Bei den diesjährigen Retail Innovation Days hat die DHBW Heilbronn in Kooperation mit dem Handelsverband Baden-Württemberg zum ersten Mal die Retail Innovation Awards verliehen. Aus über 80 Innovationen haben zwölf Handelsexperten aus Theorie und Praxis 15 Innovationen für die Awards nominiert. Aus diesen haben die Teilnehmer der Retail Innovation Days die Preisträger gewählt. Unter den Innovationen befand sich unter anderem das Westphalia DataLab. Auf der Grundlage von Vorhersagen zu Wareneingangs- und Warenausgangsmengen in der Handelslogistik wird die Personalplanung zielgerichtet optimiert. Die KI-basierte Verbesserung der Vorhersagequalität erfolgt unter Verwendung historischer Daten.
Problem
Hohe Volatilität im Kunden- und Lieferantenverhalten sorgt in der passgenauen Planung von Personalressourcen entlang der gesamten Supply Chain vermehrt für Herausforderungen, speziell im
Geschäft mit Handelswaren und der E-Commerce-Logistik. Erhöhte Unsicherheit entsteht weiterhin durch multiple Lieferwege (Luft, Schiff, Straße, Schiene) sowie eine hohe Bandbreite an Herkunftsländern und Lieferanten. Logistikbetreiber mit Verantwortung von der Transportsteuerung bis hin zum Betrieb von Warenverteilzentren erhalten durch die Lieferanten entsprechend vermehrt sehr breite Angaben zu Lieferspannen. Fehlende Planbarkeit birgt die Notwendigkeit, stetig eine hohe Anzahl an Personal vorzuhalten, um dem Risiko der Versorgungsunsicherheit in der Belieferung entgegenzuwirken. Das Ergebnis sind hohe und grundsätzlich vermeidbare Kosten. Bisherige Planungsansätze basierten auf manueller Expertenerfahrung, waren dementsprechend zeitaufwendig und konnten die hohe Komplexität kaum abbilden.
Lösung
Eine effiziente Problemlösung für Fashion-Retailer bietet der Einsatz von Künstlicher Intelligenz auf Basis der eigenen historischen Daten. Über das bereitgestellte Tool können Prognosen per Knopfdruck angefertigt und optimal in den Arbeitsalltag einbezogen werden. Dies sorgt für hohe Planungsgenauigkeit bei reduziertem manuellem Aufwand. Die Nutzung von automatisierten, Machine-Learning-basierten Vorhersagen bietet sich unter anderem in der Personaleinsatz-, Lieferanten- und Lagerplanung an. Im Zuge dieser Umsetzung werden Prognosen von Bestellungen und Rückläufern im Online-Handel betrachtet. Die Innovation wird bereits über einen längeren Zeitraum erfolgreich angewendet. Dabei hängt die Implementierung der Innovation insbesondere von der Verfügbarkeit qualitativ hochwertiger Daten und der individuellen Prozesskomplexität ab. Eine durchschnittliche Projektlaufzeit beträgt zwischen 3 und 6 Monaten. Als Ergebnis bringt der Einsatz der Innovation Planungs- und Versorgungssicherheit sowie eine erhebliche Kostenreduktion und deutliche Erleichterung in der Kapazitätsplanung