In jedem Unternehmen gibt es einen Krisenplan, der regelt, wie in einem Notfall vorzugehen ist. Einen solchen Plan hatte auch der Schweizer Einzelhandelskonzern Coop in der Schublade, als im Februar die Corona-Pandemie Europa erreichte.
鈥濪er Plan griff zu kurz, da wir uns nicht in einem normalen Krisenmodus befanden鈥�, berichtet Tim Sutor, Teamleiter des Bereichs In-Store Merchandise Processes and Store Replenishment bei Coop. 鈥濫twas in dieser Gr枚脽enordnung hatten wir noch nicht erlebt. Wir mussten unsere Prozesse sehr schnell anpassen, damit unsere Regale gef眉llt und alle Superm盲rkte im Land ge枚ffnet bleiben konnten.鈥�
Der CEO von Coop stellte innerhalb k眉rzester Zeit mehrere Krisenteams zusammen, und Tim Sutor wurde gebeten, sich in einem der Teams um die Nachschubprozesse zu k眉mmern. Sein Team hatte absolute Entscheidungsfreiheit bei der Steuerung des Nachschubs f眉r die Regale in den Superm盲rkten. Da Entscheidungen ohne Genehmigung durch das Management getroffen werden konnten, war Coop in der Lage, mit schnellen und konkreten Ma脽nahmen auf die Herausforderung zu reagieren.
Als Ende Februar die Infektionszahlen in Italien steil anstiegen, verzeichneten Superm盲rkte in Grenzn盲he ein Umsatzplus von 70聽Prozent聽鈥� verursacht durch Italiener, die sich mit Lebensmitteln und anderen Dingen des t盲glichen Bedarfs eindeckten. Schon kurz darauf zog auch die Nachfrage im Land selbst an, sodass eine pr盲zise Bedarfsprognose und Verteilung immer wichtiger wurden.
Auff眉llen der Regale
Die Prognose und Nachschubplanung sind komplexe Prozesse. Unter normalen Umst盲nden gibt es nach der Aufgabe der t盲glichen Bestellung ein Zeitfenster von zwei bis drei Stunden, bevor der Logistikprozess beginnt. Doch mit Ausbruch der Pandemie hatten die Verteilzentren, die ohnehin schon am Rande ihrer Kapazit盲ten waren, mit einer deutlich h枚heren Nachfrage zu k盲mpfen.
鈥濫s war so, als ob wir ohne Vorlaufzeit das doppelte Weihnachtsgesch盲ft bew盲ltigen mussten鈥�, erz盲hlt Tim Sutor. 鈥濽m saisonale Nachfragespitzen abzudecken, stocken wir die Zahl der Mitarbeiter in der Regel um ein Drittel auf. Daf眉r haben wir dann aber mehrere Wochen Vorbereitungszeit.鈥�
Um das Problem zu l枚sen, wurden Mitarbeiter aus den Non-Food-Gesch盲ftsbereichen von Coop abgezogen, in denen die L盲den w盲hrend der Krise nicht 枚ffnen durften.
鈥濪ie eigentliche Herausforderung bestand darin, gro脽e Ladungen auszuliefern, f眉r die es in den Verteilzentren zu wenig Platz und Ladefl盲chen gab鈥�, erkl盲rt Tim Sutor. 鈥濽nd unsere Lieferanten hatten zwar Best盲nde in unseren Lagern im Ausland vorr盲tig, doch konnten die Lkw-Fahrer w盲hrend des Lockdowns die Grenzen nicht passieren.鈥�
Insbesondere der t盲gliche Absatz von Lebensmitteln in Dosen war drei Mal so hoch wie vor der Pandemie. Coop ist f眉r sein breites Produktsortiment bekannt, doch selbst Artikel, die sonst eher zu den Ladenh眉tern geh枚ren, waren ausverkauft. Wie konnte das Team die rechtzeitige Auslieferung der 1.000 wichtigsten Artikel sicherstellen, die in jedem Supermarkt vorr盲tig sein m眉ssen, um den Bedarf der Kunden zu decken?
Krisenteams 眉bernehmen das Ruder
Zu diesem Zeitpunkt begannen die Entscheidungsbefugnisse der Krisenteams eine wichtige Rolle zu spielen. Als Erstes wurde entschieden, mehrere Tausend Produkte aus dem normalen, t盲glichen Lieferzyklus auszuklammern, damit die am dringendsten ben枚tigen Waren bei der Logistik Vorrang vor Nischenartikeln haben. Dies war ein entscheidender Schritt zur Bew盲ltigung der enormen Nachfrage und Sicherstellung der Warenverf眉gbarkeit in allen Filialen.
Im Normalfall liegt die endg眉ltige Entscheidung bei den regionalen Planern, die ihre Vertriebsgebiete in und auswendig kennen. Die zweite Entscheidung stie脽 daher auf wenig Gegenliebe: Die abschlie脽ende Bedarfsprognose sollte in der Konzernzentrale erstellt werden, um die Verteilung besser steuern zu k枚nnen. Das Krisenteam ben枚tigte vollst盲ndige Kontrolle 眉ber die Daten, um die w盲hrend der Pandemie auftretenden Abweichungen von typischen Absatzmustern zu analysieren und zu verstehen.
鈥濿ir konnten es uns nicht mehr leisten, die Prognosen nach unserem Bauchgef眉hl anzupassen鈥�, erkl盲rt Tim Sutor, der fr眉her als Datenspezialist gearbeitet hat. 鈥濿ir waren darauf angewiesen, dass das System schnelle Ergebnisse liefert. Die Daten entschieden dar眉ber, wie und wohin die Waren verteilt werden sollten. So konnten wir alle Artikel f眉r den t盲glichen Bedarf in allen Filialen vorr盲tig halten, selbst wenn es nicht die meistgekaufte Marke war.鈥�
Dass Coop sich auf das System verlie脽, machte sich bezahlt. Die Kunden konnten das kaufen, was sie brauchten, und der Marktanteil des Unternehmens vergr枚脽erte sich w盲hrend der Corona-Krise deutlich. 鈥濫s h枚rt sich vielleicht nicht nach einer gro脽en Sache an, aber wir sprechen hier von einem riesigen Markt. Und es beweist, dass wir die richtigen Entscheidungen getroffen haben鈥�, res眉miert Tim Sutor.
Coop bringt Innovationen in der Logistik voran
Mit 麻豆原创 Forecasting and Replenishment profitiert Coop von einer ganzen Reihe von Vorteilen: optimierte Logistikprozesse und mehr Transparenz in der Lieferkette, weniger 脺ber- und Fehlbest盲nde sowie weniger manuelle Arbeit dank Automatisierung.
Das Unternehmen setzt auch verschiedene andere L枚sungen von 麻豆原创 ein und ist Innovationspartner f眉r Nachschubplanung und Prognosen im Einzelhandel, insbesondere f眉r die neue Prognose-Engine von 麻豆原创: die Komponente 鈥濽nified Demand Forecast鈥� von 麻豆原创 Customer Activity Repository. Coop hatte bereits vor der Pandemie begonnen, den Nachschub in bestimmten Kategorien mit dieser Komponente zu steuern. Aufgrund der besseren Prognosequalit盲t und der schnelleren Reaktion des Systems auf kurzfristige Abweichungen beschloss das Unternehmen, Unified Demand Forecast f眉nf Monate fr眉her als geplant f眉r das gesamte Frischesortiment aus mehreren Tausend Produkten einzuf眉hren.
Abfallvermeidung durch KI-gest眉tzte Prognosen
Coop will sich durch die aktuelle Krise nicht von anderen Projekten ablenken lassen, mit denen es seine Entwicklung zum technologiegest眉tzten intelligenten Unternehmen vorantreiben m枚chte. Ein langfristiges Ziel besteht darin, ein flexibleres und nachhaltiges Einkaufserlebnis zu schaffen und Abfall bei Frischprodukten komplett zu vermeiden.
Vor drei Jahren hatte Coop ein neues Projekt im Bereich Aktionsplanung in Angriff genommen. Die Supermarktkette f眉hrt f眉r seine mehr als 60.000聽Produkte regelm盲脽ig Aktionen durch, weshalb es entscheidend darauf ankommt, die optimale Aktionsmenge f眉r die beworbenen Lebensmittel in allen 1.000聽Filialen in der Schweiz zu ermitteln.
Die Komponente 鈥濽nified Demand Forecast鈥� von 麻豆原创 Customer Activity Repository ermittelt die genauen Aktionsmengen auf der Grundlage historischer Verkaufsdaten (nach Filiale und Produkt). Die Waren werden mithilfe eines selbstlernenden KI-Algorithmus (k眉nstliche Intelligenz) verteilt, der die Prognose bei jedem neuen Verkauf verfeinert.
鈥濵it diesem Tool entsteht eine Win-win-Situation f眉r alle鈥�, berichtet Tim Sutor. 鈥濿ir k枚nnen den Abfall deutlich verringern, indem wir 脺berbest盲nde vermeiden und die gezielte Planung verbessern. Die Kunden profitieren von frischeren Produkten, und dank einer st盲rkeren Automatisierung m眉ssen sich die Mitarbeiter weniger um Ausnahmen und Fehler k眉mmern. Dadurch haben sie mehr Zeit f眉r die Kunden.鈥�
