KI-gestützte Supply-Chain- und Bestandsoptimierung

Das zweiseitige Problem, das keine Tabelle löst

Ein regionaler Milchproduzent findet an einem Morgen zwei Beschwerden vor. Die Hälfte seiner Joghurt-Lieferungen an eine Supermarktkette kam zu kurz vor dem Mindesthaltbarkeitsdatum an, der Händler nahm sie nicht an (Verderb). Gleichzeitig waren drei Filialen in einer Nachbarregion bis zum Mittag beim selben Produkt leer (Out-of-Stock).

Beide Probleme sind Bestandsfehler, aber sie ziehen in entgegengesetzte Richtungen. Wer den Verderb reduziert, indem ererDas Verhältnis von Interaktionen (Likes, Kommentare, Shares) zur Reichweite eines Inhalts. Zeigt, wie stark die Zielgruppe reagiert, gemessen an der Zahl der Personen, die den Inhalt gesehen haben.Vollständige Definition ansehen → weniger liefert, erzeugt mehr Out-of-Stocks. Wer Out-of-Stocks bekämpft, indem ererDas Verhältnis von Interaktionen (Likes, Kommentare, Shares) zur Reichweite eines Inhalts. Zeigt, wie stark die Zielgruppe reagiert, gemessen an der Zahl der Personen, die den Inhalt gesehen haben.Vollständige Definition ansehen → mehr liefert, erzeugt mehr Verderb.

Das ist die zentrale Spannung in FMCG-Lieferketten, besonders bei Frischware: Frische gegen Verfügbarkeit, mit dem Working CapitalWorking CapitalWorking Capital ist die Differenz zwischen Umlaufvermögen und kurzfristigen Verbindlichkeiten eines Unternehmens. Es misst die kurzfristige Liquidität und die Mittel, die für das laufende Geschäft verfügbar sind.Vollständige Definition ansehen → (dem in Beständen gebundenen Geld) in der Mitte. Klassische Forecasting-Tools behandeln das als getrennte Themen. KI-gestützte Optimierung behandelt es als ein Problem.

Warum klassische Bestandsregeln im FMCG scheitern

Die meisten Unternehmen arbeiten weiter mit Safety-Stock-Regeln: ein fester Puffer zusätzlicher Einheiten, der Nachfrageschwankungen abfedert. Eine verbreitete Formel bestimmt den Puffer aus der durchschnittlichen Nachfrage und ihrer Schwankung.

Das funktioniert bei stabilen, nicht verderblichen Waren. Im FMCG scheitert es aus drei Gründen:

• Kurze Haltbarkeit. Ein Joghurt-Puffer ist keine kostenlose Versicherung. ErErDas Verhältnis von Interaktionen (Likes, Kommentare, Shares) zur Reichweite eines Inhalts. Zeigt, wie stark die Zielgruppe reagiert, gemessen an der Zahl der Personen, die den Inhalt gesehen haben.Vollständige Definition ansehen → ist ein Verderbrisiko mit tickender Uhr.
• Promotions und Saisonalität. Eine Preisaktion am Wochenende kann die Nachfrage für eine SKU (Stock Keeping Unit, eine einzelne Kombination aus Produkt, Größe und Sorte) verdreifachen. Feste Puffer kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnen nicht schnell genug nachgeben.
• Netzwerkkomplexität. Ware fließt über mehrere Stufen: Werk, Zentrallager, Regionaldepots, Filialen. Jede Stufe hält Bestand. Sie einzeln zu optimieren verschwendet Geld und Frische.

Der letzte Punkt hat einen Namen: Multi-Echelon Inventory Optimization (MEIO). Ein Echelon ist eine Stufe im Netzwerk. MEIO optimiert Bestände über alle Echelons gleichzeitig, statt dass jedes Depot seinen eigenen Puffer hortet.

Multi-Echelon-Denken, einfach erklärt

Stellen Sie sich vor, jedes Regionaldepot hält unabhängig fünf Tage Joghurt „für den Fall". Multiplizieren Sie das mit zwanzig Depots und Sie halten einen Berg verderblicher Ware, der in keinem einzelnen Standort je gebraucht wird.

MEIO stellt die klügere Frage: Wo im Netzwerk sollte jede Puffereinheit tatsächlich liegen?

Oft lautet die Antwort: weniger an den Rändern (Filialen, Depots) und etwas mehr zentral, wo ein Puffer viele Standorte bedienen kann. Das nennt man Risk Pooling: Schwankungen gleichen sich aus, wenn man die Nachfrage über Regionen bündelt. Ein zentraler Puffer von 1.000 Einheiten kann dasselbe Servicerisiko abdecken wie 3.000 Einheiten, die dünn über Depots verteilt sind, weil die Depots selten alle gleichzeitig ausschlagen.

Bei Frischmilchprodukten kommt bei MEIO eine harte Nebenbedingung hinzu: Frische. Eine zentral gehaltene Einheit muss das Regal noch mit ausreichender Restlaufzeit erreichen. Das Modell wägt also Pooling-Vorteile gegen Transitzeit und verbleibende Haltbarkeitstage ab.

Das MIT Center for Transportation and Logistics veröffentlicht gut zugängliche Forschung zu diesen Netzwerk-Trade-offs, falls Sie tiefer einsteigen wollen.

Wo Reinforcement Learning ins Spiel kommt

Ein Forecast sagt Ihnen, wie die Nachfrage aussehen kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnte. ErErDas Verhältnis von Interaktionen (Likes, Kommentare, Shares) zur Reichweite eines Inhalts. Zeigt, wie stark die Zielgruppe reagiert, gemessen an der Zahl der Personen, die den Inhalt gesehen haben.Vollständige Definition ansehen → sagt Ihnen nicht, was Sie *tun* sollen. Nachschub ist ein Entscheidungsproblem: wie viel bestellen, für jede SKU, an jedem Standort, jeden Tag, bei unsicherer Nachfrage und Verderblichkeit.

Reinforcement Learning (RL) ist ein KI-Zweig, in dem ein Agent durch Versuch und Irrtum gegen ein Reward-Signal eine Policy lernt (eine Regel zur Wahl von Aktionen). Denken Sie an ein Spiel, bei dem der „Punktestand" Ihr Geschäftsziel ist.

Für den Milchprodukte-Nachschub sieht der Aufbau so aus:

• State: aktueller Bestand je Standort, Produktalter, Wochentag, anstehende Promotions, Wetter, jüngste Abverkäufe.
• Action: wie viele Einheiten je Standort bestellt oder geliefert werden.
• Reward: erreichtes Service-Level (Verfügbarkeit), minus Verderbkosten, minus Lagerkosten.

Der RL-Agent durchläuft Millionen simulierter Tage gegen historische und synthetische Nachfrage. ErErDas Verhältnis von Interaktionen (Likes, Kommentare, Shares) zur Reichweite eines Inhalts. Zeigt, wie stark die Zielgruppe reagiert, gemessen an der Zahl der Personen, die den Inhalt gesehen haben.Vollständige Definition ansehen → lernt zum Beispiel, dass zusätzliche Lieferungen an eine bestimmte Filiale vor einem heißen Wochenende sich auszahlen, aber nur bei Produkten mit mehr als vier Tagen Restlaufzeit.

Entscheidend: RL lernt Policies, die klassische Regeln nicht ausdrücken kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnen. Eine feste Safety-Stock-Formel sagt „halte X Tage". Eine RL-Policy sagt „halte X Tage, außererDas Verhältnis von Interaktionen (Likes, Kommentare, Shares) zur Reichweite eines Inhalts. Zeigt, wie stark die Zielgruppe reagiert, gemessen an der Zahl der Personen, die den Inhalt gesehen haben.Vollständige Definition ansehen → das Produktalter überschreitet Y und es ist Wochenmitte ohne Promotion, dann liefere weniger und lass das Zentraldepot das Risiko tragen". Genau diese konditionale Logik braucht der Trade-off zwischen Frische und Verfügbarkeit.

Eine vereinfachte Reward-Funktion

Hier die Grundidee des Rewards in Pseudocode. Illustrativ, kein Produktionscode.

def daily_reward(sales, demand, spoiled_units, ending_stock):
    stockout_units = max(demand - sales, 0)

    reward = (
        REVENUE_PER_UNIT * sales
        - STOCKOUT_PENALTY * stockout_units   # entgangene Verkäufe, unzufriedener Händler
        - SPOILAGE_COST   * spoiled_units     # verdorbene Milchware, Entsorgungskosten
        - HOLDING_COST    * ending_stock      # gebundenes Working Capital
    )
    return reward

Der Agent justiert seine Bestellpolicy so, dass die Summe dieser täglichen Rewards über die Zeit maximiert wird. Ändern Sie die Strafterme, ändern Sie das Verhalten: Erhöhen Sie SPOILAGE_COST, wird der Agent bei frischen SKUs konservativer.

In die Praxis: Daten und Guardrails

RL und MEIO sind nur so gut wie ihre Inputs und Nebenbedingungen.

Daten, die Sie brauchen:

• Point-of-Sale-Daten (POS) je Filiale und SKU, idealerweise täglich.
• Aktueller Bestand und Produktalter auf jedem Echelon.
• Promotionskalender und Preisänderungen.
• Lead Times (wie lange Ware zwischen den Stufen unterwegs ist).

Guardrails, die zählen:

• Haltbarkeits-Nebenbedingungen müssen harte Regeln sein, keine weichen Strafterme. Sie wollen nie eine Policy, die abgelaufene Ware liefert, um ein Serviceziel zu treffen.
• Lieferanten- und Produktionsgrenzen. Der Agent kann nicht mehr bestellen, als das Werk herstellen kann.
• Menschliches Override. Planer müssen Empfehlungen prüfen und anpassen kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnen, besonders bei ungewöhnlichen Ereignissen. Die KI schlägt vor; das Supply-Chain-Team bleibt verantwortlich.

Ein praktischer Rollout startet meist im Shadow Mode: Die KI erzeugt Empfehlungen, Menschen treffen weiter die echten Entscheidungen, und beide werden über mehrere Wochen verglichen. Erst wenn die KI die bisherige Methode bei Verderb, Service und Bestand durchgängig schlägt, übernimmt sie, oft eine Produktkategorie nach der anderen.

Wie gut aussieht

Für unseren Milchproduzenten jagt ein gut eingestelltes System nicht einer Kennzahl nach. Es berichtet über alle drei gleichzeitig:

• Service-Level: Anteil der aus Bestand erfüllten Nachfrage (weniger Out-of-Stocks).
• Verderbquote: Anteil der vor dem Verkauf verdorbenen Einheiten.
• Working Capital / Bestandstage: wie viel Geld in Beständen gebunden ist.

Der Gewinn liegt darin, alle drei gemeinsam in die richtige Richtung zu bewegen, oder einen kleinen, bewussten Nachteil bei einer Kennzahl gegen einen großen Vorteil bei einer anderen zu tauschen. Anbieter werben manchmal mit großen Verbesserungen; behandeln Sie Schlagzeilenzahlen als Schätzungen und bestehen Sie auf Ihrem eigenen Shadow-Mode-Test, bevor Sie ihnen glauben.

Typische Fehlerbilder, die Sie vermeiden sollten

Forecasts optimieren statt Entscheidungen. Ein genauerer Forecast, der weiter in eine starre Bestellregel läuft, lässt den größten Teil des Werts liegen. Das Geld steckt in der Entscheidungs-Policy.

Die Nebenbedingungen des Händlers ignorieren. Viele Lebensmittelketten weisen Lieferungen unterhalb einer Mindestrestlaufzeit zurück (eine „Days-to-Expiry"-Anforderung). Wenn Ihr Modell die Annahmeregeln des Händlers nicht abbildet, prallen seine „optimalen" Lieferungen an der Rampe ab.

Auf einer Welt trainieren, die es nicht mehr gibt. Nachfragemuster verschieben sich: neue Wettbewerber, Preisinflation, veränderte Konsumgewohnheiten. RL-Policies brauchen regelmäßiges Retraining und ein Monitoring auf Drift (wenn die realen Bedingungen von den Trainingsdaten abweichen).

Frischware zu stark zentralisieren. Risk Pooling spart Geld, aber bei sehr kurzlebigen Produkten verlagert Bestand zu weit weg vom Regal den Verderb nur. Das Modell muss Transitzeit als erstklassige Nebenbedingung respektieren.

Zurück zum Milchproduzenten

Zurück zu dem Produzenten mit zwei Beschwerden. Mit einem KI-gestützten System sieht der Morgen anders aus. In der Nacht sah der Agent eine Hitzewellenprognose für eine Region und eine startende Promotion in einer anderen. ErErDas Verhältnis von Interaktionen (Likes, Kommentare, Shares) zur Reichweite eines Inhalts. Zeigt, wie stark die Zielgruppe reagiert, gemessen an der Zahl der Personen, die den Inhalt gesehen haben.Vollständige Definition ansehen → schob frischere Ware in die Promotion-Region, hielt etwas mehr im Zentraldepot, um die Hitzewellen-Unsicherheit abzudecken, und kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →ürzte Lieferungen älterer Ware an die Kette, die strenge Haltbarkeitsannahme durchsetzt.

Verderb und Out-of-Stocks sind kein Tauziehen mehr. Sie werden zu zwei Termen in einer einzigen Zielfunktion, die das System jede Nacht löst.

Wichtigste Erkenntnisse

• Frische, Verfügbarkeit und Working Capital sind ein Problem, nicht drei. FMCG-Lieferketten scheitern, wenn sie diese getrennt optimieren. KI erlaubt es, sie in einer einzigen Zielfunktion auszubalancieren.
• Multi-Echelon-Optimierung plus Risk Pooling senkt den gesamten Frischwarenbestand, indem Puffer dort liegen, wo sie die meisten Standorte abdecken, unter Beachtung von Haltbarkeit und Transitzeit.
• Reinforcement Learning optimiert Entscheidungen, nicht nur Forecasts. Die Reward-Funktion wägt Stockout-Strafe direkt gegen Verderb- und Lagerkosten ab und erzeugt konditionale Policies, die feste Regeln nicht ausdrücken kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnen.
• Guardrails sind nicht verhandelbar: harte Haltbarkeitsgrenzen, Produktionsgrenzen und menschliches Override. Rollen Sie im Shadow Mode aus und belegen Sie Ergebnisse auf Ihren eigenen Daten, bevor Sie die Kontrolle abgeben.
• Behandeln Sie Verbesserungsversprechen von Anbietern als Schätzungen. Messen Sie Service-Level, Verderbquote und Bestandstage gemeinsam und trainieren Sie Modelle nach, wenn Nachfragemuster driften.