KI-Bedarfsprognose und Lagerplanung in Dubai

Warum ist die Nachfrage in den VAE von Hand so schwer vorherzusagen?

Weil der Kalender wandert. Ramadan folgt dem Mondkalender und beginnt jedes Jahr rund 11 Tage früher, die Spitzenwoche des Vorjahres liegt also dieses Jahr woanders. Eid, Schulbeginn, die Sommermonate, in denen viele Einwohner verreisen, das Dubai Shopping Festival, White Friday und die Wintersaison mit den Touristen verschieben die Nachfrage je Produkt unterschiedlich. Wer aus Deutschland ein Weihnachtsgeschäft mit festem Datum gewohnt ist, muss hier umdenken.

Dazu kommen Lieferzeiten. Seefracht nach Jebel Ali braucht Wochen; eine Bestellung, die nach Bauchgefühl erst nach der Spitze aufgegeben wird, kommt zu spät, und eine zu frühe bindet Geld und Lagerfläche, die jeden Monat kostet. Filialen bilden eine weitere Ebene: Ein Laden in Dubai Marina, eine Filiale in Deira und ein Lager für Kunden in Abu Dhabi folgen eigenen Mustern, die eine einzige Firmenprognose verdeckt.

Wie funktioniert eine KI-Prognose, Schritt für Schritt?

Das Verfahren verbindet statistische Prognose mit maschinellem Lernen und läuft jede Woche auf Ihren eigenen Daten:

• Daten - Verkaufshistorie je Produkt und Filiale aus ERP, Kassensystem oder Onlineshop, am besten zwei Jahre oder mehr, dazu Bestände, offene Bestellungen und Lieferzeiten.
• Kalender - Ramadan, Eid, Schulhalbjahre, Shopping-Festivals und Ihre eigenen Aktionen kommen als Ereignisse mit ihren echten Daten des jeweiligen Jahres hinzu.
• Prognose - das Modell schätzt die Wochennachfrage je Produkt als Spanne statt als einzelne Zahl und lernt, welche Produkte auf welche Ereignisse reagieren.
• Nachbestellung - aus Prognose, Bestand, offenen Bestellungen, Lieferzeit und Sicherheitspuffer entsteht je Produkt und Lieferant ein Vorschlag für Menge und Termin.
• Prüfung - jede Woche sieht der Einkäufer die Vorschläge, die Gründe dahinter und die Produkte, bei denen Prognose und Wirklichkeit auseinanderliefen.

Was bleibt beim Einkäufer?

Die Bestellung. Eine Prognose weiß nicht, dass ein Lieferant gleich die Preise erhöht, dass ein Wettbewerber sein Lager räumt oder dass neben Ihrer Filiale ein neuer Wohnturm eröffnet hat. Einkäufer bringen dieses Wissen ein, passen Mengen an und bestellen. Das System hält ihre Änderungen fest und weist seine eigene Treffsicherheit offen aus, Produkt für Produkt.

Neue Produkte ohne Historie werden aus ähnlichen Produkten prognostiziert und als unsicher markiert. Aktionen planen Menschen, die Prognose zeigt ihre erwartete Wirkung auf den Bestand. Langsamdreher und Ersatzteile mit unregelmäßiger Nachfrage bekommen ein eigenes Verfahren, weil Durchschnitte dort in die Irre führen. Die Treffsicherheit wird gemessen, nicht versprochen: Das System vergleicht jede Prognose mit dem tatsächlichen Absatz und zeigt den Fehler je Produktgruppe.

Was braucht die KI-Prognose, und was kann sie verändern?

Sie braucht eine saubere Verkaufshistorie, Artikelstammdaten und Lieferzeiten. Angebunden werden Odoo, SAP Business One, Microsoft Dynamics, Zoho Inventory, Shopify oder ein Kassenexport; die Ergebnisse erscheinen als Bestellentwürfe oder in einem Dashboard. Konkurrenzpreise aus der Preisüberwachung der Konkurrenz können einfließen, freigegebene Vorschläge laufen weiter in den automatisierten Einkauf.

Rechenbeispiel: Angenommen, ein Großhändler hält Sicherheitsbestand im Wert von 800.000 AED. Senken bessere Prognosen den Sicherheitsbestand um ein Viertel, ohne dass mehr Fehlbestände entstehen, sind 200.000 AED nicht mehr im Regal gebunden. Das sind Annahmen, keine Kundenergebnisse. Alle Anwendungsfälle: was KI im Unternehmen automatisieren kann.