Davon betroffen sind Lebensmittel, Pharmazeutische Produkte und Kosmetika, Chemische Produkte, Betriebsstoffe (Kühlmittel, Bremsflüssigkeit, ...), Elektrische Betriebsmittel (Akkumulatoren, Batterien, ...) und vieles mehr. Die Problematik ist altbekannt.  Vielfältige Lösungsansätze wurden zu allen Zeiten entwickelt und sind im Einsatz. Moderne Warenwirtschaftssysteme enthalten Module zur Berechnung des Bedarfs. Dennoch werden Bedarfsprognosen vielerorts als Schätzungen abgegeben. Diese Schätzungen sind allerdings keine „Kaffeesatzleserei, sondern beruhen auf den Erfahrungen und dem „gesunden Menschenverstand“ altgedienter Fachleute. Von ebenso großer Bedeutung ist das Insiderwissen dieser Leute. Mit wachsender Konzentrierung von z.B. Bäckereien zu Backfabriken und angeschlossenen Vertriebsboutiquen geht aber der Erfahrungsschatz des Bäckers, der über Jahre, möglicherweise über mehrere Generationen in seinem Stadtviertel oder Dorf erworben wurde, wenn auch langsam, verloren.

Ziel der Forschung ist die Entwicklung eines Verfahrens mit dem Verluste infolge ungenauer Bedarfberechnungen minimiert werden. Die o.g. Erfahrungswerte finden darin ebenso Berücksichtigung, wie mathematische Verfahren der schließenden Statistik.

Als erste Forschungsobjekte wurden Lebensmittel (hier Apfel- bzw. Quartaschen) ausgewählt, die bei Nichtverkauf am Ende des Herstellungstages vernichtet werden müssen. Der Zeitraum der Untersuchung der Umsatzdaten dieser Backwaren in einer Verkaufsfiliale einer Großbäckerei betrug 19 Wochen.  Inzwischen erstreckt sich der Zeitraum der Forschung über mehr als 3 Jahre.

Aus diesen Daten müssen nun Informationen über das Kaufverhalten, die Struktur (Struktur, bestehend aus vier Grundkomponenten; Quelle: „Marktentwicklung durch Prognoseverfahren antizipieren – Managementunterstützung für Planung und Steuerung; THEXIS 2 2002,IMH-HSG, CH-St.Gallen), gewonnen werden. Es wird versucht ein Grundbedarf (Zykluskomponente) zu ermitteln, zusätzlich saisonbedingte Schwankungen (Saisonkomponente) zu erkennen, Umsatzspitzen (irreguläre Komponente) zu erklären und Trends (Trendkomponente) im Kaufverhalten frühzeitig zu erkennen.

Bereits bei erster Betrachtung wird deutlich, dass von einem gleichen oder annähernd gleichen Umsatz der untersuchten Produkte nicht ausgegangen werden kann. Schwankungen treten zwischen unterschiedlichen Wochentagen (Montag, Dienstag, ...) und zwischen gleichen Wochentagen (Montag 1. Woche, Montag 2. Woche, ...) auf. Im Wochenverlauf kann man eine Steigerung des Umsatzes gegen Wochenende hin erkennen. Ursache ist die Gewohnheit, an Samstagen und Sonntagen Kuchen und Süßspeisen zu verzehren. Dies bestätigt sich insbesondere bei der Betrachtung der Mittelwerte des Umsatzes aller gleichen Wochentage. Zusätzlich werden jeweils dienstags und mittwochs stärkere Umsätze gemessen. Hierbei kann von ähnlichem Gewohnheitsverhalten ausgegangen werden.

Besonders auffällig ist ein Umsatzanstieg in der 10. Erhebungswoche (35. KW). Dieser hat mehrere Ursachen:

Die 10. und 11. Erhebungswoche sind identisch mit den zwei Wochen der Sommerferien 2003 in Bayern. Menschen kehren aus dem Urlaub heim und besuchen „Daheimgebliebene“ oder laden Freunde und Verwandte ein, um von ihren Ferien zu berichten. Dabei wird gewöhnlich u.a. auch Kuchen verzehrt, wenngleich der Umsatz an Getränken und Grillgut aus gleichem Anlass noch höher sein dürfte.

Am 29. August 2003 - das ist der Freitag der 10. Erhebungswoche – begann die Regensburger Herbstdult. Das Volksfest endete 14. September 2003. Das deckt sich mit dem Ende der 10. ,  der gesamten 11. und 12. Erhebungswoche. Die Dult zieht verstärkt Menschen aus dem Umland an, die diesen Besuch u.U. mit Einkäufen verbinden. Es kann davon ausgegangen werden, dass dabei auch Kuchen gekauft wird. Andrerseits decken sich Menschen, die in der Stadt leben, weil sie Gäste erwarten, mit denen sie gemeinsam das Fest besuchen wollen, gewöhnlich auch mit Kuchen ein.

Die Monate September und Oktober gelten seit je her als geburtenstark (Quelle: Telefonische Auskunft Krankenhaus St. Hedwig in Regensburg; Abteilung Geburtshilfe; 10. Dezember 2003). Eine gewöhnliche Schwangerschaft dauert bei fast zwei Drittel (64%) der Neugeborenen 40 bis 41 Wochen. (Quelle: DOGMATISCHE Daten TIROL, Amt der Tiroler Landesregierung, Innsbruck, September 2003). Die betreffenden Geburtstage liegen zwischen dem Beginn der 39-sten und dem Ende der 42-sten Kalenderwoche. Tatsächlich übersteigt der Umsatz den Durchschnitt in der 14-ten bis 17-ten Erhebungswoche an 22 von 30 Tagen um ca. 20%.

Weitere Umsatzspitzen kommen an Tagen vor, an denen regionale Veranstaltungen als Publikumsmagnet wirkten. Es kann davon ausgegangen werden, dass deren Besuch zu einer erhöhten „Mitnahme“ von Kuchen führt.

Verglichen werden ebenfalls die Festtagskalender der Kirchen und Religionen, sowie Namenstage und stattliche Feiertage der stärksten, ortsansässigen Nationalitätengruppen. Ebenso gehen Temperatur- und Niederschlagsdaten des Deutschen Wetterdienstes in die Untersuchung ein.

In weiteren Untersuchungen werden Infrastrukturdaten berücksichtigt. Die Lage einer Verkaufsfiliale z.B. in der Nähe einer Bushaltestelle, eines Parkplatzes oder nahe einer Schule oder eines Krankenhauses wirken sich auf den Umsatz aus und müssen für eine Umsatzprognose berücksichtigt werden. Ebenso werden Erkenntnisse über den Effekt eigener Werbeaktionen oder denen benachbarter Geschäfte (Mitnahmeeffekt) oder der Wettbewerber berücksichtigt.

Je mehr Indikatoren man bei der Untersuchung der Umsatzzahlen identifizieren kann, um so hochwertiger wird das Prognosewerkzeug.

Es ist von größter Bedeutung, dass das Prognosewerkzeug interaktiv ausgelegt wird – das Vorhandensein einer modernen EDV wird vorausgesetzt. Dadurch  kann das System dem Nutzer angepasst werden (regionale Bedingungen, wie Infrastruktur, Kultur, etc.), dessen Erfahrungen sowie Insiderwissen eingegeben, Marketingaktionen und andere beeinflussende Faktoren erfasst und somit berücksichtigt werden. Mit der Möglichkeit Daten hinsichtlich Alter oder Herkunft zu gewichten und entsprechend in der Erstellung der Prognose zu berücksichtigen – beispielsweise durch eine selbstlernende Komponente -  wird das Durchspielen verschiedener Szenarien ermöglicht. Das aus der Sicht des Praktikers - der Autor verfügt selbst über mehr als 15 Jahre Vertriebserfahrung in der IT-Branche – mindestens ebenso wichtig, wie der Zugriff auf Datenbanken mit Expertenwissen und Insiderwissen sowie einer möglichst lückenlosen Verkaufhistorie. Bei aller anzustrebenden mathematischen Genauigkeit darf nicht vergessen werden, dass ein Prognosewerkzeug eben ein Werkzeug für die Praxis, wie die Zange für den Zimmermann, einfach zu bedienen und mit einer ganz bestimmten Aufgabe versehen, ist und kein Selbstzweck.  Dass dahinter u.U. das traditionelle Komponentenmodell in Kombination mit Verfahren wie dem „Exponential Smoothing“, sowie selbstlernende Datenbanken - möglicherweise unter Zuhilfenahme „Neuronaler Netze“ - stehen, ist für den durchschnittlichen Anwender ebenso uninteressant, wie die quantenphysikalischen Vorgänge, die zum Bindungsverhalten der Moleküle in einer Kneifzange führen, beim größten Teil aller Zimmerleute Interesse wecken. Der Nutzer wird, berechtigterweise, fragen: „Was tut das Ding für mich?“ ; nicht „Woraus besteht das Ding?“  Ebenso wenig wird er bereit sein, eine zeitaufwendige Einarbeitung oder Programmierung hinzunehmen. Der Erfolg des Prognosewerkzeuges hängt somit nicht nur von der Qualität im Zeitpunkt der Fertigstellung ab, sondern gleichermaßen von einem kompetenten „Life-Cycle-Management“.  

Downloadversion: Zusammenfassung.pdf