Sales & Operations Planning gehört seit Jahren zu den wichtigsten Steuerungsprozessen in Unternehmen. Die Idee ist überzeugend: Vertrieb, Supply Chain, Produktion, Einkauf und Finance einigen sich regelmäßig auf einen gemeinsamen Plan.
Die Realität sieht allerdings häufig weniger elegant aus.
Viele S&OP-Prozesse bestehen noch immer aus umfangreichen Excel-Dateien, manuell vorbereiteten Präsentationen und Meetings, in denen die Beteiligten zunächst darüber diskutieren, welche Zahlen überhaupt stimmen.
Währenddessen hat sich die Realität längst weiterbewegt.
Neue Kundenaufträge sind eingegangen. Ein Lieferant meldet Verspätungen. Produktionskapazitäten verändern sich. Ein wichtiger Kunde verschiebt einen Auftrag. Bestände entwickeln sich anders als geplant.
Und der S&OP-Prozess?
Wartet auf das nächste Monatsmeeting.
Genau hier beginnt eine der spannendsten Anwendungen künstlicher Intelligenz im Supply Chain Management.
Das klassische S&OP-Modell stößt an seine Grenzen
Das klassische S&OP-Modell entstand in einer Zeit, in der Märkte deutlich stabiler waren und Daten wesentlich langsamer verarbeitet wurden.
Typischerweise läuft der Prozess heute noch ungefähr so:
- Der Vertrieb erstellt oder aktualisiert den Forecast.
- Supply Chain und Produktion prüfen die Kapazitäten.
- Einkauf bewertet Materialverfügbarkeit.
- Finance ergänzt Umsatz- und Ergebniswirkungen.
- In einem monatlichen S&OP-Meeting werden die Abweichungen diskutiert.
Das Problem ist weniger der Prozess selbst als seine Geschwindigkeit.
Viele Lieferketten verändern sich heute innerhalb von Stunden oder Tagen.
S&OP arbeitet dagegen häufig noch in Wochen und Monaten.
Damit entsteht eine gefährliche Lücke zwischen Planung und operativer Realität.
Das größte Problem ist nicht die Datenmenge
Unternehmen verfügen heute über enorme Datenmengen.
ERP-Systeme liefern Bestände und Aufträge. CRM-Systeme kennen die Vertriebspipeline. Produktionssysteme liefern Kapazitäten und Leistungsdaten. Einkaufssysteme enthalten Lieferanteninformationen. Logistiksysteme kennen Transportzeiten und Versandkapazitäten.
Das eigentliche Problem besteht darin, daraus schnell eine belastbare Entscheidung abzuleiten.
Ein Supply Chain Manager muss heute beispielsweise beantworten:
- Welche Kundenaufträge sind gefährdet?
- Welche Materialien werden zum Engpass?
- Welche Produktionskapazitäten reichen nicht aus?
- Wo entstehen Überbestände?
- Welche Lieferanten entwickeln sich kritisch?
- Welche Auswirkungen hat eine Forecast-Änderung auf Bestand und Cash?
- Welche Maßnahmen haben den größten Einfluss auf OTIF?
Genau an dieser Stelle kann künstliche Intelligenz einen entscheidenden Unterschied machen.
Vom Reporting zum Decision System
Der entscheidende Entwicklungsschritt liegt darin, S&OP nicht mehr nur als Planungsprozess zu betrachten.
S&OP kann zu einem echten Decision System werden.
Der Unterschied ist erheblich.
Ein klassisches Reporting zeigt:
Der Forecast ist um 15 Prozent gestiegen.
Ein intelligentes Decision System sagt dagegen:
Der Forecast für Produktgruppe A steigt um 15 Prozent. Dadurch entsteht in Kalenderwoche 38 ein Kapazitätsengpass auf Linie 3. Gleichzeitig reicht Material X nur noch für 82 Prozent des Bedarfs. Drei Kundenaufträge mit einem Umsatz von 1,2 Millionen Euro sind gefährdet.
Damit endet die Analyse jedoch nicht.
Das System könnte zusätzlich mehrere Handlungsoptionen vorschlagen.
Szenario A: Zusatzschicht
Eine zusätzliche Produktionsschicht reduziert den Rückstand um 70 Prozent.
Szenario B: Produktionsverlagerung
Ein Teil der Produktion wird auf eine alternative Linie verlagert.
Szenario C: Kundenpriorisierung
Kapazitäten werden auf strategisch wichtige Kunden konzentriert.
Szenario D: Bestandsallokation
Vorhandene Bestände werden neu verteilt.
Damit verändert sich S&OP grundlegend.
Aus einer Diskussion über Zahlen wird eine Diskussion über Entscheidungen.
KI kann Millionen Zusammenhänge gleichzeitig bewerten
Genau darin liegt die besondere Stärke künstlicher Intelligenz.
Menschen sind sehr gut darin, Erfahrungen einzuordnen, Zusammenhänge zu verstehen und Entscheidungen in komplexen Situationen zu treffen.
Sie sind allerdings weniger gut darin, gleichzeitig tausende Produkte, Lieferanten, Bestände, Kundenaufträge und Kapazitäten zu analysieren.
Eine KI kann dagegen kontinuierlich Muster erkennen.
Zum Beispiel:
Forecast steigt → Bestand sinkt → Lieferzeit Lieferant verlängert sich → Kapazitätsengpass entsteht → Kundenauftrag wird gefährdet.
Ein erfahrener Planner erkennt solche Zusammenhänge ebenfalls.
Die KI erkennt sie allerdings möglicherweise einige Tage früher.
Und genau diese Tage können über Lieferfähigkeit oder Eskalation entscheiden.
S&OP wird kontinuierlicher
Damit verändert sich auch der klassische Monatsrhythmus.
Das bedeutet nicht automatisch, dass das monatliche S&OP-Meeting verschwindet.
Seine Funktion verändert sich jedoch.
Operative Abweichungen sollten nicht vier Wochen auf eine Entscheidung warten.
Ein modernes System überwacht deshalb kontinuierlich:
- Nachfrageänderungen
- Bestände
- Produktionskapazitäten
- Lieferantenperformance
- Materialverfügbarkeit
- Kundenprioritäten
- Logistikkapazitäten
Erst wenn definierte Grenzen überschritten werden, wird eine Entscheidung ausgelöst.
Dieses Prinzip wird häufig als Management by Exception bezeichnet.
Das Management beschäftigt sich dadurch nicht mehr mit jedem einzelnen Artikel.
Es beschäftigt sich mit den Abweichungen, die wirtschaftlich relevant sind.
Der Planner wird nicht ersetzt
Bei Diskussionen über künstliche Intelligenz entsteht schnell die Frage:
Brauchen wir künftig überhaupt noch Supply Chain Planner?
Aus meiner Sicht lautet die Antwort eindeutig: ja.
Ihre Rolle wird jedoch anspruchsvoller.
Der Planner der Zukunft verbringt weniger Zeit damit,
- Daten zusammenzuführen,
- Excel-Dateien zu aktualisieren,
- Reports vorzubereiten,
- Fehlermeldungen zu sortieren.
Stattdessen konzentriert er sich stärker auf:
- Szenarien,
- Entscheidungen,
- Risiken,
- Prioritäten,
- Kundenwirkungen,
- wirtschaftliche Konsequenzen.
Man könnte es auch anders formulieren:
Der Planner der Zukunft plant weniger manuell – und entscheidet mehr.
Ein Beispiel aus der Praxis
Nehmen wir an, ein Unternehmen produziert 2.000 verschiedene Artikel.
Ein wichtiger Rohstoff hat normalerweise sechs Wochen Lieferzeit.
Der Lieferant verschlechtert sich jedoch schrittweise.
Zunächst sieben Wochen.
Dann acht.
Gleichzeitig steigt die Nachfrage nach mehreren Produkten.
In einem klassischen System fällt das Problem möglicherweise erst auf, wenn Material fehlt.
Ein intelligentes S&OP-System erkennt dagegen frühzeitig:
- Die Lieferzeit des Lieferanten steigt systematisch.
- Der Forecast der betroffenen Produkte nimmt zu.
- Der Sicherheitsbestand reicht in sechs Wochen nicht mehr aus.
- Zwölf Kundenaufträge wären betroffen.
- Zwei alternative Lieferanten existieren bereits im System.
Die entscheidende Information lautet dann nicht:
„Materialbestand kritisch.“
Sondern:
„Wenn heute keine Maßnahme erfolgt, entsteht in sechs Wochen ein erwarteter Lieferrückstand von 480.000 Euro.“
Das ist eine Information, mit der Management arbeiten kann.
Ohne saubere Daten funktioniert auch die beste KI nicht
Bei aller Begeisterung sollte allerdings eines nicht vergessen werden.
KI löst keine grundlegenden Prozessprobleme.
Wenn Stammdaten falsch sind, Lieferzeiten nicht gepflegt werden und Forecasts systematisch manipuliert werden, erhält auch die KI schlechte Informationen.
Garbage in, garbage out gilt weiterhin.
Deshalb sollte die Reihenfolge bei der Einführung klar sein:
Prozess → Daten → Entscheidungslogik → Technologie → KI.
Nicht umgekehrt.
Ein Unternehmen, das seinen S&OP-Prozess nicht beherrscht, wird ihn durch künstliche Intelligenz nicht automatisch verbessern.
Im schlimmsten Fall werden schlechte Entscheidungen lediglich schneller getroffen.
Die wichtigste Veränderung betrifft die Entscheidungsqualität
Die Diskussion über KI im Supply Chain Management konzentriert sich häufig auf Automatisierung.
Das greift zu kurz.
Der größere Nutzen liegt aus meiner Sicht in der Qualität der Entscheidungen.
Ein gutes Decision System beantwortet nicht nur:
Was ist passiert?
Sondern zunehmend:
Warum passiert es?
Was wird wahrscheinlich passieren?
Welche Alternativen haben wir?
Welche Entscheidung liefert das beste Ergebnis?
Damit verändert sich auch die Rolle des S&OP-Prozesses.
Aus einem Koordinationsmeeting wird zunehmend ein unternehmensweites Entscheidungsmodell.
Vom Monatsmeeting zum Decision System
Das klassische S&OP-Meeting wird nicht morgen verschwinden.
Aber Unternehmen sollten sich eine einfache Frage stellen:
Warum warten wir vier Wochen auf eine Entscheidung, wenn unsere Systeme das Problem heute schon erkennen können?
Die Zukunft von S&OP liegt deshalb nicht in noch umfangreicheren Präsentationen.
Sie liegt in intelligenten, datenbasierten Entscheidungsprozessen.
Systeme erkennen Risiken.
Algorithmen simulieren Szenarien.
KI bewertet Alternativen.
Der Mensch entscheidet.
Genau darin liegt aus meiner Sicht die eigentliche Chance von künstlicher Intelligenz im Supply Chain Management.
Nicht darin, Menschen aus dem Prozess zu entfernen.
Sondern darin, ihnen früher die richtigen Fragen und bessere Entscheidungsoptionen zur Verfügung zu stellen.
Und vielleicht beginnt dann auch das nächste S&OP-Meeting nicht mehr mit:
„Welche Excel-Version ist eigentlich die aktuelle?“
Sondern mit:
„Welche drei Entscheidungen müssen wir heute treffen?“
