Bedarfsprognose
Zeitreihen, Aufträge, Saisonalität und fachliche Einflussgrößen werden passend zur Artikelstruktur ausgewertet.
Branchen-Disposition · Einkauf & Supply Chain
Procurement Prediction
Procurement Prediction von Hex Solutions verbindet datenbasierte Bedarfs-, Beschaffungs- und Lieferprognosen mit mathematischer Bestelloptimierung. So erhalten Einkauf, Supply Chain und Bestandssteuerung eine nachvollziehbare Grundlage, um Prioritäten, Mengen und Termine unter realen Restriktionen zu planen – ohne die Entscheidungshoheit an ein Modell abzugeben.
Bedarfe früher erkennen: historische Verbräuche, Aufträge, Saisonalität und relevante Einflussgrößen strukturiert auswerten.Beschaffung unter Nebenbedingungen planen: Bestellvorschläge mit Losgrößen, Lieferzeiten, Beständen, Budgets und Servicevorgaben abgleichen.Ausnahmen gezielt bearbeiten: Unsicherheit, Engpässe und Datenauffälligkeiten sichtbar machen, damit Fachwissen dort wirkt, wo es nötig ist.
Planungslogik
Vom Forecast zur nachvollziehbaren Beschaffungsentscheidung.
Bedarfs- und Lieferprognosen werden mit Beständen, Lieferzeiten, Budgets und Beschaffungsregeln zu realistischen Vorschlägen verbunden.
Lieferprognose
Erwartete Zugänge und Terminrisiken werden aus verfügbaren Bestell- und Lieferinformationen abgeleitet.
Bestelloptimierung
Mengen und Termine werden mit Beständen, Mindestmengen, Verpackungseinheiten und Budgets abgeglichen.
Sporadischer Bedarf
Ersatzteile und unregelmäßige Abrufe erhalten eine eigene, zur Unsicherheit passende Planungslogik.
Ausnahmen priorisieren
Unterdeckungen, Datenauffälligkeiten und Beschaffungsrisiken werden für die Fachbearbeitung sichtbar gemacht.
Menschliche Freigabe
Einkauf und Supply Chain behalten die Hoheit über Strategie, Lieferantenbeziehungen und finale Bestellungen.
Einkauf & Supply Chain
Wenn Bedarfsplanung, Beschaffung und Bestand nicht zusammenpassen
In vielen Unternehmen entsteht der Beschaffungsplan aus mehreren Einzelsichten: Der Vertrieb kennt erwartete Projekte, die Disposition sieht Meldebestände, der Einkauf beobachtet Lieferanten, und das Lager meldet knappe Kapazitäten. Jede Sicht ist relevant. Ohne einen gemeinsamen, konsistenten Planungsprozess entstehen jedoch Reibungsverluste. Bestellungen werden zu spät ausgelöst, Mengen werden aus Vorsicht erhöht oder knappe Teile erhalten nicht rechtzeitig die richtige Priorität.
Besonders anspruchsvoll wird die Planung, wenn Lieferzeiten schwanken, Artikel neu eingeführt oder abgekündigt werden, Aufträge kurzfristig wechseln oder Nachfrage nur sporadisch auftritt. Bei Ersatzteilen und selten benötigten Komponenten sind Nullperioden nicht einfach „fehlende Daten“, sondern Teil des Bedarfsbildes. Forschung zu intermittierendem Bedarf betont deshalb die doppelte Unsicherheit: sowohl die Menge eines Abrufs als auch der Zeitpunkt des nächsten Abrufs sind ungewiss.
Ein Tabellenmodell allein kann diese Zusammenhänge abbilden, wird bei vielen Artikeln, Standorten, Lieferanten und Regeln aber schnell schwer wartbar. Umgekehrt löst ein Prognosemodell keine operative Frage automatisch. Eine Prognose beschreibt mögliche zukünftige Bedarfe. Sie sagt noch nicht, welche Bestellung unter Mindestmengen, Verpackungseinheiten, Lieferkalendern, Alternativquellen, Lagergrenzen und strategischen Vorgaben sinnvoll ist. Genau an dieser Schnittstelle setzt Procurement Prediction an.
Einkauf & Supply Chain
Der Lösungsansatz von Hex Solutions
Hex Solutions entwickelt robuste Dispositionssoftware, KI-Prognosen sowie mathematische Optimierungs- und Operations-Research-Modelle. Im Mittelpunkt steht kein generischer Autopilot, sondern ein Planungswerkzeug, das zu Ihren Daten, Entscheidungsregeln und Verantwortlichkeiten passt.
Die Lösung verbindet drei klar getrennte Ebenen. Prognose schätzt zukünftige Bedarfe und stellt Unsicherheit transparent dar. Optimierung bewertet handlungsfähige Alternativen gegen definierte Ziele und Restriktionen. Menschen entscheiden über Freigaben, Eskalationen, Prioritäten und Regeln, insbesondere bei Ausnahmen oder Zielkonflikten. Diese Trennung verhindert, dass eine rechnerische Empfehlung als scheinbar objektive Vorgabe missverstanden wird.
Statt einen einzigen Punktwert als Gewissheit zu behandeln, kann die Planung Szenarien und Prognoseintervalle nutzen. Solche Intervalle machen sichtbar, in welchem Bereich künftige Werte mit einer gewählten Wahrscheinlichkeit erwartet werden; typischerweise nimmt die Unsicherheit mit wachsendem Planungshorizont zu. Damit lässt sich offen diskutieren, wie viel Risiko ein Unternehmen bei Verfügbarkeit, Kapitalbindung oder Beschaffungsaufwand tragen möchte.
Einkauf & Supply Chain
Von der Bedarfsprognose zum disponierbaren Szenario
Bedarf verstehen, bevor Modelle rechnen
Eine tragfähige Bedarfsprognose beginnt mit einer fachlichen Klassifizierung. Handelt es sich um Serienmaterial mit erkennbarer Saison, projektbezogene Teile, Ersatzteile mit sporadischer Nachfrage oder neu angelegte Artikel? Wie wirken Retouren, Einmaleffekte, Promotionen, Baugruppenwechsel oder kundenspezifische Abrufe? Diese Fragen bestimmen, welche Daten verwendet werden dürfen und welche Muster ein Modell plausibel lernen kann.
Je nach Aufgabenstellung kombiniert Hex Solutions bewährte Zeitreihenverfahren, erklärende Variablen und Machine-Learning-Ansätze. Erklärende Variablen können beispielsweise Auftragsinformationen, Kalenderereignisse, Produktlebenszyklen, geplante Maßnahmen oder externe Daten sein, sofern ihre Qualität und ihr tatsächlicher Einfluss geprüft wurden. Hybride Ansätze aus Zeitreihendaten und Einflussfaktoren werden auch in der Forschung zur Nachfrageprognose untersucht; ihre Eignung bleibt jedoch von Produkt, Datenlage und Einsatzkontext abhängig.
Wichtig ist die richtige Granularität. Eine Prognose auf Artikel-Standort-Woche kann für operative Nachschubentscheidungen sinnvoll sein. Für eine längerfristige Lieferantenkapazitätsplanung kann eine Aggregation nach Warengruppe, Werk oder Monat belastbarer sein. Die Software kann Hierarchien so abbilden, dass operative und taktische Sichten nicht widersprüchlich nebeneinanderstehen.
Qualität auf unbekannten Daten prüfen
Ein Modell wird nicht danach ausgewählt, wie gut es die Vergangenheit nachzeichnet. Entscheidend ist seine Leistung auf Zeiträumen, die beim Trainieren nicht bekannt waren. Deshalb gehören zeitlich saubere Trainings- und Testzeiträume, rollierende Rücktests und ein Vergleich gegen einfache Referenzverfahren in den Prozess. Ein perfekter Fit auf Trainingsdaten kann Überanpassung sein und keine verlässliche Zukunftsprognose liefern.
Auch die Kennzahl muss zur Entscheidung passen. Absolute Fehlermaße sind verständlich, wenn Serien dieselbe Einheit haben. Prozentuale Fehler können bei sehr kleinen oder nullnahen Istwerten instabil sein. Für die Beschaffung genügt es zudem nicht, nur einen Forecast-Fehler zu minimieren. Eine Prognose kann statistisch gut aussehen und trotzdem zu unpassenden Bestandsentscheidungen führen. Daher betrachten wir Qualitätsmaße im Zusammenhang mit Bestands-, Service- und Ausnahmeprozessen – nicht als losgelösten Modellwettbewerb.
Einkauf & Supply Chain
Prognose ist nicht Optimierung: So entstehen Bestellempfehlungen
Aus erwarteten Bedarfen werden machbare Entscheidungen
Die Prognose liefert Eingaben für die Optimierung, nicht deren Ergebnis. Das Optimierungsmodell erhält beispielsweise aktuelle und offene Bestände, bestätigte Zugänge, Durchlauf- und Lieferzeiten, Mindest- und Höchstmengen, Verpackungseinheiten, Lieferantenzuordnungen, Kapazitäten sowie festgelegte Service- oder Budgetregeln. Anschließend berechnet es zulässige Alternativen und macht Zielkonflikte transparent.
Mathematische Optimierung ist besonders wertvoll, wenn Entscheidungen gekoppelt sind: Eine Bestellung kann sich auf Lagerkapazität, Transport, Budget oder verfügbare Lieferantenmengen auswirken. Ein Operations-Research-Modell kann etwa Fehlmengenrisiken gegen Bestandsrisiken abwägen, Liefertermine berücksichtigen oder die Verteilung knapper Ware nach einer explizit definierten Priorität unterstützen. Forschung zur preskriptiven Analytik verbindet dafür Machine Learning mit Operations Research und betrachtet Entscheidungen unter unsicheren Bedingungen.
Welche Zielfunktion gilt, legen nicht Algorithmen fest. Das Unternehmen definiert, ob Versorgungssicherheit, Kapitalbindung, Beschaffungsaufwand, Terminrisiko oder eine Kombination daraus Vorrang erhält. Ebenso werden harte Grenzen festgelegt: Freigabelimits, Artikelverbote, Lieferantenregeln, Mindesthaltbarkeit, Werkssperren oder Compliance-Vorgaben. Die Software zeigt die Konsequenzen dieser Regeln. Sie ersetzt keine Einkaufsstrategie.
Entscheidbar statt automatisiert um jeden Preis
Eine gute Bestellempfehlung zeigt mindestens den Vorschlag, seine Datengrundlage, wirksame Restriktionen und relevante Abweichungen. Planerinnen und Planer sollen Mengen ändern, Annahmen dokumentieren und Empfehlungen zurückstellen können. Ein Freigabeworkflow kann abhängig von Wertgrenzen, Kritikalität oder Datenqualität gestaltet werden. So wird Automatisierung dort eingesetzt, wo Regeln stabil sind, während komplexe oder strategische Fälle bewusst bei den Verantwortlichen bleiben.
Diese Rollenklärung ist auch ein Governance-Thema. Das NIST AI Risk Management Framework empfiehlt, menschliche Rollen und Verantwortlichkeiten für Entscheidungen und die Aufsicht über KI-Systeme ausdrücklich zu definieren. Für Procurement Prediction heißt das praktisch: Die Fachorganisation behält die Hoheit über Ziele, Dateninterpretation und finale Beschaffung; das System liefert nachvollziehbare Analysen und Vorschläge.
Einkauf & Supply Chain
Lieferprognosen: Verlässlichkeit nicht nur am Solltermin beurteilen
Beschaffungsplanung hängt nicht allein davon ab, wann ein Liefertermin vereinbart wurde. Entscheidend ist, wann Ware voraussichtlich verfügbar ist und wie belastbar diese Einschätzung ist. Procurement Prediction kann hierzu bestätigte Termine, historische tatsächliche Lieferdaten, offene Bestellungen, Teilmengen, Lieferkalender und Statusinformationen zusammenführen. Daraus entsteht eine operative Sicht auf erwartete Zugänge und auf Fälle, die einer Prüfung bedürfen.
Die Lieferprognose ist kein Versprechen über das Verhalten eines Lieferanten. Sie ist eine risikoorientierte Schätzung auf Basis verfügbarer Informationen. Wenn sich ein erwarteter Zugang verschiebt, können Folgeeffekte auf Deckung, Produktionsversorgung oder alternative Bezugswege im Plan sichtbar werden. Einkauf und Supply Chain entscheiden anschließend, ob sie nachfassen, umdisponieren, priorisieren oder bewusst akzeptieren.
Gerade bei kritischen Teilen ist Transparenz wichtiger als eine scheinbare Exaktheit. Dashboards und Ausnahmelisten sollten zeigen, welches Ereignis die Empfehlung auslöst: erwartete Unterdeckung, unbestätigter Termin, ungewöhnliche Verbrauchsänderung, Stammdatenlücke oder Überschreitung einer Restriktion. Damit sinkt nicht automatisch jedes Risiko, aber Teams erkennen früher, worüber sie entscheiden müssen.
Einkauf & Supply Chain
Bestandssteuerung unter Unsicherheit und bei sporadischem Bedarf
Bestandssteuerung braucht einen anderen Blick als reine Absatzprognose. Sie berücksichtigt die Zeit bis zum Wiederbeschaffen, den Bestand im Zulauf, die gewünschte Lieferbereitschaft und die Konsequenzen einer Fehlmenge. Ein Sicherheitsbestand ist deshalb keine pauschale Sicherheitsmarge, sondern eine planerische Antwort auf Unsicherheit und definierte Serviceziele. Welche Regel passt, hängt von Artikelkritikalität, Lieferfähigkeit, Kostenstruktur und Beschaffungsoptionen ab.
Bei intermittierendem Bedarf reichen Durchschnittswerte oft nicht. Ein Teil kann lange nicht abgerufen werden und dennoch im Bedarfsfall kritisch sein. Die wissenschaftliche Literatur weist darauf hin, dass probabilistische Prognosen für Entscheidungen unter Unsicherheit und das Bestandsmanagement gerade bei intermittierenden Reihen wesentlich sind. Hex Solutions kann solche Bedarfsarten getrennt behandeln, geeignete Verfahren vergleichen und die daraus abgeleiteten Regeln in der Disposition sichtbar machen.
Ebenso wichtig ist der Produktlebenszyklus. Neue Artikel haben wenig Historie; auslaufende Artikel dürfen nicht wie stabile Serienartikel fortgeschrieben werden. Hier helfen fachlich gepflegte Anlauf- und Auslaufannahmen, Artikelgruppenlogiken und dokumentierte Overrides. Das Modell soll Unsicherheit zeigen, nicht mit künstlicher Präzision kaschieren.
Einkauf & Supply Chain
Schnittstellen und Datenbasis: Anschlussfähig an Ihre Systemlandschaft
Procurement Prediction ist darauf ausgelegt, mit vorhandenen Systemen zu arbeiten. Je nach Zielbild können Daten aus ERP-, MRP-, PPS-, WMS-, APS-, CRM- oder Beschaffungssystemen einbezogen werden. Typische Datenobjekte sind Artikel, Stücklisten, Standorte, Lagerbestände, Buchungen, offene Bedarfe und Bestellungen, Lieferanten, Lieferzeiten, Preise, Mindestmengen, Verpackungseinheiten sowie Kalender und Kapazitätsinformationen.
Die Datenintegration kann über vereinbarte Schnittstellen, Datenbanken, Dateien oder bestehende Integrationsplattformen erfolgen. Entscheidend ist nicht die maximale Datenmenge, sondern ein belastbares Datenmodell: eindeutige Schlüssel, klarer Zeitbezug, nachvollziehbare Herkunft und abgestimmte Aktualisierung. Berechtigungen, Protokollierung und Verantwortlichkeiten werden dabei an Ihre IT- und Governance-Vorgaben angepasst.
Nicht jede Information muss in ein Machine-Learning-Modell fließen. Fachlich relevante Ereignisse können bewusst als Regeln, Szenarien oder manuelle Eingaben geführt werden. Das ist häufig besser prüfbar als eine pauschale Automatisierung und sorgt dafür, dass operative Erfahrung im Prozess erhalten bleibt.
Einkauf & Supply Chain
Nutzen für Einkauf, Supply Chain und Operations – ohne Versprechen aus der Schablone
Eine integrierte Procurement-Prediction-Lösung schafft vor allem Entscheidungstransparenz. Teams sehen Bedarfsannahmen, erwartete Zugänge, Restriktionen und Ausnahmen in einem Zusammenhang. Das erleichtert die Abstimmung zwischen Einkauf, Disposition, Planung und Operations.
Sie unterstützt außerdem eine risikobewusstere Bestandssteuerung. Statt für alle Artikel mit derselben Logik zu planen, lassen sich Kritikalität, Unsicherheit, Lieferzeit und Bedarfscharakter differenziert berücksichtigen. Dadurch kann sich die Diskussion von pauschalen Sicherheitszuschlägen zu begründeten Entscheidungen verlagern.
Für den Einkauf entsteht eine bessere Priorisierung. Wenn potenzielle Engpässe, unsichere Zugänge oder Konflikte mit Beschaffungsregeln früh sichtbar sind, lassen sich Maßnahmen strukturierter bewerten. Das Ergebnis ist kein garantiertes Einsparversprechen, sondern ein belastbarer Rahmen für Entscheidungen.
Schließlich stärkt die Lösung die Nachvollziehbarkeit. Dokumentierte Annahmen, Modellversionen, Freigaben und manuelle Eingriffe helfen dabei, Empfehlungen einzuordnen und Planungswissen dauerhaft verfügbar zu machen. Das ist besonders wertvoll, wenn Teams wechseln oder Entscheidungen später erläutert werden müssen.
Vorgehen
Vom Planungsproblem zur produktiven Disposition
Wir führen Fachlogik, Daten und Technologie schrittweise zusammen. Jede Stufe bleibt prüfbar und wird mit den verantwortlichen Personen abgestimmt.
Planungsfrage festlegen
Entscheidungen, Horizonte, Zielgrößen, Restriktionen und Freigaben gemeinsam definieren.
Datenbild prüfen
Bestände, Bewegungen, Bedarfe, Bestellungen und Stammdaten zeitlich und fachlich validieren.
Modelle konfigurieren
Prognosen samt Unsicherheit entwickeln und mit der mathematischen Beschaffungsoptimierung koppeln.
Pilotieren & integrieren
Ergebnisse rücktesten, fachlich abnehmen und mit Monitoring in operative Prozesse überführen.
Daten & Schnittstellen
Anschlussfähig an Ihre bestehende Systemlandschaft
Die Optimierung arbeitet nicht isoliert. Wir definieren führende Datenquellen, Aktualisierungswege, Rollen und Rückgaben passend zu Ihrer Architektur.
Typische Planungsdaten
- Artikel, Standorte und Stücklisten
- Bestände, Bewegungen und offene Bedarfe
- Bestellungen, Lieferzeiten und Lieferanten
- Mindestmengen, Budgets und Kapazitäten
Mögliche Integrationen
- ERP, MRP und PPS
- WMS und Bestandsführung
- APS, CRM und Beschaffungssysteme
- Datenbanken, APIs und Integrationsplattformen
Zusammenhänge
Verwandte Lösungen und Methoden
Komplexe Planungsaufgaben verbinden häufig mehrere Ressourcenarten. Diese Themen ergänzen die Lösung fachlich und technisch.
Häufige Fragen: Procurement Prediction
Klassische Bedarfsplanung arbeitet häufig mit festen Dispositionsparametern, Verbrauchswerten und einfachen Fortschreibungen. Procurement Prediction erweitert diese Grundlage um datenbasierte Prognosen, Unsicherheitsbetrachtung und die Verbindung zu mathematischer Beschaffungsoptimierung. Die bestehende Planung wird nicht zwangsläufig ersetzt. Vielmehr kann sie um eine transparente, differenzierte Sicht auf zukünftige Bedarfe, erwartete Zugänge und Entscheidungsoptionen ergänzt werden.
Nein. Machine Learning erkennt Muster in Daten und kann Prognosen oder Risikohinweise liefern. Es kennt aber nicht automatisch Lieferantenbeziehungen, vertragliche Spielräume, strategische Prioritäten oder einmalige Marktinformationen. Hex Solutions gestaltet die Lösung deshalb so, dass die Fachbereiche Ziele, Regeln und Freigaben steuern. Menschen prüfen Ausnahmen, ändern Annahmen und treffen die finale Entscheidung. Die Software unterstützt die Arbeit, nicht die Verantwortungslosigkeit.
Ein sinnvoller Start umfasst meist historische Bedarfs- oder Verbrauchsdaten mit Zeitbezug, Artikel- und Standortinformationen, Bestände, offene Zu- und Abgänge sowie Dispositions- und Lieferzeitparameter. Je nach Fall können Aufträge, Stücklisten, Saisonmuster, Produktlebenszyklen oder projektbezogene Informationen hinzukommen. Entscheidend sind nicht nur Datenfelder, sondern ihre fachliche Bedeutung. Deshalb prüfen wir gemeinsam Ausreißer, Nullperioden, Sortimentswechsel und Sonderereignisse, bevor Modelle produktiv genutzt werden.
Ja. Gerade Ersatzteile, C-Teile mit kritischer Funktion oder projektnahe Komponenten brauchen eine eigene Logik. Bei sporadischem Bedarf ist ein einfacher Mittelwert häufig wenig aussagekräftig, weil sowohl Abrufhöhe als auch Abrufzeitpunkt unsicher sein können. Wir analysieren die Bedarfsstruktur, vergleichen passende Prognose- und Regelansätze und koppeln sie an die Bestands- und Beschaffungsentscheidung. Fachliche Kritikalität bleibt dabei ausdrücklich Teil der Steuerung.
Zuerst wird der erwartete Bedarf einschließlich seiner Unsicherheit mit Ist-Bestand, bestätigten Zugängen und offenen Bedarfen verbunden. Danach prüft das Optimierungsmodell die vorgegebenen Restriktionen, etwa Lieferzeiten, Mindestmengen, Verpackungseinheiten, Budget- oder Kapazitätsgrenzen. Der Vorschlag ist somit die rechnerische Antwort auf definierte Ziele und Regeln, nicht die Ausgabe eines Forecasts allein. Die zuständigen Personen können die Empfehlung prüfen, anpassen, freigeben oder ablehnen.
Wir trennen Datenqualität, Prognosequalität und Entscheidungsqualität. Prognosen werden auf zuvor nicht verwendeten Zeiträumen und in wiederkehrenden Rücktests bewertet. Zusätzlich beobachten wir Datenlücken, relevante Ausnahmen, systematische Abweichungen und die Wirkung von Regeländerungen. Ein Modell bleibt nicht unverändert, wenn sich Sortiment, Kundenstruktur, Beschaffungsnetz oder Planungsziele verändern. Gemeinsam mit den Fachbereichen werden Überprüfungstakte, Verantwortlichkeiten und Eskalationen definiert.
// Kontakt
Beschaffungsplanung konkret besprechen
Sie möchten wissen, wo Procurement Prediction in Ihrer Beschaffungsplanung ansetzen kann? In einem ersten Gespräch mit Hex Solutions betrachten wir Ihre konkrete Planungsfrage – ohne vorgefertigte Einsparzusage und ohne Verpflichtung zu einem Standardprodukt. Sie erhalten eine erste Einordnung zu diesen vier Punkten:
- Planungsfokus: Welche Bedarfs-, Beschaffungs- oder Lieferentscheidung soll besser unterstützt werden?
- Datenreife: Welche Quellen sind nutzbar, welche Datenlücken oder Sonderfälle sind fachlich relevant?
- Modellierungsweg: Wo sind Prognosen sinnvoll, wo braucht es explizite Optimierungsregeln und wo menschliche Freigaben?
- Integrationsrahmen: Wie lässt sich die Lösung in Ihre Systemlandschaft, Rollen und bestehenden Planungsprozesse einfügen?