{"id":1408237,"date":"2026-11-10T15:17:13","date_gmt":"2026-11-10T15:17:13","guid":{"rendered":"https:\/\/www.artefact.com\/?post_type=blog&p=1408237"},"modified":"2026-11-10T15:17:13","modified_gmt":"2026-11-10T15:17:13","slug":"vom-dashboard-bis-zur-entscheidung-vertriebsteams-benotigen-keinen-weiteren-bericht","status":"publish","type":"blog","link":"https:\/\/www.artefact.com\/de\/blog\/from-dashboard-to-decision-commercial-teams-dont-need-another-report\/","title":{"rendered":"Vom Dashboard zur Entscheidung: Vertriebsteams ben\u00f6tigen keinen weiteren Bericht"},"content":{"rendered":"

Als ich bei einem multinationalen Konsumg\u00fcterunternehmen an einem Projekt zur gemeinsamen Bestandsverwaltung mitarbeitete, hatte das Kundenservice-Team keinen Einblick in die Best\u00e4nde seiner Wiederverk\u00e4ufer. Das bestehende Dashboard zeigte lediglich an, wo es in der Vergangenheit zu Lieferengp\u00e4ssen gekommen war. Lieferengp\u00e4sse und \u00dcberbest\u00e4nde wurden erst dann sichtbar, wenn eine Bestellung bereits versp\u00e4tet war oder sich das Produkt bereits in gro\u00dfen Mengen angesammelt hatte \u2013 zu sp\u00e4t, um noch reagieren zu k\u00f6nnen.<\/p>\n

Meine These: Ein Dashboard beschreibt die Vergangenheit, w\u00e4hrend der wirtschaftliche Nutzen aus Modellen resultiert, die das Problem vorhersagen und rechtzeitig Ma\u00dfnahmen empfehlen, damit diese umgesetzt werden k\u00f6nnen.<\/strong><\/p>\n

Das Problem ging \u00fcber einen Mangel an Sichtbarkeit hinaus.<\/strong> Das Vertriebsteam musste f\u00fcr jeden Wiederverk\u00e4ufer und jede SKU zwei Fragen beantworten: Wird dieser Wiederverk\u00e4ufer mehr Ware ben\u00f6tigen? Falls ja, wie viel kann ich ihm liefern? F\u00fcr die erste Frage muss man wissen, wie viel Lagerbestand der Wiederverk\u00e4ufer noch hat und wie viel er verkaufen wird. Die zweite Frage h\u00e4ngt von internen Einschr\u00e4nkungen ab: Kontingente, Lagerbest\u00e4nde in den einzelnen Versandwerken, Palettierung und der Produktionsplan. All diese Angaben t\u00e4glich f\u00fcr jeden Wiederverk\u00e4ufer und jede Artikelnummer manuell abzugleichen, ist nicht machbar.<\/p>\n

Was wir geschaffen haben.<\/strong> Wir haben Sell-in-, Sell-out- und Wiederverk\u00e4ufer-Bestandsdaten data integriert und ein Modell f\u00fcr maschinelles Lernen trainiert, das die Ums\u00e4tze f\u00fcr die n\u00e4chsten 30 Tage prognostiziert. Anhand dieser Prognose haben wir das voraussichtliche Datum des Lagerbestandsmangels f\u00fcr jede SKU berechnet. Anschlie\u00dfend haben wir dieses Datum mit den folgenden Einschr\u00e4nkungen abgeglichen: verf\u00fcgbare Kontingente und Lagerbest\u00e4nde, Palettierung, Transportvorlaufzeit sowie bereits im Transit befindliche Bestellungen, damit die Warnmeldungen nicht veraltet sind. Das Ergebnis ist eine Bestellempfehlung f\u00fcr jeden Wiederverk\u00e4ufer und jede SKU, die im Rahmen der realisierbaren Lieferm\u00f6glichkeiten liegt, zusammen mit der Frist f\u00fcr die rechtzeitige Auftragserteilung. Wenn eine Bestellung nicht realisierbar ist, zeigt das Tool an, welche Einschr\u00e4nkung dies verhindert, sodass das Vertriebsteam bereits mit Kenntnis des Problems in das Gespr\u00e4ch einsteigt.<\/p>\n

Power BI ist nach wie vor vorhanden, spielt jedoch eine andere Rolle. Es ist nicht mehr das Analysewerkzeug. Es dient als Schnittstelle zu den dahinterstehenden Analysen und zeigt Prognosen, Risikowarnungen sowie Empfehlungen f\u00fcr fr\u00fchzeitige Ma\u00dfnahmen an.<\/p>\n

Das Ergebnis.<\/strong> Wir haben den Gewinn anhand der zus\u00e4tzlichen Bruttoeinnahmen aus vermiedenen Lagerengp\u00e4ssen gemessen: Wenn ein prognostizierter Lagerengpass dem Wiederverk\u00e4ufer mitgeteilt und die Bestellung rechtzeitig aufgegeben wird, sch\u00e4tzen wir das Volumen, das sonst verloren gegangen w\u00e4re, sowie dessen Umsatzwert. Im Jahr nach der Einf\u00fchrung beliefen sich die gesch\u00e4tzten zus\u00e4tzlichen Einnahmen auf 5,09 Millionen brasilianische Real.<\/p>\n

Was war am schwierigsten?<\/strong> Eine der gr\u00f6\u00dften Herausforderungen war nicht das Modell, sondern die data. Die Bestands- und Absatzdaten data h\u00e4ngen von den Wiederverk\u00e4ufern ab und mussten in der erforderlichen H\u00e4ufigkeit und im vorgeschriebenen Format vorliegen. Die H\u00e4ufigkeit ist vertraglich festgelegt, doch die Einhaltung erforderte Nachverfolgung: Gemeinsam mit dem Gesch\u00e4ftsteam richteten wir einen Prozess ein, um diese Eingaben einzufordern. Au\u00dferdem haben wir gelernt, dass sich Kontingente und Lagerbest\u00e4nde im Laufe des Tages \u00e4ndern, sodass die Auftragsanalyse am besten gleich morgens durchgef\u00fchrt wird. Nach drei Monaten der Prozessoptimierung haben wir uns mit jedem Wiederverk\u00e4ufer auf eine w\u00f6chentliche Routine geeinigt, wobei das Tool als Leitfaden diente.<\/p>\n

Wo die allgemeine KI erg\u00e4nzende Funktionen \u00fcbernimmt.<\/strong> Die derzeitige L\u00f6sung funktioniert gut und st\u00fctzt sich nicht auf Gen-KI, sondern ausschlie\u00dflich auf traditionelle KI-Modelle wie maschinelles Lernen und Optimierer. Doch bereits heute k\u00f6nnten wir die Interpretations- und Interaktionsebene st\u00e4rken: Erkenntnisse zu aufgetretenen Problemen aufzeigen, die Priorit\u00e4ten des Tages in nat\u00fcrlicher Sprache zusammenfassen, Empfehlungen auf die Kan\u00e4le ausweiten, die Vertriebsteams am h\u00e4ufigsten nutzen, erl\u00e4utern, welche Einschr\u00e4nkung eine Bestellung blockiert, und die Nachricht an den Wiederverk\u00e4ufer entwerfen. Dies stellt eine Verbesserung der Benutzerfreundlichkeit sowie der Unterst\u00fctzung bei der Interpretation und Umsetzung von Erkenntnissen dar, die auf einer L\u00f6sung aufbaut, die bereits bew\u00e4hrte Ergebnisse liefert.<\/p>\n

Kurz gesagt:<\/p>\n

\"\"<\/p>\n

So setzen Sie dies in die Praxis um:<\/strong> F\u00fchren Sie die wichtigsten wiederkehrenden Entscheidungen in Ihrem Gesch\u00e4ftsbereich auf, die derzeit davon abh\u00e4ngen, dass jemand ein Dashboard \u00fcberpr\u00fcft (Nachschub, Kreditvergabe, Verm\u00f6gensallokation, Werbeaktionen). W\u00e4hlen Sie dabei jene Entscheidung aus, f\u00fcr die ein Verantwortlicher feststeht, f\u00fcr die regelm\u00e4\u00dfig data vorliegen und bei der sich ein Verlust in Geldbetr\u00e4gen beziffern l\u00e4sst. Da Sie nun \u00fcber ein klar definiertes, l\u00f6sbares Problem verf\u00fcgen, k\u00f6nnen wir gemeinsam an einem Modell arbeiten, das diese Entscheidung vorwegnimmt oder optimiert, anstatt einfach nur ein weiteres Dashboard darauf aufzubauen.<\/p>\n<\/div><\/div><\/div><\/div><\/div>","protected":false},"excerpt":{"rendered":"

Das Vertriebsteam musste f\u00fcr jeden Wiederverk\u00e4ufer und jede SKU zwei Fragen beantworten: Wird dieser Wiederverk\u00e4ufer mehr Ware ben\u00f6tigen? Falls ja, wie viel kann ich ihm liefern? F\u00fcr die erste Frage muss man wissen, wie viel Lagerbestand der Wiederverk\u00e4ufer noch hat und wie viel er verkaufen wird. Die zweite Frage h\u00e4ngt von internen Einschr\u00e4nkungen ab: Kontingente, Lagerbest\u00e4nde in den einzelnen Versandwerken, Palettierung und der Produktionsplan. All diese Angaben t\u00e4glich f\u00fcr jeden Wiederverk\u00e4ufer und jede Artikelnummer manuell abzugleichen, ist nicht machbar.<\/p>","protected":false},"featured_media":1408238,"parent":0,"template":"","meta":{"_acf_changed":false,"ep_exclude_from_search":false},"blog-category":[22035],"blog-language":[2991],"class_list":["post-1408237","blog","type-blog","status-publish","has-post-thumbnail","hentry","blog-category-data-ai-consulting","blog-language-en"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/blog\/1408237","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/blog"}],"about":[{"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/types\/blog"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/media\/1408238"}],"wp:attachment":[{"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/media?parent=1408237"}],"wp:term":[{"taxonomy":"blog-category","embeddable":true,"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/blog-category?post=1408237"},{"taxonomy":"blog-language","embeddable":true,"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/blog-language?post=1408237"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}