Anomalieerkennung in Stammdaten mit KI
Fehlteile trotz vollem Lager
Die Ursache liegt selten dort, wo alle suchen — sondern in den Stammdaten, die niemand mehr prüft.
Ein A-Teil hat 14 Tage Wiederbeschaffungszeit im ERP. Der Lieferant liefert im Schnitt in 82 Tagen.
Der Fehler wird sichtbar, wenn die Linie steht. Solche Diskrepanzen sind kein Einzelfall. Sie sind das Muster in vielen ERP-Systemen mittelständischer Industrieunternehmen.
Typische Beispiele aus der Praxis:
- Wiederbeschaffungszeiten, die nicht zur Bestellhistorie passen
- Sicherheitsbestände von 0 bei kritischen A-Materialien
- Meldebestände unterhalb des Sicherheitsbestands
- Mindestbestellmengen, die den Maximalbestand übersteigen
- Single-Source-Teile ohne Alternativlieferant oder Rahmenvertrag
Die Konsequenz: Fehlteile trotz Bestand, Expressbestellungen, Produktionsstillstand, gebundenes Kapital.
Der übliche Ansatz — jährliche Stammdatenpflege im Excel — bleibt reaktiv und stichprobenartig.
Systematische Anomalieerkennung funktioniert anders:
1. Regelbasierte Prüfung direkt auf den ERP-Daten. Die Logik ist deterministisch, auditierbar und wiederholbar.
2. Statistische Berechnung der Zielwerte aus der realen Historie. Beispiel Wiederbeschaffungszeit: Mittelwert + 1 Standardabweichung aus tatsächlichen Lieferzeiten, gerundet auf 5 Tage.
3. KI als Interpretations- und Berichtsschicht. Sie erfindet keine Anomalien. Sie klassifiziert, priorisiert und erklärt, was die Regeln gefunden haben.
So wird aus einer manuellen, jährlichen Prüfung ein täglicher Qualitätscheck mit klarer Handlungsempfehlung je Material.
Wichtig: KI ersetzt hier keine Dispositionsentscheidung. Sie liefert Einkauf, Disposition und Fachbereich eine strukturierte Grundlage, um Entscheidungen früher und auf besserer Datenbasis zu treffen.
Wenn Sie wissen möchten, wie viele solcher Anomalien aktuell in Ihren Stammdaten schlummern, ist ein kompaktes Stammdaten-Quick-Audit ein sinnvoller erster Schritt.
Gerne zeige ich Ihnen, wie ein pragmatischer Einstieg aussehen kann.
#Stammdaten #ERP #Beschaffung #SupplyChain #KI #Industrie #Mittelstand #Datenqualität
Schreibe einen Kommentar