KI-Bedarfsprognose statt Excel: Wie Lichtblick 65 % weniger Lieferengpässe erreicht hat

Lichtblick Sonnenschutzsysteme – E-Commerce / Retail

Out-of-Stock-Situationen besser kontrollieren

Sechsstelliger Umsatzbeitrag jährlich durch bessere Demand Forecasts

Problem / Ausgangssituation

Lichtblick Sonnenschutzsysteme betreibt E-Commerce über einen eigenen Online Shop und mehr als zehn externe Marktplätze. Bei mehreren Tausend Artikeln und komplexen Variantenstrukturen lief die Bedarfsplanung über manuell gepflegte Excel-Tabellen. Jede Bestellentscheidung hing an Personen, die Daten aus verschiedenen Quellen zusammentrugen, interpretierten und in Aktionen übersetzten. Zeitaufwand und Risiken für das Vorgehen waren bei wachsenden Geschäft und zunehmender Datenkomplexität nicht mehr haltbar.

Vorgehensweise

ERP-Anbindung und zentrale Datenarchitektur aufbauen
Demand Forecast und KI-Einkaufssteuerung integrieren

ERP-Anbindung und zentrale Datenarchitektur aufbauen

SMA Dev entwickelte eine zentrale Datenplattform mit direkter Anbindung an das ERP-System des Kunden als primäre Datenquelle. Alle relevanten Bestands-, Bestell- und Abverkaufsdaten fließen darüber in die Plattform, ohne manuelle Exportschritte oder Zwischenformate. Auf dieser Basis konsolidiert ein konfigurierbares BI-Dashboard sämtliche Kanaldaten mit Preismanagement, Bestandsabgleich, Umlagerungsprozessen und Schnittstellenmonitoring als integrierte Module.

Demand Forecast und KI-Einkaufssteuerung integrieren

Aufgrund der hohen saisonalen Dynamik der Artikel wurde ein Ensemble-Modell-Ansatz gewählt. Pro Artikel laufen Prophet, CatBoost und ein mittelwertbasiertes Baseline-Modell parallel. Das System gibt Empfehlungen zur erwarteten Abverkaufsmenge für Zeiträume von 6 bis 18 Monaten aus. Um Transparenz und Eigenverantwortung in der Einkaufsplanung zu erhalten, liefern die Modelle sowohl konservative als auch progressive Prognosen, abgestimmt auf geplante Marketingaktivitäten und saisonale Schwerpunkte. Entscheidungen bleiben beim Kunden, das System liefert die Grundlage dafür.

Ergebnis

Eine rückwirkende Simulation des Forecasting-Modells zeigt, welche Bestellmengen ein Jahr zuvor auf Basis der optimierten Prognose sinnvoll gewesen wären. Im Vergleich zur tatsächlichen Bestandsführung hätte dieser Ansatz rechnerisch zu rund 24 % weniger Out-of-Stock-Situationen geführt. Saisonale Schwankungen ließen sich auf dieser Grundlage potenziell um einen zweistelligen Prozentwert reduzieren. Für den Umsatz bedeutet das ein signifikantes Potenzial, das sich mit einer Forecast-gestützten Bestellstrategie heben lässt.