KI-Nachfrage- & Bestandsprognose — 31% weniger Überbestand für einen europäischen Onlinehändler
E-Commerce
Visual-AI-Labs ersetzte die tabellenbasierte Nachbestellung durch ein KI-System zur Nachfrage- und Bestandsprognose in zwei 30-Tage-Zyklen und senkte Überbestand um 31% und Fehlbestände um 44%.
- −31% — Überbestand (gebundenes Kapital)
- −44% — Fehlbestandsquote bei Top-1.000-Artikeln
- −75% — Zeitaufwand für manuelle Nachbestellplanung
- 86% — Prognosegenauigkeit (Top-Artikel, 4-Wochen-Horizont)
Das Problem
Die Nachbestellung über die drei Marken des Händlers lief über eine gemeinsame Tabellenkalkulation, wöchentlich von zwei Planern anhand der Vorjahresverkäufe und Bauchgefühl überprüft. Saisonale Spitzen und promotionsgetriebene Nachfrage wurden regelmäßig verpasst: Bestseller gingen mitten in Kampagnen aus, während langsamer drehende Artikel sich im Lager stapelten. Die Planer verbrachten den Großteil ihrer Woche mit der Pflege der Tabelle statt mit der eigentlichen Entscheidung, was nachbestellt werden soll.
Was Visual-AI-Labs gebaut hat
Visual-AI-Labs lieferte in zwei 30-Tage-Zyklen ein System zur Nachfrage- und Bestandsprognose. Zyklus 1 verband Verkaufshistorie, aktuelle Bestandsstände und geplante Promotionen und lieferte artikelgenaue Nachfrageprognosen mit Konfidenzintervallen sowie eine automatisierte Nachbestellpunkt-Engine, die anzeigt, was und wann nachbestellt werden soll. Zyklus 2 ergänzte eine Modellierung der Lieferantendurchlaufzeiten, eine "Was-wäre-wenn"-Ansicht für anstehende Promotionen sowie ein Planer-Dashboard, das die Tabelle durch eine handlungsorientierte, stets aktuelle Ansicht ersetzt.
- Artikelgenaue Nachfrageprognosen mit Konfidenzintervallen, täglich aktualisiert
- Automatisierte Nachbestellpunkt-Engine, gekoppelt an reale Lieferantendurchlaufzeiten
- "Was-wäre-wenn"-Promotionssimulation zur Vorschau des Bestandseffekts vor Kampagnenstart
- Anbindung an das bestehende ERP/WMS — keine Änderung an der physischen Bestellabwicklung
- Planer-Dashboard als Ersatz für die geteilte Tabellenkalkulation, mit Ausnahmealarmen
Ergebnisse
Innerhalb von 90 Tagen sank der Überbestand (gemessen als gebundenes Betriebskapital in langsam drehendem Inventar) um 31%, und Fehlbestände bei den Top-1.000-Artikeln sanken um 44%. Die Prognosegenauigkeit über einen 4-Wochen-Horizont erreichte für Top-Artikel 86%. Die Planer reduzierten den manuellen Aufwand für die Nachbestellplanung um rund 75% und investierten diese Zeit stattdessen in Lieferantenverhandlungen und die Planung neuer Artikel statt in die Pflege der Tabelle.
Technik & Prozess
Visual-AI-Labs führte zwei aufeinanderfolgende 30-Tage-Zyklen mit wöchentlichen Demos durch und validierte Prognosen anhand zurückgehaltener historischer Daten, bevor eine Nachbestellempfehlung live ging. Die Prognosemodelle kombinieren statistische Zeitreihenverfahren mit Promotions- und Saisonsignalen; die Nachbestell-Engine schlägt Aktionen ausschließlich innerhalb des bestehenden ERP/WMS des Händlers vor — die Planer behalten in den ersten Betriebsmonaten die endgültige Freigabe für jede Bestellung.
Ein ähnliches Projekt mit Visual-AI-Labs besprechen →
FAQ
Bestellt die KI automatisch?
Standardmäßig nicht — sie schlägt Nachbestellempfehlungen vor, die ein Planer freigibt. Eine vollautomatische Freigabe für risikoarme Artikel kann aktiviert werden, sobald Vertrauen aufgebaut ist.
Wie werden neue Artikel ohne Verkaufshistorie behandelt?
Neue Artikel werden anhand ähnlicher Produktkohorten initialisiert und schrittweise eingebunden, sobald eigene Verkaufsdaten vorliegen, statt unprognostiziert zu bleiben.
Was ist mit Promotionen und saisonalen Spitzen?
Geplante Promotionen und bekannte saisonale Muster werden explizit ins Modell eingespeist, und die "Was-wäre-wenn"-Ansicht lässt Planer den Bestandseffekt vor Kampagnenstart einsehen.
Benötigte der Händler ein neues ERP oder WMS?
Nein — die Prognose- und Nachbestell-Engine bindet sich per API an das bestehende ERP/WMS an; ein Ersatz war nicht erforderlich.
Wie genau sind die Prognosen?
In diesem Projekt rund 86% über einen 4-Wochen-Horizont für Top-Artikel; die Genauigkeit wird laufend überwacht, und Modelle werden bei neuen Daten neu trainiert.
Wie lange dauerte es bis zu messbaren Ergebnissen?
Nachbestellempfehlungen gingen im ersten 30-Tage-Zyklus live; die vollständigen Verbesserungen bei Überbestand und Fehlbeständen wurden nach 90 Tagen gemessen.
Funktioniert das auch für einen Einzelmarken-Händler?
Ja — das Multi-Marken-Setup brachte zusätzliche Komplexität, die Visual-AI-Labs gezielt berücksichtigt hat; ein Einzelmarken-Katalog ist ein einfacherer Ausgangspunkt.