Use Case
Digitaler Bestandscontroller zur Identifikation von Kapitalbindern und Vermeidung von Verschwendung in Beschaffung und Lagerhaltung
Der digitale Bestandscontroller analysiert Lagerdaten automatisiert, um gezielt auf wertige Lagerpositionen aufmerksam zu machen, die keinen oder nur sehr langsamen Abfluss zeigen. Diese Bestände binden überproportional viel Kapital, ohne zur operativen Wertschöpfung beizutragen, und belasten damit direkt unsere Liquidität.
Kern des Systems ist ein lernendes Random-Forest-Modell, das auf gelabelten historischen Datensätzen basiert und zukünftige Fälle bewertet. Unregelmäßigkeiten – insbesondere stille Kapitalbinder – werden über ein Ampelsystem klassifiziert:
- Grün: Unauffällig
- Gelb: Auffällig – z. B. Wertartikel mit niedrigem Umschlag
- Rot: Kritisch – z. B. hohe Kapitalbindung bei fehlendem Bedarf
Auffällige Positionen werden priorisiert, analysiert und mit inhaltlichem Feedback der Fachbereiche angereichert. Das Modell verbessert sich iterativ durch dieses Feedback und ermöglicht eine kontinuierlich steigende Prognosequalität.
Zielsetzung:
- Frühzeitige Erkennung von Lagerpositionen mit hoher Kapitalbindung
- Freisetzung gebundenen Kapitals
- Reduktion der Liquiditätsbelastung
- Vermeidung zukünftiger Überbeschaffung
- Höhere Transparenz in der Bestandsbewertung
Stakeholder: Fachbereichsleitung, Geschäftsführung, Controlling
