SAF-HOLLAND: Mit Machine Learning zu mehr Prognosesicherheit in der Supply Chain
Kurzfristige Änderungen bei Kundenabrufen gehören in der Nutzfahrzeugzulieferindustrie zum Tagesgeschäft – und stellen Produktion, Bestände und Lieferfähigkeit immer wieder vor neue Herausforderungen. Der Hersteller von fahrwerksbezogenen Baugruppen und Komponenten für Trailer, Lkw und Busse SAF-HOLLAND hat deshalb gemeinsam mit uns einen datengetriebenen Forecasting-Ansatz auf Basis der SAP Business Data Cloud entwickelt; und damit den Weg von reaktivem Reporting zu proaktiver Steuerung geebnet.
Die Herausforderung
Bei SAF-HOLLAND führten kurzfristige Änderungen an Delivery Schedules zu einer hohen Planungsunsicherheit. Abrufe der Kunden änderten sich regelmäßig, teilweise täglich, mit direkten Auswirkungen auf Produktion, Bestände und Lieferfähigkeit. Außerdem fehlte es an Transparenz über Muster und Verlässlichkeit dieser Abrufe, so dass Schwankungen kaum vorherzusehen waren.
- Hohe Planungsunsicherheit durch häufige kurzfristige Änderungen der Delivery Schedules
- Teilweise tägliche Änderungen der Kundenabrufe
- Spürbare Auswirkungen auf Produktion, Bestände und Lieferfähigkeit
- Geringe Transparenz über Muster und Verlässlichkeit von Abrufen
- Ziel: Prognosefähigkeit erhöhen und Schwankungen besser verstehen
Die Lösung
Gemeinsam mit INFOMOTION konzipierte und realisierte SAF-HOLLAND einen datengetriebenen Forecasting-Ansatz auf Basis der SAP Business Data Cloud. Dabei wurden SAP Datasphere für die Datenintegration und -modellierung, SAP Databricks für Machine Learning (ML) und Prognosemodelle sowie SAP Analytics Cloud für Analyse und Visualisierung zu einer durchgängigen Architektur verbunden.
Kern der Lösung ist ein eigens entwickeltes und validiertes ML-Modell zur Vorhersage der Abrufverlässlichkeit. Es bildet die Basis für eine End-to-End-Architektur, die vom SAP-Quellsystem bis zur datengetriebenen Entscheidungsunterstützung reicht.
- Datengetriebener Forecasting-Ansatz auf Basis von SAP Business Data Cloud
- Integration von SAP Datasphere, SAP Databricks und SAP Analytics Cloud
- Entwicklung und Validierung eines ML-Modells zur Vorhersage der Abrufverlässlichkeit
- End-to-End-Architektur vom SAP-Quellsystem bis zur datengetriebenen Entscheidungsunterstützung
„Durch den Einsatz von Machine Learning auf Basis der SAP Business Data Cloud gewinnen wir ein deutlich besseres Verständnis für das Abrufverhalten unserer Kunden und können unsere Supply Chain stabiler und effizienter steuern.“
Die Ergebnisse
Der neue Forecasting-Ansatz hat SAF-HOLLAND spürbar mehr Transparenz und Steuerungsfähigkeit in der Supply Chain verschafft.
Transparenz über Abrufverhalten
Muster im Abrufverhalten der Kunden lassen sich heute zuverlässig erkennen und einordnen. Statt Schwankungen erst im Nachgang zu registrieren, schafft die Lösung Klarheit über deren Ursachen und Wiederkehr.
Stabilere Produktions- und Bestandsplanung
Auf Basis verlässlicherer Prognosen lassen sich Produktion und Bestände heute vorausschauender planen, dadurch wirken sich Schwankungen deutlich weniger unmittelbar aus.
Bessere Lieferfähigkeit
Engpässe werden früher erkannt und lassen sich gezielter vermeiden. Das stärkt die Lieferfähigkeit gegenüber den Kunden von SAF-HOLLAND.
Von reaktivem Reporting zu proaktiver Steuerung
Der wohl größte Hebel liegt im Rollenwechsel: Statt Entwicklungen im Reporting nur nachträglich zu beschreiben, liefert die Lösung heute eine belastbare Grundlage für vorausschauende, datenbasierte Entscheidungen in der Supply Chain.
Für SAF-HOLLAND war die Kombination aus tiefer SAP-Expertise und moderner Data- und KI-Kompetenz entscheidend: Wir verbinden beides und verfügen über die methodische Stärke, Use Cases zu identifizieren, Prototypen zu erstellen und zu validieren und die finale End-to-End-Architektur zu bauen. Sie haben ein Projekt, bei dem Sie Unterstützung benötigen? Melden Sie sich bei uns.
Die Data-Performance-Welt dreht sich schnell: Mit unserem Newsletter bleiben Sie immer up to data!
