Supply Chain Management: Big Data hilft beim Planen
Titelbild: © Narong Jongsirikul/Shutterstock.com
Nicht nur Online-Shopper schätzen vor allem eines: exakte Lieferprognosen. Garantierte Ankunftstermine von Waren entscheiden über den letzten Klick beim Kauf. Wie Big Data die Lieferkette optimiert, damit Lieferungen immer pünktlich kommen.
Ob Kleidung, Bücher oder Elektroartikel, Arznei- oder auch Lebensmittel: 47 Millionen Menschen kauften 2015 in Deutschland Waren und Dienstleistungen über das Internet ein, erklärt das Statistische Bundesamt. Das heißt: acht von zehn Usern shoppen hierzulande im Web – Tendenz steigend. Neben einer breiten Auswahl und günstigen Preisen verlangen die Internetkäufer vor allem eine schnelle Lieferung zu einem garantierten Termin, wie eine Studie des Versandlösungsanbieters Metapack zeigt. Demnach hat jeder Zweite bereits eine Bestellung abgebrochen, wenn der Liefertermin nicht den Erwartungen entsprach. Diese Daten entstammen der Studie „Delivering Consumer Choice“ aus dem Jahr 2016, für die Metapack 3.000 Verbraucher in Europa befragt hatte.
Pakete senden Daten
Einen Weg, wie sich Lieferzeiten besser prognostizieren lassen, zeigt das Beispiel Federal Express: Das Unternehmen, das sich selbst als Erfinder des Express-Versands beschreibt, rüstet seine Transportgüter mit Sensoren aus. Sensoren, die erfassen, wo Pakete unterwegs sind. Mit den Daten verbessert der Logistiker nicht nur seine eigenen Transportprozesse, indem esbeispielsweise Fehlerquellen und Ursachen für beschädigte Lieferungen aufspürt. Federal Express bietet diese Informationen auch seinen Auftraggebern als Service an: „Die beteiligten Parteien einer logistischen Transaktion können die Daten über Position und Zustand des Paketes einsehen – und das nahezu in Echtzeit“, schreibt das Fachportal BigData-Insider.de in einem aktuellen Artikel. Das Ergebnis für Kunden des Services: Wann Waren ihre Zielorte erreichen, ist immer bekannt.
Erfahrungswerte für Wind und Wetter
Aber Daten, die zeigen, wo eine Lieferung im Moment ist, sind nur eine Seite der Medaille. Beispiel Binnenschifffahrt: Gelangen Güter auf diesem Weg zu Verladestationen oder Kunden im Inland, hängt die Pünktlichkeit eines Transports vom Wasserstand ab. Nicht nur die hiesige Chemieindustrie ist davon betroffen. Wettereignisse schlagen sich auch im Angebot jedes Supermarktes nieder: Zwischen plötzlichem Sonnenwetter, Fleischproduktion und Metzgereiauslage besteht ein konkreter Zusammenhang. Ein Zusammenhang, den es zu kennen und im Liefermanagement zu berücksichtigen gilt, damit keine Engpässe entstehen – egal ob Würstchen für den Grillrost oder Rohstoffe für die Industrie.
Um das Problem zu lösen, behelfen sich die Unternehmen mit Erfahrungswerten. So pflegen Chemieproduzenten eigene Datenbanken, auf die sie zurückgreifen, um Liefertermine in Abhängigkeit von Wasserständen zu prognostizieren. Im Zweifelsfall setzt die Branche dann auf den teureren Straßentransport. Das englischsprachige Fachportal Entrepreneur.com zeigt, was darüber hinaus möglich ist, wenn Firmen Abhängigkeiten aufspüren: Wer beispielsweise festhält, welche Produkte er wie oft und wie schnell an einen Bestimmungsort liefert, der kann den optimalen Platz für sein Lagerhaus bestimmen, was in der Folge Zeit und Geld spart, heißt es im Artikel „3 Ways Big Data Can Help Small Businesses With Shipping Strategies”. Darüber hinaus seien Datenanalysen nicht nur ein Thema für die Großen der Branche. Auch kleine und mittelständische Anbieter profitieren von Prognosen: Wer etwa dokumentiert, wie lange Zustellungen in der Regel dauern, kann daraus Rückschlüsse für künftige Lieferungen ziehen und in Zeiten mit höherem Versandaufkommen bei den Lieferdiensten entsprechend vorausschauend planen.
Waren- und Informationsströme übergreifend verzahnen
Aber: Die Wahrscheinlichkeit eines Ereignisses durch den Blick zurück vorherzusagen, hat Grenzen, wie das Fraunhofer-Institut für Materialfluss und Logistik (IML) im Positionspapier „Big Data für eine optimierte Supply Chain“ zeigt: „Besser wird diese Prognose durch Big Data. In einem entsprechenden Big-Data-System würden dann diese In-House-Erfahrungswerte mit anderen Datenquellen wie den Datenbanken der Schifffahrtsbehörden, Wetter- und Klimaprognosen sowie Daten von Binnenschiffs-Logistikern verbunden.“
Das heißt: Egal ob Informationen aus digitalen LKW-Tachos, Telematikeinheiten der Trailer, SAP-Systemen, Wettermodellen oder eben von Sensoren am Frachtgut selbst – Big Data in der Lieferlogistik ist ein Thema, das Unternehmen übergreifend bearbeiten müssen. Nur wer Waren- und Informationsströme verzahnt und analysiert, profitiert. So erwartet Bernhard van Bonn, stellv. Abteilungsleiter Verkehrslogistik am Fraunhofer IML, dass sich 75 Prozent des Verbesserungspotenzials in der Netzwerkstruktur der Supply Chain finden lassen, wie die Verkehrsrundschau schreibt.
Frische Produkte pünktlich geliefert
Amazon zeigt, wie es gehen kann: Der Anbieter vereint ein scheinbar lückenloses Sortiment mit detaillierten Kenntnissen seiner Kunden. Kenntnisse, die Amazon aus diversen Quellen gewinnt: ob über den eigenen Musik-Dienst, das eigene TV-Angebot oder die Sprachassistentin Alexa. Diese Informationen nutzt das Unternehmen, um neue Angebote zu entwickeln wie „Amazon Fresh“. Der Deutschlandstart des Lieferservices für Frischeprodukte erfolgte Anfang Mai 2017. Vorerst können jedoch nur die Anwohner aus Berlin und Potsdam den Wocheneinkauf online erledigen. Den Service, den Amazon mit den Worten „frisch, lokal“ und „nach Wunsch geliefert“ bewirbt, realisiert das Unternehmen zum einen mit regionalen Partnern. Zum anderen aber auch mit eigenen Waren- und Kühlhäusern vor Ort. Und mit jeder Menge Daten, die für die Kunden vor allem eines bedeuten: termintreue Lieferungen. Denn: Ein exakt prognostizierter Ankunftszeitpunkt entscheidet auch hier über den letzten Klick beim Kauf.
Dieser Artikel erschien ursprünglich auf Digitales-Wirtschaftswunder.de, dem Themenblog der QSC AG