KI-Analytics fuer die Lieferkette

Datengetriebene Lieferkettensteuerung

🔄 Recall: In der vorherigen Lektion hast du Kostenoptimierungspotenziale identifiziert und sieben Techniken zur Kostensenkung kennengelernt. Jetzt baust du die Systeme, die Performance kontinuierlich ueberwachen — damit du Probleme frueh erkennst, Verbesserungen misst und Entscheidungen auf Daten stuetzt statt auf Bauchgefuehl.

Im Blindflug arbeiten die meisten kleinen Lieferketten. Bestellungen gehen raus, Bestand schrumpft, Lieferanten liefern (meistens), und alle hoffen, dass nichts schiefgeht. Analytics ersetzt Hoffnung durch Wissen.

Was du in dieser Lektion lernst:

• Die wichtigsten Lieferketten-KPIs fuer dein Geschaeft identifizieren
• Ein einfaches Dashboard aufbauen
• KI fuer Datenanalyse, Berichterstellung und Anomalie-Erkennung nutzen

Die wichtigsten Lieferketten-KPIs

Nicht jede Kennzahl ist es wert, getrackt zu werden. Fokus auf KPIs, die Entscheidungen antreiben:

Bestellabwicklung

Bestandskennzahlen

Lieferanten-KPIs

✅ Quick Check: Welche dieser KPIs koenntest du ab sofort tracken — mit Daten, die du bereits hast?

KI-Hilfe

Ich betreibe einen E-Commerce-Shop fuer [Produktkategorie].
Ca. [X] Bestellungen pro Monat von [Y] Lieferanten.
Welche 5-7 KPIs sollte ich priorisiert tracken?
Fuer jeden KPI: Berechnung, Datenquelle, und was ein
Warnzeichen waere.

Ein einfaches Dashboard aufbauen

Du brauchst keine teure Software. Ein Tabellenkalkulations-Dashboard liefert 80% des Werts:

Dashboard-Layout

┌────────────────────────────────────────────┐
│        LIEFERKETTEN-DASHBOARD              │
│         Woche vom 24. Feb 2026             │
├──────────────┬──────────────┬──────────────┤
│ Bestellungen │ Bestand      │ Lieferanten  │
│ Genauigk: 99%│ Umschlag: 7x │ Puenktl: 93% │
│ Liefertr: 96%│ Fehlbest: 1  │ Aussch: 0,4% │
│ Durchlz: 2,8T│ Reichw: 22T  │ LZ-Abw: +1T │
├──────────────┴──────────────┴──────────────┤
│ WARNUNGEN: Lieferant B Puenktlichkeit      │
│ unter 90% — zweite Woche in Folge          │
├────────────────────────────────────────────┤
│ TRENDS: Lagerumschlag verbessert sich      │
│ (5,8x → 7,0x im letzten Quartal)          │
└────────────────────────────────────────────┘

Tools fuer Dashboards

KI-Hilfe

Erstelle eine Google-Sheets-Vorlage fuer ein woechentliches
Lieferketten-Dashboard. Ich tracke [X] Produkte von [Y]
Lieferanten mit [Z] Bestellungen pro Monat.
Enthalten soll: KPI-Zellen mit bedingter Formatierung
(gruen/gelb/rot), ein Trend-Bereich und ein Warnungen-Bereich.
Gib die Spaltenstruktur und Beispielformeln an.

KI-gestuetzte Analysetechniken

1. Natuerlichsprachliche Datenanalyse

Fuettere deine Lieferkettendaten in KI und stelle Fragen auf Deutsch:

Hier sind meine Bestelldaten der letzten 3 Monate: [einfuegen].
Beantworte:
1. Wie ist meine durchschnittliche Durchlaufzeit — verbessert sie sich?
2. Welche Produkte haben die hoechste Fehlbestandsrate?
3. Gibt es saisonale Muster im Bestellvolumen?
4. An welchem Wochentag gehen die meisten Bestellungen ein?

2. Anomalie-Erkennung

KI erkennt Muster, die Menschen uebersehen:

Hier sind meine taeglichen Bestellvolumen der letzten 60 Tage:
[Liste]. Identifiziere Anomalien — Tage mit signifikant
hoeherem oder niedrigerem Volumen als erwartet.
Fuer jede Anomalie: moegliche Ursache vorschlagen.

3. Automatisiertes Reporting

Statt woechentliche Berichte manuell zu schreiben:

Basierend auf den Lieferketten-KPIs dieser Woche: [Daten einfuegen],
schreibe eine 5-Satz-Zusammenfassung fuer die Geschaeftsleitung:
Gesamtperformance, groesste Verbesserung, groesstes Risiko,
empfohlene Massnahme fuer naechste Woche.

4. Praediktive Warnungen

Basierend auf meiner Lieferantenperformance der letzten 6 Monate:
[Daten einfuegen]. Welche Lieferanten zeigen einen Abwaertstrend?
Sage voraus, welcher Lieferant am wahrscheinlichsten in den
naechsten 30 Tagen eine Lieferung versaeumt, und empfiehl
praeventive Massnahmen.

Vom Dashboard zur Entscheidung

Daten ohne Handlung sind nur Rauschen. Baue einen woechentlichen Entscheidungsprozess:

Das woechentliche Supply-Chain-Review (30 Minuten)

1. Dashboard checken (5 Min.): Rote Warnungen? KPIs in die falsche Richtung?
2. Anomalien untersuchen (10 Min.): Warum ist die Puenktlichkeit von Lieferant B gesunken? Warum stiegen Fehlbestaende?
3. Entscheidung und Aktion (10 Min.): Aufgaben zuweisen. Lieferanten kontaktieren. Meldebestaende anpassen.
4. Prognose aktualisieren (5 Min.): Gibt es neue Informationen, die die Nachfrage-Prognose veraendern?

✅ Quick Check: Wenn du ab morgen ein woechentliches 30-Minuten-Review einfuehren wuerdest — welche 3 KPIs wuerdest du als Erstes tracken?

Key Takeaways

• KPIs (Bestellgenauigkeit, Liefertreue, Lagerumschlag, Lieferantenperformance) messen die Gesundheit der Lieferkette
• Ein einfaches Dashboard buendelt Kennzahlen und zeigt Zusammenhaenge, die in Einzelberichten unsichtbar waeren
• KI liefert natuerlichsprachliche Analyse, Anomalie-Erkennung und automatisiertes Reporting
• Woechentliche Reviews (30 Minuten) verwandeln Dashboard-Daten in konkrete Verbesserungsmassnahmen
• Starte einfach mit Tabellenkalkulation — wechsle zu komplexeren Tools nur, wenn die Anforderungen es erfordern

Up Next

In Lektion 8: Capstone — Lieferkette optimieren bringst du alles zusammen. Du analysierst ein komplettes Lieferketten-Szenario, identifizierst Verbesserungen und baust einen Optimierungsplan mit allen Werkzeugen, die du gelernt hast.