SAP IBP und volatile Nachfrage: Wann reicht der SAP-Standard – und wann sind externe Tools sinnvoll?

von: Ulrich

Volatile Nachfrage ist längst keine vorübergehende Ausnahme mehr. Kunden verändern Bestellmengen kurzfristig, Produktlebenszyklen werden kürzer, Sonderaktionen verzerren historische Verbräuche und einzelne Großaufträge stellen etablierte Planungsmuster auf den Kopf.

Viele Unternehmen reagieren darauf mit der Einführung eines KI-gestützten Demand-Planning-Tools. Die Erwartung ist verständlich: Mehr Daten, bessere Algorithmen und am Ende ein genauerer Forecast.

Ganz so einfach ist es allerdings nicht.

Auch der beste Algorithmus kann kein Ereignis vorhersagen, für das weder ein historisches Muster noch ein aktuelles Signal vorhanden ist. Moderne Planungssysteme können Unsicherheit besser erkennen, Muster schneller verarbeiten und Veränderungen früher sichtbar machen. Sie können die Volatilität jedoch nicht wegprogrammieren.

SAP Integrated Business Planning, kurz SAP IBP, bietet bereits umfangreiche Funktionen für statistische Prognosen, Machine Learning, Demand Sensing, Szenariosimulation und die Einbindung externer Einflussfaktoren. Die entscheidende Frage lautet deshalb nicht:

Brauchen wir zusätzlich zu SAP IBP noch ein KI-Tool?

Die bessere Frage lautet:

Welche Planungsprobleme können wir mit SAP IBP lösen – und wo schafft ein externes Spezialwerkzeug einen zusätzlichen wirtschaftlichen Nutzen?

Was versteht man unter SAP Demand Planning?

Im heutigen SAP-Umfeld wird die Absatzplanung im Wesentlichen über SAP IBP for Demand abgebildet. Die Lösung ist Teil von SAP Integrated Business Planning und verbindet Demand Planning mit S&OP, Bestandsplanung sowie Response-and-Supply-Planung.

SAP IBP ist eine cloudbasierte Planungslösung. Sie verbindet historische Daten, statistische Prognosen, Machine-Learning-Verfahren, Demand Sensing, Alerts und Simulationen innerhalb eines übergreifenden Planungsmodells. (SAP)

Das Ziel besteht nicht nur darin, einen mathematischen Forecast zu erzeugen. SAP IBP soll einen abgestimmten Demand Plan bereitstellen, der anschließend als Grundlage für Beschaffung, Produktion, Kapazitätsplanung, Bestandssteuerung und Managemententscheidungen dient.

Wie funktioniert Demand Planning in SAP IBP?

Ein funktionierender Demand-Planning-Prozess besteht aus mehreren aufeinander aufbauenden Schritten.

1. Historische Daten werden integriert

Ausgangspunkt sind historische Absatz-, Auftrags- oder Verbrauchsdaten. Diese können aus SAP S/4HANA, SAP ERP oder anderen Quellsystemen übernommen werden.

Zusätzlich können weitere Informationen integriert werden, beispielsweise:

• Kundenaufträge
• bestätigte und gewünschte Liefermengen
• Preise
• Promotions
• Produktlebenszyklen
• Markt- oder Wetterdaten
• Kunden- und Vertriebseinschätzungen
• externe Branchenindikatoren

SAP IBP kann Daten aus SAP- und Fremdsystemen aufnehmen und die Planungsergebnisse wieder an operative Systeme übergeben. (SAP Hilfe Portal)

Damit ist grundsätzlich auch eine Architektur möglich, in der ein externes Prognosewerkzeug einen Forecast berechnet und das Ergebnis anschließend in SAP IBP für den Konsensprozess und die weitere Supply-Chain-Planung genutzt wird.

2. Die Absatzhistorie wird bereinigt

Historische Verkaufswerte sind selten sofort für eine Prognose geeignet.

Ein einmaliger Großauftrag, eine Lieferunterbrechung, eine fehlerhafte Buchung oder eine Sonderaktion kann dazu führen, dass der Algorithmus ein Ereignis als wiederkehrendes Muster interpretiert.

Deshalb müssen unter anderem folgende Sachverhalte geprüft werden:

• Ausreißer
• Nullverbräuche
• fehlende Werte
• Retouren und Stornierungen
• Ersatzlieferungen
• Promotionseffekte
• Lieferengpässe
• verlorene Nachfrage
• Einmalaufträge

SAP IBP bietet Funktionen zur Vorverarbeitung und automatischen Ausreißerkorrektur. Promotions können gesondert betrachtet werden, damit die Baseline nicht durch vergangene Aktionen verzerrt wird. (SAP)

Ein wichtiger Grundsatz lautet dabei:

Nicht jeder hohe Verbrauch ist echte Nachfrage – und nicht jeder niedrige Absatz bedeutet, dass keine Nachfrage vorhanden war.

Konnte ein Produkt aufgrund fehlender Bestände nicht geliefert werden, zeigt die Absatzhistorie möglicherweise nur den Engpass und nicht den tatsächlichen Kundenbedarf.

3. Die Zeitreihen werden segmentiert

Nicht jeder Artikel sollte mit derselben Methode geplant werden.

Ein volumenstarker Standardartikel mit stabiler Nachfrage benötigt ein anderes Prognosemodell als ein Ersatzteil, das nur alle sechs Monate bestellt wird. Gleiches gilt für Aktionsware, Neuprodukte, kundenspezifische Artikel oder Produkte mit starkem saisonalem Verlauf.

SAP IBP kann Zeitreihen analysieren und Eigenschaften wie Trend, Saisonalität, intermittierende Nachfrage oder sogenannte „lumpy demand“ erkennen. Außerdem können Strukturbrüche beziehungsweise Change Points identifiziert werden. Dabei handelt es sich beispielsweise um dauerhafte Niveauverschiebungen oder Trendwechsel. (SAP Hilfe Portal)

Eine sinnvolle Segmentierung kann beispielsweise nach folgenden Kriterien erfolgen:

• ABC nach Umsatz oder Verbrauchswert
• XYZ nach Schwankung beziehungsweise Prognostizierbarkeit
• Anzahl der Perioden ohne Verbrauch
• Produktlebenszyklus
• Kundengruppe oder Absatzkanal
• Make-to-Stock oder Make-to-Order
• Standardgeschäft oder Projektgeschäft
• Promotion- oder Saisonartikel

Der Algorithmus sollte dem Nachfrageverhalten folgen – nicht umgekehrt.

4. Das passende Prognosemodell wird angewendet

Auf Basis der Zeitreiheneigenschaften wird ein Prognosemodell ausgewählt und dem jeweiligen Planungsobjekt zugeordnet.

SAP IBP stellt dafür klassische statistische Verfahren und Machine-Learning-Methoden bereit. Dazu gehören unter anderem Verfahren für stabile, trendbehaftete, saisonale und sporadische Bedarfe.

Für Artikel mit vielen Nullperioden kann beispielsweise die Croston-Methode eingesetzt werden. Sie betrachtet sowohl die Höhe der auftretenden Bedarfe als auch die zeitlichen Abstände zwischen diesen Bedarfen. (SAP Hilfe Portal)

Bei komplexeren Zusammenhängen kann Gradient Boosting eingesetzt werden. Dabei können neben historischen Absätzen auch erklärende Variablen wie Preise, Temperatur oder andere externe Einflussgrößen berücksichtigt werden. (SAP Hilfe Portal)

Das Ergebnis ist zunächst ein statistischer Baseline Forecast.

5. Neuprodukte und Produktwechsel werden berücksichtigt

Neuprodukte haben ein bekanntes Problem: Es existiert noch keine eigene Absatzhistorie.

SAP IBP kann deshalb vergleichbare Produkte als Referenz verwenden. Für den neuen Artikel werden historische Verläufe ähnlicher Produkte übernommen und mithilfe von Gewichtungen, zeitlichen Verschiebungen sowie Einführungs- oder Auslaufkurven angepasst. (SAP Hilfe Portal)

Diese Funktion ist besonders relevant, wenn Produkte regelmäßig:

• neu eingeführt,
• ersetzt,
• in zusätzlichen Ländern gestartet,
• in neuen Verpackungsgrößen angeboten oder
• schrittweise aus dem Portfolio genommen werden.

Der Erfolg hängt allerdings weniger von der technischen Funktion als von der Qualität der gewählten Referenzprodukte ab. Ein falscher Vergleichsartikel produziert einen sehr präzisen Forecast – nur leider für das falsche Nachfrageverhalten.

6. Vertrieb und Marketing ergänzen den Forecast

Der statistische Forecast kennt historische Muster. Er kennt aber nicht automatisch:

• geplante Kundenaktionen
• neue Verträge
• Ausschreibungen
• Produkteinführungen
• Wettbewerbsveränderungen
• angekündigte Großaufträge
• Preisänderungen
• den Verlust eines Schlüsselkunden

Diese Informationen müssen über Vertrieb, Marketing und Produktmanagement in den Prozess einfließen.

Aus dem statistischen Forecast und den kommerziellen Informationen entsteht der Consensus Demand Plan.

Dabei sollten manuelle Anpassungen nachvollziehbar sein. Idealerweise werden Grund, Verantwortlicher, Menge und Gültigkeitsdauer der Änderung dokumentiert.

Ein Vertriebsoverride ohne Begründung ist keine Planung. Es ist eine Meinung mit Nachkommastellen.

7. Demand Sensing aktualisiert den kurzfristigen Horizont

Der monatliche Demand Plan kann bereits wenige Tage später von neuen Kundenaufträgen überholt werden.

Demand Sensing betrachtet deshalb kurzfristige Signale auf einer detaillierteren zeitlichen Ebene. SAP IBP kann dafür aktuelle Kundenanforderungen, bestätigte Mengen und weitere kurzfristige Informationen nutzen. Das System erstellt daraus eine tägliche Prognose für den nahen Planungshorizont. SAP beschreibt hierfür unter anderem ein Demand-Sensing-Verfahren auf Basis von Gradient Boosting. (SAP Hilfe Portal)

Der Unterschied lässt sich vereinfacht so darstellen:

• Demand Planning erkennt mittel- und langfristige Muster.
• Demand Sensing reagiert auf aktuelle kurzfristige Veränderungen.
• S&OE entscheidet, wie mit diesen Veränderungen operativ umgegangen wird.

Demand Sensing ist damit kein Ersatz für S&OP oder S&OE. Es verbessert lediglich die Informationsbasis.

Was bedeutet volatile Nachfrage eigentlich?

Volatilität wird häufig als ein einziges Problem behandelt. Tatsächlich können sehr unterschiedliche Ursachen dahinterstehen.

Statistische Volatilität

Die Nachfrage schwankt, folgt aber grundsätzlich erkennbaren Mustern. Beispiele sind Saisonverläufe, Wochentageffekte oder regelmäßige Promotionen.

Hier können statistische Modelle und Machine Learning gute Ergebnisse liefern.

Intermittierende Nachfrage

Bedarfe treten unregelmäßig auf und viele Perioden enthalten einen Nullverbrauch.

Das ist typisch für Ersatzteile, Spezialprodukte oder kundenspezifische Artikel. Hier sind Verfahren wie Croston und eine angepasste Bestandslogik wichtiger als klassische Forecast Accuracy.

Ereignisgetriebene Nachfrage

Die Nachfrage verändert sich aufgrund konkreter Ereignisse, etwa einer Kundenaktion, einer Ausschreibung, einer regulatorischen Änderung oder eines Wettbewerberausfalls.

Solche Ereignisse müssen als zusätzliche Information in das Modell gelangen. Aus der reinen Vergangenheit lassen sie sich nur schwer ableiten.

Strukturelle Veränderungen

Ein neuer Vertriebskanal, ein Kundenverlust, eine Preisänderung oder eine veränderte Marktposition führt zu einer dauerhaften Niveauverschiebung.

SAP IBP kann mit Change-Point-Detection nach solchen Strukturbrüchen suchen. Der Prozess bleibt dennoch auf eine fachliche Bewertung angewiesen: Der Algorithmus erkennt die Veränderung, aber nicht zwangsläufig deren geschäftliche Ursache. (SAP Hilfe Portal)

Echte Überraschungen

Pandemien, geopolitische Ereignisse, Naturkatastrophen oder unerwartete Ausfälle eines Wettbewerbers haben häufig kein belastbares historisches Muster.

Hier hilft kein Forecast im klassischen Sinn. Benötigt werden Szenarien, Bandbreiten, Risikobewertungen und schnelle Entscheidungsprozesse.

Wo liegen die Grenzen von SAP IBP?

SAP IBP ist ein leistungsfähiges Planungssystem. Trotzdem verbessert die Einführung nicht automatisch die Forecast Accuracy.

In der Praxis entstehen die Grenzen häufig an anderer Stelle.

Die Daten sind nicht aktuell genug

Ein gutes Demand-Sensing-Modell hilft wenig, wenn Kundenaufträge, Marktinformationen oder POS-Daten nur monatlich übertragen werden.

Die Geschwindigkeit des Signals muss zur Geschwindigkeit der Entscheidung passen.

Die Planung erfolgt auf der falschen Ebene

Auf einer hohen Aggregationsebene kann ein Forecast sehr genau aussehen, obwohl einzelne Standorte oder Kunden erhebliche Abweichungen zeigen.

Umgekehrt erzeugt eine zu detaillierte Planungsebene so viel statistisches Rauschen, dass keine belastbare Aussage mehr möglich ist.

Die geeignete Planungsebene ist deshalb ein Kompromiss zwischen Genauigkeit, Steuerungsrelevanz und Datenmenge.

Alle Artikel werden gleich behandelt

Eine einheitliche Forecast-Strategie für das gesamte Sortiment ist bequem, aber selten sinnvoll.

Stabile Renner, sporadische Ersatzteile, Neuprodukte und kundenbezogene Projektartikel brauchen unterschiedliche Modelle und teilweise auch unterschiedliche Planungsprozesse.

Manuelle Anpassungen werden nicht gemessen

Viele Unternehmen messen nur die Qualität des finalen Forecasts. Sie prüfen aber nicht, ob manuelle Eingriffe des Vertriebs die statistische Prognose verbessert oder verschlechtert haben.

Ein sinnvoller Forecast-Value-Add-Ansatz vergleicht daher:

• statistischen Forecast
• Vertriebsanpassung
• finalen Consensus Forecast
• tatsächlichen Absatz

So wird sichtbar, welche Eingriffe Mehrwert schaffen und welche lediglich zusätzliche Volatilität in die Planung bringen.

Der Prozess hinter dem System fehlt

SAP IBP erzeugt Zahlen, Alerts und Szenarien. Es entscheidet aber nicht selbst, welcher Kunde bei einem Engpass priorisiert wird oder ob zusätzliche Kapazität aufgebaut werden soll.

Ohne eindeutige Rollen, Entscheidungsregeln und Eskalationswege wird auch ein modernes Planungssystem schnell zu einem sehr teuren Präsentationsgenerator.

Wann reichen die SAP-IBP-Funktionen aus?

Ein reiner SAP-IBP-Ansatz ist in der Regel sinnvoll, wenn:

• SAP IBP bereits als zentrale Planungsplattform etabliert ist,
• die relevanten Daten vollständig und zeitnah verfügbar sind,
• Demand, Supply, Inventory und S&OP integriert geplant werden sollen,
• die vorhandenen Prognosemodelle die wesentlichen Nachfragearten abdecken,
• externe Einflussgrößen in SAP IBP integriert werden können,
• die Organisation über ausreichende SAP-IBP-Kompetenz verfügt,
• der Consensus-Demand-Prozess bereits funktioniert,
• und keine hochspezialisierte Zusatzfunktion benötigt wird.

In dieser Situation sollte zunächst geprüft werden, ob die vorhandenen SAP-Funktionen konsequent genutzt werden.

Häufig sind Forecast Automation, Demand Sensing, Produktlebenszyklusplanung, Promotionbereinigung, Segmentierung oder Change-Point-Detection technisch verfügbar, aber fachlich noch nicht sauber implementiert.

Dann wäre ein zusätzliches Tool keine Lösung. Es wäre ein zweites System für dasselbe ungelöste Problem.

Wann können externe Tools sinnvoll sein?

Externe Werkzeuge können einen echten Mehrwert schaffen, wenn eine konkrete funktionale oder wirtschaftliche Lücke geschlossen wird.

1. Wenn sehr viele externe Signale verarbeitet werden sollen

Bei stark marktgetriebener Nachfrage können zusätzliche Daten relevant sein, beispielsweise:

• Point-of-Sale-Daten
• Händlerbestände
• Webshop-Aktivitäten
• Suchtrends
• Wetterinformationen
• Marktpreise
• Wettbewerbsinformationen
• Social-Media-Signale
• makroökonomische Indikatoren

Ein spezialisiertes Forecasting- oder Data-Science-Werkzeug kann sinnvoll sein, wenn diese Daten dort schneller integriert, getestet und in Modelle überführt werden können.

Das Ergebnis kann anschließend als zusätzlicher oder alternativer Forecast in SAP IBP übernommen werden.

2. Wenn hochspezialisierte Modelle benötigt werden

Für bestimmte Branchen oder Nachfragearten bieten Spezialanbieter vorkonfigurierte Modelle, beispielsweise für:

• Einzelhandel und Promotions
• Fashion und kurze Produktlebenszyklen
• Ersatzteile
• E-Commerce
• Pharmaeinführungen
• projektbezogene Nachfrage
• sehr große Long-Tail-Sortimente

Entscheidend ist nicht, ob ein Werkzeug mit „AI“ beworben wird. Entscheidend ist, ob es für das konkrete Nachfrageprofil nachweislich bessere Entscheidungen ermöglicht.

3. Wenn ein schneller, begrenzter Einstieg erforderlich ist

SAP IBP ist eine integrierte Unternehmensplattform. Die Einführung kann entsprechend umfangreich sein.

Für mittelständische Unternehmen oder einzelne Geschäftsbereiche kann ein schlankes externes Tool sinnvoll sein, wenn zunächst nur folgende Themen gelöst werden sollen:

• Absatzprognose
• Bestandsparameter
• Sicherheitsbestände
• Bestellvorschläge
• Artikelklassifizierung
• Ausnahmesteuerung

Ein solches Werkzeug kann schneller produktiv sein, darf aber nicht zu einer isolierten Parallelplanung führen.

4. Wenn die Bedienbarkeit zum Engpass wird

Die mathematisch beste Prognose bringt wenig, wenn Planer das System nicht akzeptieren oder Ergebnisse außerhalb des Systems in Excel weiterbearbeiten.

Externe Anwendungen können sinnvoll sein, wenn sie eine deutlich einfachere Benutzerführung, bessere Visualisierung oder eine konsequentere Ausnahmeplanung ermöglichen.

Dabei sollte allerdings geprüft werden, ob das Problem tatsächlich im Werkzeug oder in einer unnötig komplexen SAP-Konfiguration liegt.

5. Wenn ein unabhängiger Challenger Forecast gewünscht wird

Ein interessantes Modell ist die Nutzung eines externen Tools als Challenger.

SAP IBP berechnet den offiziellen statistischen Forecast. Das externe Werkzeug erzeugt parallel eine alternative Prognose. Beide Ergebnisse werden anhand derselben historischen Perioden und Kennzahlen bewertet.

Nur wenn der Challenger dauerhaft einen messbaren Mehrwert erzeugt, wird er für ausgewählte Segmente verwendet.

Dieser Ansatz reduziert das Risiko, ein etabliertes Planungssystem aufgrund einer überzeugenden Verkaufspräsentation vorschnell zu ersetzen.

Drei mögliche Systemarchitekturen

Modell	Beschreibung	Geeignet für
SAP IBP als Gesamtlösung	Forecast, Consensus Demand, Supply, Inventory und S&OP laufen in SAP IBP	Unternehmen mit etablierter SAP-IBP-Landschaft
Externes Tool plus SAP IBP	Externes Werkzeug erzeugt Spezial- oder Challenger-Forecasts, SAP IBP bleibt führende Planungsplattform	Unternehmen mit besonderen Nachfrageprofilen oder zusätzlichen Datenquellen
Externes Planungstool plus SAP-Ausführung	Externes Tool steuert Demand und Replenishment, SAP S/4HANA übernimmt die operative Ausführung	Unternehmen ohne vollständige IBP-Einführung oder mit bewusst schlanker Planungslösung

Besteht SAP IBP bereits, ist das zweite Modell häufig der sinnvollste Ausgangspunkt: SAP IBP bleibt das zentrale System für Konsens, Supply-Planung und Managementsteuerung. Das externe Tool übernimmt nur die Funktion, in der es nachweislich überlegen ist.

Welche Kennzahlen sollten zur Bewertung genutzt werden?

Die Entscheidung darf nicht allein auf Basis einer allgemeinen Forecast Accuracy getroffen werden.

SAP IBP unterstützt verschiedene Fehlerkennzahlen, darunter MAPE, WMAPE, MASE, MAD, RMSE und Bias. (SAP Hilfe Portal)

Je nach Sortiment sollten mindestens folgende Größen betrachtet werden:

• WMAPE oder gewichteter Prognosefehler
• Forecast Bias
• Fehler am relevanten Planungshorizont
• Forecast Value Add
• Service Level
• OTIF
• Bestandsreichweite
• Überbestand und Obsoleszenz
• Fehlmengenkosten
• Anzahl manueller Eingriffe
• Planungsaufwand je Artikelgruppe

Ein Forecast ist nicht automatisch besser, weil sein statistischer Fehler geringer ist.

Er ist besser, wenn er zu besseren Entscheidungen führt: weniger Fehlmengen, niedrigere Bestände, stabilere Produktion und eine höhere Lieferfähigkeit.

Ein pragmatischer Entscheidungsweg

Bevor ein externes Tool ausgewählt wird, sollten Unternehmen schrittweise vorgehen.

Schritt 1: Nachfrage segmentieren

Welche Artikel sind stabil, saisonal, sporadisch, projektbezogen oder ereignisgetrieben?

Schritt 2: Datenqualität prüfen

Sind Absatzhistorie, Kundenaufträge, Promotions, Produktwechsel und Ausreißer sauber abgebildet?

Schritt 3: SAP-IBP-Funktionen vollständig bewerten

Welche Funktionen sind vorhanden, aber noch nicht aktiviert oder nicht richtig konfiguriert?

Schritt 4: Problem exakt definieren

Geht es um Forecast Accuracy, Bestände, Planungsaufwand, Geschwindigkeit, externe Signale oder Benutzerfreundlichkeit?

Schritt 5: Pilotsegment auswählen

Ein Pilot sollte anspruchsvoll genug sein, um Unterschiede sichtbar zu machen, aber klar genug abgegrenzt sein, um Ergebnisse messen zu können.

Schritt 6: SAP und externes Tool parallel testen

Beide Lösungen müssen dieselben Daten, Zeiträume, Planungsebenen und Kennzahlen verwenden.

Schritt 7: Wirtschaftlichen Nutzen bewerten

Nicht die schönste Oberfläche oder der modernste KI-Begriff entscheidet, sondern der messbare Nutzen für Bestand, Lieferfähigkeit, Aufwand und Ergebnis.

Fazit

SAP IBP verfügt bereits über leistungsfähige Funktionen für Demand Planning, statistische Prognosen, Machine Learning, Demand Sensing, Produktlebenszyklen und die Verarbeitung externer Einflussgrößen.

Bei volatiler Nachfrage sollte deshalb nicht reflexartig ein weiteres Tool eingeführt werden.

Zunächst muss geklärt werden, ob das eigentliche Problem in den Algorithmen liegt – oder in Datenqualität, Segmentierung, Organisation und Entscheidungsprozessen.

Externe Werkzeuge sind dann sinnvoll, wenn sie eine klar definierte Lücke besser, schneller oder wirtschaftlicher schließen. Besonders interessant ist eine hybride Architektur: SAP IBP bleibt die zentrale Planungs- und Konsensplattform, während ein spezialisiertes Werkzeug für ausgewählte Segmente zusätzliche Prognosen oder externe Signale liefert.

Die wichtigste Erkenntnis lautet:

Volatile Nachfrage verlangt nicht automatisch nach mehr Software. Sie verlangt zunächst nach einer besseren Unterscheidung zwischen berechenbaren Mustern, erkennbaren Signalen und echter Unsicherheit.

Erst danach lässt sich entscheiden, ob SAP IBP ausreichend ist – oder ob ein zusätzliches Tool tatsächlich einen Mehrwert schafft.

Für eine Veröffentlichung lässt sich daraus zusätzlich eine kürzere LinkedIn-Version mit Verweis auf den Blog ableiten.