Eine falsch eingeschätzte Nachfrage kann schnell kostspielige Folgen für das Unternehmen nach sich ziehen. Eine zu niedrige Prognose erhöht das Risiko von Lieferengpässen und entgangenen Umsätzen. Umgekehrt kann eine zu hohe Prognose zu Überbeständen führen, Kapital binden und die Lager- oder Abschreibungskosten erhöhen.
Der Prozess der Bedarfsplanung ermöglicht es, solche Situationen besser zu antizipieren, indem die Erstellung der Nachfrageprognose Schritt für Schritt strukturiert wird. Es basiert auf der Konsolidierung der Daten, der Erstellung einer Referenzprognose, der Einbeziehung von Fachinformationen, der Analyse von Unsicherheiten und der Validierung eines zwischen den Teams abgestimmten Plans.
Nach der Freigabe dient dieser Plan als Grundlage für die Planung der Beschaffung, die Anpassung der Lagerbestände, die Vorausschau auf den Kapazitätsbedarf sowie die Koordinierung von Geschäfts- und Lieferkettenentscheidungen. Die erzielten Ergebnisse werden anschließend mit den Prognosen verglichen, um Abweichungen zu ermitteln und den nächsten Zyklus zu optimieren.
Die Qualität der Planung hängt somit von der gesamten Arbeitskette ab: von der Zuverlässigkeit der Daten, der Wahl der Prognosemethoden, der Zusammenarbeit zwischen den Teams, den Validierungsregeln und der Nachverfolgung der Ergebnisse. Im Folgenden wird erläutert, wie Sie jeden dieser Schritte konkret organisieren können.
Welche Schritte umfasst ein Demand-Planning-Prozess?
Ein solider Prozess beruht auf einer Abfolge miteinander verknüpfter Schritte. Die Endqualität hängt selten von einem einzigen Modell ab. Sie ergibt sich vor allem aus der Kohärenz des Gesamtprozesses, von den Quelldaten bis hin zur operativen Entscheidung.
Der Zyklus beginnt mit der Aufbereitung der Informationen und setzt sich mit der Erstellung einer Referenzprognose fort. Anschließend ergänzen die Teams diese Prognose, prüfen die Risiken und validieren die Annahmen. Nach der Übermittlung des Plans an die betroffenen Abteilungen analysieren sie die Abweichungen, um den nächsten Zyklus zu optimieren.
Daten konsolidieren und deren Zuverlässigkeit gewährleisten
Die für die Bedarfsplanung erforderlichen Daten sind häufig auf das ERP-System, Kassensysteme, Bestandsverwaltungssysteme, E-Commerce-Plattformen und Werbeprogramme verteilt. Durch deren Zusammenführung lassen sich die Verkaufszahlen mit der Verfügbarkeit, den Preisen, den Vertriebsmaßnahmen und den Ereignissen abgleichen, die die Nachfrage beeinflussen könnten.
Diese Aufbereitung umfasst die Bearbeitung fehlender Daten, von Duplikaten, Rücksendungen und Änderungen der Kodierung. Sie erfordert zudem konsistente Referenzsysteme. Wenn sich die Verpackung oder die Identifikationsnummer eines Produkts ändert, muss dessen Historie weiterhin auswertbar bleiben, sofern die Unterschiede zwischen der alten und der neuen Artikelnummer berücksichtigt werden.
Die Behandlung von Lieferunterbrechungen verdient besondere Aufmerksamkeit. Eine Phase ohne Verkäufe kann auf eine fehlende Nachfrage, aber auch auf eine Nichtverfügbarkeit hindeuten. Bestandsdaten, nicht ausgelieferte Bestellungen oder das Verhalten vergleichbarer Produkte können bei der Interpretation dieser Situation hilfreich sein. Die entgangene Nachfrage bleibt jedoch eine Schätzung, deren Annahmen dokumentiert werden müssen.
Die Wahl der Detailtiefe spielt anschließend eine entscheidende Rolle. Eine monatlich erstellte nationale Prognose kann erhebliche Abweichungen zwischen Filialen oder Wochen verschleiern. Eine zu detaillierte Ebene kann zu stark schwankenden Zeitreihen führen. Die richtige Ebene hängt von den zu treffenden Entscheidungen ab, wobei die Möglichkeit bestehen muss, die Ergebnisse auf kohärente Weise zu aggregieren oder aufzuschlüsseln.
Erstellung einer Referenzprognose
Sobald die Daten aufbereitet sind, lassen sich mithilfe von Prognosemethoden Trends, saisonale Schwankungen und Verkaufsmuster erkennen. Ein Produkt mit stabiler Nachfrage, ein Artikel, der nur gelegentlich verkauft wird, und ein stark saisonabhängiger Artikel erfordern nicht unbedingt denselben Ansatz.
Die Wahl des Modells muss daher je nach den Merkmalen der jeweiligen Serie variieren. Die Automatisierung erleichtert den Vergleich verschiedener Methoden und die Neubewertung der Entscheidungen, wenn sich die Anforderungen ändern. Sie ermöglicht es den Teams, mehr Zeit für Situationen aufzuwenden, die eine fachliche Analyse erfordern.
Die Performance muss anhand von Zeiträumen bewertet werden, die nicht zur Erstellung des Modells herangezogen wurden. Anhand eines Tests über mehrere aufeinanderfolgende Zeitpunkte lässt sich überprüfen, wie die Methode die Umsätze allein anhand der zu jedem Zeitpunkt verfügbaren Informationen vorhergesagt hätte. Diese Validierung muss dem Zeitrahmen entsprechen, der tatsächlich für die Entscheidungsfindung herangezogen wird.
Die Referenzprognose, die manchmal auch als „Baseline“, bildet den Ausgangspunkt der gemeinsamen Arbeit. Je nach gewählter Einstellung können darin bereits bestimmte bekannte Faktoren berücksichtigt sein. Daher muss zunächst geklärt werden, was darin enthalten ist, bevor ein Werbe- oder Preis-Effekt hinzugefügt wird, um zu vermeiden, dass derselbe Einfluss doppelt gezählt wird.
Die Prognose durch geschäftsbezogene Informationen ergänzen
Die Teams aus den Bereichen Vertrieb, Marketing, Einkauf und Lieferkette verfügen über Informationen, die Modelle nicht immer eigenständig ableiten können. Sie kennen die anstehenden Kampagnen, Preisänderungen, neuen Produkte, Sortimentsänderungen oder die besonderen Bedürfnisse bestimmter Kunden.
Diese Beiträge müssen strukturiert sein. Eine manuelle Korrektur ohne Begründung, ohne festgelegte Dauer und ohne Nachverfolgung kann die Prognose beeinträchtigen. Bei jeder Anpassung sollten das betreffende Ereignis, dessen geschätzte Auswirkungen, die betroffenen Referenzwerte und der Zeithorizont, für den sie gilt, angegeben werden.
Bei einer Werbeaktion kann sich die Analyse insbesondere auf die Höhe des Preisnachlasses, die Sichtbarkeit des Angebots und die Ergebnisse vergleichbarer Aktionen beziehen. Dabei müssen auch Kaufverschiebungen berücksichtigt werden: Ein Anstieg bei einem Produkt kann mit einem Rückgang bei einem Ersatzprodukt oder einer Abschwächung nach der Aktion einhergehen.
Die Zusammenarbeit sorgt somit für einen Abgleich zwischen den Daten und den Erkenntnissen aus der Praxis. Meinungsverschiedenheiten müssen sich auf explizite Annahmen beziehen. Nach dem Ereignis lässt sich durch den Vergleich des prognostizierten mit dem beobachteten Effekt feststellen, ob die Anpassung angemessen war, und die nächsten Schätzungen entsprechend verbessern.
Szenarien erstellen und die Unsicherheit bewerten
Ein prognostizierter Durchschnittswert reicht für eine Entscheidung nicht immer aus. Zwei Produkte können zwar das gleiche erwartete Volumen aufweisen, dabei jedoch mit sehr unterschiedlichen Unsicherheitsgraden behaftet sein. Das eine folgt einer stabilen Nachfrage, das andere hängt stark vom Wetter oder vom Erfolg einer Verkaufsaktion ab.
Mithilfe der Bedarfsplanung lassen sich Szenarien für den zentralen, den oberen und den unteren Fall erstellen. Jedes dieser Szenarien muss auf nachvollziehbaren Annahmen beruhen: geringere Besucherzahlen, eine erfolgreichere Werbeaktion oder eine verzögerte Markteinführung. Ihr Nutzen liegt darin, dass sie die Möglichkeit bieten, die jeweiligen Auswirkungen zu untersuchen.
Die Teams können dann die Lagerrisiken, den Kapazitätsbedarf oder die Mengen, die am Ende der Saison möglicherweise übrig bleiben, einschätzen. Sie legen zudem fest, welche Anzeichen eine Anpassung des Plans rechtfertigen würden und welche Maßnahmen in Betracht kommen, falls die Nachfrage von den Erwartungen abweicht.
Ein Szenario unterscheidet sich von einem Prognoseintervall. Ersteres untersucht eine Kombination von Annahmen; Letzteres beschreibt einen Wertebereich, der mit der Unsicherheit eines Modells verbunden ist. Beide Ansätze können sich ergänzen, sofern ihre Bedeutung den Entscheidungsträgern klar erläutert wird.
Den Plan genehmigen und an die operativen Teams weiterleiten
Durch die Validierung werden die Schätzungen zu einer gemeinsamen Grundlage. Sie soll Aufschluss darüber geben, welche Mengen für welche Zeiträume und unter welchen Annahmen berücksichtigt wurden. Noch unklare Punkte müssen sichtbar bleiben, anstatt in einer als endgültig dargestellten Zahl unterzugehen.
Der genehmigte Plan dient anschließend als Grundlage für die Planung der Beschaffung, der Produktion und des Vertriebs. Diese Abteilungen prüfen den Bedarf unter Berücksichtigung der verfügbaren Bestände, der laufenden Bestellungen, der Lieferfristen und der Kapazitäten.
Es ist sinnvoll, die geschätzte Nachfrage und die Mengen, die das Unternehmen tatsächlich liefern kann, getrennt zu erfassen. Eine Schwierigkeit beim Lieferanten führt nicht automatisch zu einem Rückgang des Kundenbedarfs. Durch die Beibehaltung dieser Unterscheidung lässt sich der potenzielle Engpass ermessen und eine angemessene Reaktion beschließen.
Die Weitergabe des Plans erfordert schließlich eine klare Versionsverwaltung. Die Teams müssen auf der Grundlage einer eindeutig identifizierbaren Referenz arbeiten, das Freigabedatum kennen und die seit dem letzten Zyklus vorgenommenen Änderungen nachvollziehen können.
Ergebnisse verfolgen und aus Abweichungen lernen
Die Genauigkeit von Prognosen muss über einen bestimmten Zeitraum hinweg auf der für Entscheidungen relevanten Ebene gemessen werden. Der Fehler gibt das Ausmaß der Abweichungen zwischen der Prognose und dem tatsächlichen Ergebnis an. Die Verzerrung zeigt eine anhaltende Tendenz zur Über- oder Unterschätzung der Nachfrage auf.
Ein Gesamtdurchschnitt kann erhebliche Schwierigkeiten verschleiern. Über- und Unterschätzungen können sich gegenseitig ausgleichen, während bei bestimmten Artikeln Lagerbestände anwachsen und andere nicht mehr verfügbar sind. Die Analyse muss daher auf die Ebene einzelner Produkte, Produktfamilien, Vertriebskanäle oder Standorte heruntergebrochen werden können.
Die Abweichungen müssen zudem nach ihren wirtschaftlichen Auswirkungen priorisiert werden. Ein geringfügiger Fehler bei einem strategisch wichtigen Artikel erfordert möglicherweise mehr Aufmerksamkeit als eine erhebliche Abweichung bei einem Artikel von geringem Wert.
Die Nachverfolgung dient vor allem dazu, signifikante Abweichungen zu erklären: ein falsch prognostiziertes Ereignis, fehlerhafte Daten, eine übermäßige Anpassung oder eine Verhaltensänderung. Diese Erkenntnisse ermöglichen es, die Regeln für die Datenaufbereitung, die Modelle und die fachlichen Beiträge zu verfeinern.
Welche Eingabedaten und Ergebnisse gibt es bei der Bedarfsplanung?
Ein Demand-Planning-Prozess wandelt verschiedene Informationsquellen in einen Bedarfsplan um, der von den operativen Teams genutzt werden kann. Die Qualität des Ergebnisses hängt daher sowohl von den verfügbaren Daten und deren Zuverlässigkeit als auch davon ab, wie diese in den Prognosezyklus integriert werden.
Zu den wichtigsten Eingabedaten können unter anderem Verkaufs- und Bestellhistorien, Lagerbestände und Lieferengpässe, Preise und Sonderangebote, Produkteinführungen oder -einstellungen, Sortimentsänderungen sowie geschäftliche Informationen gehören, die die Nachfrage beeinflussen könnten.
Zu diesen internen Daten können externe Faktoren hinzukommen, sofern deren Auswirkungen von Bedeutung sind: saisonale Schwankungen, Terminplan, Wetter, lokale Ereignisse oder Marktentwicklungen.
Diese Informationen fließen zunächst in die Referenzprognose ein. Die Teams können diese anschließend um bereits bekannte zukünftige Ereignisse ergänzen, beispielsweise eine Werbekampagne, die Eröffnung eines neuen Vertriebskanals oder die erwartete Entwicklung bei einem wichtigen Kunden.
Das wichtigste Ergebnis des Prozesses ist der validierte Bedarfsplan. Er enthält die erwarteten Mengen in der für das Unternehmen sinnvollen Detailebene: Produkt, Produktfamilie, Standort, Vertriebskanal, geografisches Gebiet oder Zeitraum.
Dieser Plan muss zudem die wichtigsten Annahmen enthalten, die wesentliche Entwicklungen erklären, sowie die Risiken oder Szenarien, die bei erheblicher Unsicherheit ermittelt wurden. Er kann anschließend als Grundlage für die Beschaffung, die Produktion, den Vertrieb und andere Planungsprozesse dienen.
Durch die getrennte Speicherung der Referenzprognose, der fachlichen Anpassungen und der endgültig validierten Version lässt sich schließlich nachvollziehen, wie sich der Plan entwickelt hat, und der Beitrag der verschiedenen Prozessschritte messen.
Welche Methoden sollten zur Nachfrageprognose herangezogen werden?
Die Prognosemethoden müssen unter Berücksichtigung der verfügbaren Daten, des Verhaltens der Produkte und des Entscheidungshorizonts ausgewählt werden. Ihre Komplexität allein ist kein Beweis für ihre Qualität.
Zeitreihenbasierte Ansätze analysieren die bisherige Umsatzentwicklung. Ein gleitender Durchschnitt kann als Richtwert für eine relativ stabile Nachfrage dienen. Die exponentielle Glättung gewichtet die jüngsten Beobachtungen stärker und kann je nach ihrer Form einen Trend oder saisonale Schwankungen berücksichtigen.
Andere Methoden versuchen, die Nachfrage anhand von Variablen wie Preisen, Sonderangeboten oder Wetterbedingungen zu erklären. Auf diese Weise lassen sich die Faktoren, die die Nachfrage beeinflussen. Machine-Learning-Ansätze können komplexere Zusammenhänge zwischen diesen Faktoren analysieren. Ihr Einsatz setzt jedoch ausreichend zuverlässige Daten sowie die Verfügbarkeit der erforderlichen Variablen für den zu prognostizierenden Zeitraum voraus.
Bei unregelmäßigen Verkäufen müssen die zahlreichen Zeiträume ohne Absatz berücksichtigt werden. Bei einer Markteinführung erfordert das Fehlen von historischen Daten, dass andere Informationen herangezogen werden: vergleichbare Referenzprodukte, Produkteigenschaften, geplante Vertriebskanäle oder Testergebnisse.
Eine einfache Methode sollte stets als Vergleichsgrundlage dienen. Anhand dieser lässt sich überprüfen, ob ein ausgefeilterer Ansatz eine tatsächliche Verbesserung bewirkt. Die endgültige Entscheidung beruht auf entscheidungsrelevanten Tests und auf der Fähigkeit der Teams, die Ergebnisse zu verstehen.
Wer ist an diesem Prozess beteiligt und in welchen Abständen?
Der Demand Planner koordiniert in der Regel den Prognoseprozess. Er erstellt die Analysen, prüft die Ergebnisse, organisiert die Beiträge der Fachbereiche und sorgt für die Konsistenz des Plans. Zu seinen Aufgaben gehört es zudem, die Annahmen und Risiken verständlich darzustellen.
Die Vertriebsmitarbeiter liefern Informationen zu Kunden und anstehenden Geschäften. Die Marketingabteilung erläutert Kampagnen, Produkteinführungen und Änderungen im Angebot. Die Teams aus den Bereichen Einkauf und Lieferkette melden Veränderungen bei der Verfügbarkeit, die sich auf die beobachteten Verkaufszahlen auswirken könnten. Die Finanzabteilung setzt die Prognosen in den Kontext der wirtschaftlichen Ziele.
Diese Organisation erfordert klare Zuständigkeiten. Es muss feststehen, wer die Daten aufbereitet, wer eine Anpassung vorschlägt, wer diese validiert und wer bei Meinungsverschiedenheiten entscheidet. Eine Besprechung ist dann sinnvoll, wenn sie dazu dient, konkrete Fragen zu klären und Entscheidungen zu treffen.
Die Häufigkeit hängt von den Anforderungen des Unternehmens ab. Eine monatliche Besprechung kann die gemeinsame Arbeit strukturieren, ergänzt durch wöchentliche oder tägliche Aktualisierungen zu sensiblen Produkten. Technische Neuberechnungen können häufig erfolgen, ohne dass bei jeder Aktualisierung eine Besprechung erforderlich ist.
Der Zeithorizont muss den für das Handeln erforderlichen Zeitraum abdecken. Ein Unternehmen, das mit langen Lieferzeiten konfrontiert ist, muss seine Verpflichtungen frühzeitig einplanen. Kurzfristige Entscheidungen erfordern eine detailliertere Betrachtung, während längerfristige Perspektiven auf aggregierter Ebene betrachtet werden können.
Wie organisiert man einen Demand-Planning-Zyklus?
Bei einem monatlichen Arbeitsablauf kann der Zyklus mit dem Abschluss der Daten der Vorperiode und der Aktualisierung der statistischen Prognose beginnen. Der Demand Planner analysiert anschließend die wichtigsten Abweichungen und ermittelt die Artikel, die besonderer Aufmerksamkeit bedürfen.
Anschließend liefern die Vertriebs- und Marketingteams neue Informationen: Werbeaktionen, Produkteinführungen, Entwicklungen bei einem wichtigen Kunden, Preisänderungen oder Sortimentsänderungen. Diese Ereignisse werden in messbare Annahmen umgewandelt, bevor sie in den Plan integriert werden.
Eine Überprüfung des Antrags ermöglicht es dann, die Referenzprognose, die vorgeschlagenen Anpassungen und die identifizierten Risiken miteinander abzugleichen. Das Ziel besteht nicht darin, alle Referenzwerte zu kommentieren, sondern den Austausch auf wesentliche Abweichungen und Entscheidungen zu konzentrieren, die einer Abwägung bedürfen.
Im Anschluss an diese Überprüfung wird eine Fassung des Plans genehmigt und datiert. Diese Fassung dient bis zum nächsten Zyklus als Referenz für die anderen Planungsprozesse, sofern kein Ereignis eintritt, das eine Zwischenüberarbeitung rechtfertigt.
Der Zeitplan muss die Termine für die Bereitstellung der Daten, die Beiträge der Teams, die Validierung des Plans und die Weiterleitung an die operativen Abteilungen festlegen. Diese Organisation verhindert, dass verspätete Informationen oder unterschiedliche Versionen der Prognose gleichzeitig im Umlauf sind.
Beispiel: Wie bereitet man eine Werbeaktion mithilfe der Bedarfsplanung vor?
Nehmen wir ein Einzelhandelsunternehmen, das eine zweiwöchige Werbeaktion für eine bestimmte Lebensmittelproduktgruppe vorbereitet. Der Prozess beginnt mit der Analyse der üblichen Verkaufszahlen, der saisonalen Schwankungen und früherer Werbeaktionen. Zeiträume mit Absatzrückgängen werden ermittelt, um zu vermeiden, dass geringere Verkaufszahlen fälschlicherweise als mangelndes Interesse der Kunden interpretiert werden.
Anschließend wird für die betroffenen Filialen eine Referenzprognose erstellt. Die Marketingabteilung legt den Rabatt, die Kommunikationsmittel und die Dauer der Aktion fest. Die Vertriebsteams liefern lokale Informationen, die die Ergebnisse beeinflussen könnten.
Die Annahmen werden auf Haushaltsebene geprüft. Wenn Kunden ein Produkt durch ein anderes ersetzen können, muss der erwartete Umsatzanstieg beim beworbenen Referenzprodukt mit den Umsätzen der substituierbaren Artikel abgeglichen werden.
Anschließend vergleichen die Teams verschiedene Szenarien. Eine über den Erwartungen liegende Nachfrage könnte eine zusätzliche Lieferung erforderlich machen. Eine geringere Nachfrage könnte zu Lagerbeständen führen, die sich nur schwer absetzen lassen, insbesondere bei Produkten mit kurzer Haltbarkeit.
Der festgelegte Plan wird an die Beschaffer weitergeleitet, die den Bedarf auf der Grundlage der Lagerbestände und der geplanten Wareneingänge berechnen. Während der Aktion werden die Verkaufszahlen überwacht, um Abweichungen festzustellen. Nach Abschluss der Werbeaktion erstreckt sich die Analyse auch auf die Restmengen und die Entwicklung in den folgenden Wochen.
Am Ende des Zyklus werden die zugrunde gelegten Annahmen, die genehmigte Version des Plans und die damit verbundenen Entscheidungen erfasst. Diese können nach Abschluss der Transaktion mit den tatsächlich erzielten Umsätzen verglichen werden, um festzustellen, ob es sich um einen Modellfehler, eine falsche geschäftliche Annahme oder ein unvorhergesehenes Ereignis handelt.
Wie lässt sich ein Demand-Planning-Prozess strukturieren und umsetzen?
Der erste Schritt besteht darin, genau zu definieren, welche Entscheidungen durch den Prozess verbessert werden sollen. Die Vorbereitung einer Saison, die Verringerung von Lieferengpässen bei vorrangigen Artikeln oder die Verbesserung der Zuverlässigkeit bei Einkäufen mit langer Vorlaufzeit erfordern nicht genau denselben Umfang.
Anhand einer Datenanalyse lassen sich anschließend die verfügbaren Informationen und die erforderlichen Korrekturen ermitteln. Dabei müssen die Tiefe der historischen Daten, die Qualität der Datenbestände sowie die Transparenz hinsichtlich Werbeaktionen oder Verfügbarkeit geprüft werden.
Ein Pilotbereich erleichtert die Einführung. Er kann mehrere Anforderungsprofile zusammenfassen, um die Datenaufbereitung, die Methoden, die Anpassungen und die Übermittlung des Plans zu testen. Die erzielten Ergebnisse dienen dazu, den Betrieb vor der Ausweitung zu stabilisieren.
Die Auswahl einer Prognosesoftware muss sich an diesen Anforderungen orientieren. Ein geeignetes Tool sollte die Datenkonsolidierung, den Modellvergleich, die Zusammenarbeit und die Versionsverfolgung erleichtern. Sein Nutzen hängt zudem von seiner Integration in die Systeme ab, die für die Entscheidungsfindung und die Umsetzung genutzt werden.
Die Forecast & Replenishment-Lösung von Optimix bietet unter anderem eine Berechnung auf Produkt- und Standortebene, die Berücksichtigung von Werbeaktionen und externen Faktoren sowie eine Bibliothek mit über 60 statistischen Modellen und Modellen auf Basis künstlicher Intelligenz. Diese Funktionen können die Prognosearbeit unterstützen, wobei die Parametrierung an die Bedürfnisse des Unternehmens angepasst werden kann.
Bevor der Prozess ausgeweitet wird, ist es sinnvoll, einige gemeinsame Regeln festzulegen: die für jede Entscheidung herangezogene Prognoseebene, den Zeitplan des Zyklus, die Zuständigkeiten der Beteiligten, die Voraussetzungen für eine manuelle Anpassung sowie das Validierungsverfahren. Auf diese Weise wird der Prozess reproduzierbar und weniger von individuellen Gewohnheiten abhängig.
Den Prozess der Bedarfsplanung langfristig zuverlässiger gestalten
Ein effizienter Demand-Planning-Prozess beschränkt sich nicht darauf, eine Prognose zu erstellen. Er organisiert einen kontinuierlichen Zyklus, in dem Daten, Modelle und geschäftliche Informationen miteinander abgeglichen werden, um zu einem gemeinsamen und umsetzbaren Plan zu gelangen.
Seine Solidität beruht auf der Zuverlässigkeit der Daten, der Klarheit der Zuständigkeiten, der Nachvollziehbarkeit der Annahmen und der regelmäßigen Analyse von Abweichungen. Im Laufe der aufeinanderfolgenden Zyklen ermöglichen diese Erkenntnisse eine Verfeinerung der Prognosen und eine frühzeitigere Entscheidungsfindung in Bezug auf Lagerbestände, Beschaffung und Kapazitäten.
Es geht also weniger darum, eine perfekte Prognose zu erstellen, als vielmehr darum, einen ausreichend strukturierten Prozess zu entwickeln, um Abweichungen zu erkennen, Annahmen zu überarbeiten und die Qualität der Entscheidungen schrittweise zu verbessern.
