufträge, identifiziert die unsicheren Eingangsgrößen und präsentiert dem Planer verschiedene Optionen zur Prüfung. Jede Option sollte ihre Annahmen und die einzuhaltenden Einschränkungen erläutern. Das Ergebnis sollte die weitere Diskussion erleichtern und dem Planer ersparen, eine Empfehlung rückwirkend zu entwickeln.

Geben Sie dem Assistenten eine schriftliche Stellenbeschreibung. Legen Sie fest, welche Quellen er lesen, welche Entscheidungen er empfehlen und welche Handlungen er nicht ausführen darf. Bestimmen Sie, wer seine Arbeit überprüft und wie Fehler gemeldet werden. Änderungen an Produktionsaufträgen, Benachrichtigungen an Kunden oder Zusagen an Lieferanten sollten die jeweils im Unternehmen festgelegte Genehmigung erfordern.

Auch Feedback benötigt einen Mechanismus. Wenn ein Planer eine Empfehlung aufgrund einer fehlenden Einschränkung ablehnt, sollte der Grund dokumentiert und die entsprechende Regel oder Konfiguration in einem kontrollierten Prozess aktualisiert werden. Gehen Sie nicht davon aus, dass das Modell automatisch aus jeder Korrektur lernt. Ob Feedback das zukünftige Verhalten beeinflusst, hängt von der Systemarchitektur und -wartung ab.

06 Der Planer sollte für die Abwägungen verantwortlich sein.

Das Webinar stellt KI als Unterstützung für Planer dar, nicht als Grund, diese Rolle abzuschaffen. Die Aufgaben könnten sich von der Informationsbeschaffung und -aufbereitung hin zur Koordination von Entscheidungen zwischen Einkauf, Produktion und Kundenbetreuung verlagern. Diese Verlagerung ist jedoch nur dann sinnvoll, wenn Planer die Empfehlungen überprüfen und hinterfragen können.

Betrachten wir zwei mögliche Reaktionen auf eine verspätete Komponente. Die eine sichert die Lieferung an einen wichtigen Kunden, erfordert aber eine Planänderung. Die andere vermeidet Produktionsunterbrechungen, verzögert aber die Lieferung an diesen Kunden. Der Assistent kann die relevanten Informationen zusammentragen und die Konsequenzen aufzeigen, die sich anhand seiner Eingaben berechnen lassen. Managementprioritäten, Beziehungen und Ausnahmen erfordern weiterhin eine verantwortliche Entscheidungsträgerin oder einen verantwortlichen Entscheidungsträger.

Eine praxisorientierte Überprüfung sollte drei Fragen klären: Welche Eingangsdaten stützen diese Option, welche Einschränkungen wurden angewendet und was wurde vernachlässigt? Kann das System diese Fragen nicht beantworten, kann die scheinbare Geschwindigkeit zusätzlichen Prüfaufwand verursachen. Dieser Prüfaufwand sollte im Rahmen der Pilotphase erfasst werden, anstatt die zur Generierung einer Antwort benötigte Zeit als alleinigen Nutzen zu betrachten.

Planern sollte ein klarer Weg aufgezeigt werden, um Widerspruch einzulegen. Ausnahmen und deren Gründe sollten erfasst werden, ohne jede Ausnahme als Fehler zu werten. Manchmal hat das Modell etwas übersehen, manchmal hat sich die Betriebsregel geändert. Beides liefert wertvolle Hinweise darauf, was das System benötigt, bevor sein Anwendungsbereich erweitert wird.

07 Beginnen Sie mit einer Produktfamilie und einem Paralleltest.

Stéphane empfiehlt, den Ablauf zu verstehen, bevor man einen ersten Anwendungsfall implementiert. Beobachten Sie, wie eine Planungsentscheidung zwischen Personen und Systemen umgesetzt wird. Finden Sie die Tabellenkalkulationen neben dem ERP-System, die informellen Genehmigungsprozesse und die Ausnahmen, die einen vermeintlich standardisierten Prozess in der Praxis verändern.

Wählen Sie anschließend eine Produktfamilie oder eine Entscheidung mit überschaubarem Rahmen. Achten Sie auf wiederkehrende Planungsprobleme, nachvollziehbare Nachweise und einen Verantwortlichen, der die Ergebnisse beurteilen kann. Ein Pilotprojekt, das alle Standorte und alle Produkte umfasst, ist schwer zu diagnostizieren. Eine Demonstration an einer zwar makellosen, aber nicht repräsentativen Stichprobe kann ebenso irreführend sein.

Nicolas beschreibt in der Diskussion beispielhaft einen sechs- bis achtwöchigen Paralleltest. Dies ist jedoch kein allgemeingültiger Implementierungszeitplan. Datenzugriff, Integration, operative Komplexität und die Häufigkeit der Entscheidungsfindung beeinflussen, was in einem bestimmten Zeitraum gelernt werden kann. Ein Prozess mit sehr wenigen relevanten Ereignissen erfordert möglicherweise ein anderes Evaluierungsdesign.

In einem Paralleltest bleibt der bestehende Prozess für den Betrieb zuständig, während der vorgeschlagene Assistent Empfehlungen zum Vergleich vorbereitet. Dokumentieren Sie, welche Informationen zum Entscheidungszeitpunkt verfügbar waren. Wenn Sie den Assistenten später anhand von Fakten bewerten, die erst im Nachhinein bekannt wurden, verschaffen Sie ihm einen Vorteil, den der Planer nicht hatte.

Führen Sie ein Entscheidungsprotokoll: Situation, Ausgangslage, Empfehlung des Assistenten, Kommentare des Prüfers und beobachtetes Ergebnis. Wurden Empfehlungen nicht umgesetzt, unterscheiden Sie zwischen dem angestrebten Nutzen und dem tatsächlich erzielten Ergebnis. Ein plausibler Alternativplan beweist nicht, dass das Unternehmen die prognostizierten Einsparungen erreicht hätte.

08 Messen Sie die Geschäftsergebnisse zusammen mit der Prognosequalität

Legen Sie die Erfolgskriterien vor Beginn des Pilotprojekts fest. Andernfalls kann eine überzeugende Demonstration im Nachhinein zum Erfolgskriterium werden. Wählen Sie wenige Kennzahlen, die das ursprüngliche Problem widerspiegeln und konsistent erhoben werden können.

• Die Prognoseleistung wird auf Produktebene und innerhalb des für die Planungsentscheidung verwendeten Zeithorizonts prognostiziert.
• Zeitspanne vom Erhalt einer Ausnahme bis zur Erstellung einer geprüften Antwort.
• Aufwand für die Überprüfung, einschließlich der Zeit, die für die Korrektur oder Untersuchung von Empfehlungen aufgewendet wird.
• Terminänderungen, Beschleunigungen oder Serviceergebnisse, die für den gewählten Anwendungsfall relevant sind.
• Vorfälle mit fehlenden Daten, Verletzungen von Nebenbedingungen und Gründe für Planerüberschreibungen.

Dies sind mögliche Maßnahmen, keine Garantie für eine gleichzeitige Verbesserung. Schnellere Entscheidungen erfordern möglicherweise zunächst eine eingehendere Prüfung. Eine Serviceverbesserung kann eine Anpassung des Lagerbestands notwendig machen. Definieren Sie, welches Ergebnis am wichtigsten ist und welche Leitlinien unbedingt eingehalten werden müssen, und lassen Sie den zuständigen Geschäftsinhaber diesen Entscheidungen zustimmen.

Stellen Sie einen transparenten Vergleich sicher. Verwenden Sie dieselben Definitionen und vergleichbare Fälle und dokumentieren Sie Veränderungen in Nachfrage, Personalbestand oder Lieferantenleistung, die das Ergebnis erklären könnten. Ein kurzes Pilotprojekt kann nützliche operative Erkenntnisse liefern, ohne jedoch einen allgemeinen Kausalzusammenhang oder eine für alle Produktfamilien gültige Rendite nachzuweisen.

Die Entscheidung zur Erweiterung sollte daher konkret sein: Rechtfertigen die vorliegenden Daten den Einsatz dieses Assistenten für diesen Prozess unter diesen Kontrollen? Wenn ja, sollte die Erweiterung gezielt erfolgen. Wenn nein, ist zu entscheiden, ob das Problem in der Eingabequalität, der Empfehlungslogik, der Integration, der Akzeptanz oder im Anwendungsfall selbst liegt.

09 Geben Sie dem Piloten einen Geschäftsinhaber

Die abschließende Diskussion befasst sich erneut mit der Managementverantwortung. Die Planung beeinflusst Service, Betriebskapital und Produktionsverpflichtungen, daher benötigt das Projekt jemanden, der abteilungsübergreifende Kompromisse aushandeln kann. IT- und Datenspezialisten sind unverzichtbare Partner, können diese geschäftlichen Prioritäten jedoch nicht allein festlegen.

Benennen Sie einen operativen Verantwortlichen, der die Entscheidung nachvollziehen kann, einen technischen Verantwortlichen für Zugriff und Zuverlässigkeit sowie einen Sponsor, der konkurrierende Prioritäten klären kann. Beziehen Sie die Planer, die das System nutzen werden, in die Definition des Umfangs und die Bewertung der Ergebnisse ein. Ihre Beteiligung sollte vor Fertigstellung der Benutzeroberfläche beginnen.

Legen Sie außerdem fest, wer den Prozess nach der Pilotphase weiterführt. Produktcodes und Lieferanten ändern sich, und alte Ausnahmen werden zu neuen Regeln. Ein Empfehlungssystem ohne verantwortliche Pflege kann sich nach und nach von den Geschäftsanforderungen entfernen. Verantwortlichkeiten, Eskalationswege und Berechtigungsgrenzen sollten auch nach der Pilotphase noch im Projektteam festgelegt sein.

Zur übergeordneten Managementfrage lesen Sie bitte, warum die KI-Transformation in Unternehmen die Verantwortung der Führungsebene erfordert . Dieses Webinar trägt dazu bei, dieses Prinzip in eine konkrete Planungsentscheidung zu übersetzen, die beobachtet, getestet und verbessert werden kann.

10 Fragen vor dem Start

Müssen wir unser ERP-System ersetzen?

Das sollte nicht die Standardannahme sein. Zunächst muss ermittelt werden, welche Informationen und Entscheidungshilfen im aktuellen Arbeitsablauf fehlen. Die Analyse kann Lücken in der Vernetzung, Berichterstattung oder Planung aufdecken, die sich neben bestehenden Systemen schließen lassen. Die Machbarkeit hängt von Zugriff, Integration und dem Prozess selbst ab.

Kann KI mit Tabellenkalkulationen und PDFs arbeiten?

Diese Daten können zwar hilfreich sein, doch die Formatkompatibilität ist nur der Anfang. Prüfen Sie die Qualität der Datenextraktion, Definitionen, Aktualität und Berechtigungen. Ein lesbares Dokument ist nicht automatisch eine verlässliche Grundlage für Produktionsentscheidungen.

Wird ein KI-Assistent unseren Planer ersetzen?

Der in diesem Webinar vorgestellte Ansatz bindet den Planer aktiv in die Prüfung von Optionen und die Koordination von Maßnahmen ein. Konzipieren Sie das Pilotprojekt um eine konkrete Aufgabe herum und messen Sie den Aufwand für die Überprüfung sowie die dadurch eingesparte Analyse. Lassen Sie aus einer erfolgreichen Demonstration keine Rückschlüsse auf den Personalbedarf zu.

Was sollten wir zuerst testen?

Wählen Sie eine wiederkehrende, klar definierte Entscheidung, bei der die aktuelle Schwierigkeit und ihre Folgen sichtbar sind. Eine von Lieferverzögerungen betroffene Produktfamilie ist ein Beispiel, keine allgemeingültige Empfehlung. Beginnen Sie mit dem operativen Problem, das Sie beobachten und messen können.

11 Treffen Sie die Entscheidung vor dem Modell.

Der beste Ausgangspunkt für KI-gestützte Bedarfsprognosen in der Fertigung ist eine Frage, die Ihr Team ohnehin beantworten muss: Was sollten wir ändern, wenn sich Nachfrage, Angebot oder Kapazität verändern? Arbeiten Sie von dieser Entscheidung aus rückwärts zu den benötigten Informationen, Einschränkungen und Befugnissen.

Ein sinnvolles erstes Projekt macht diese Zusammenhänge sichtbar. Es hilft dem Planer, Optionen frühzeitig zu prüfen, Annahmen überprüfbar zu halten und Erkenntnisse zu gewinnen, die dem Management als Entscheidungsgrundlage dienen. Eine bessere Prognose ist dann von Bedeutung, wenn sie im operativen Geschäft zu einer besseren Reaktion führen kann.

Besprechen Sie einen Planungs-Workflow mit Embiggen X und beurteilen Sie, was ein begrenzter Test erfordern würde.