Leuchtturm-Projekt

Ziel des Leuchtturm-Projekts ist es, Technologiekonvergenz und digitale Ökosystemkonzepte in einem konkreten Anwendungsfall zu testen und zu evaluieren. Gemeinsam mit Partnern aus der deutschen Milchindustrie wird ein technologisches System entwickelt, das Demand Forecasting in Molkereien verbessert und dabei eine gemeinsame Vision für die digitale Zukunft der Milchindustrie darstellt. Dabei ist es unser Ziel, das generierte Wissen und die erarbeiteten Artefakte auch auf andere Anwendungsfälle und Industrien zu übertragen. Das Projekt ist in mehrere Bereiche unterteilt, die von dedizierten Teams bearbeitet werden.

 
 
 

Zusammenfassung des Leuchtturm-Projekts

In der digitalen Zukunft der Molkereien soll ein technologiegestütztes Demand Forecasting System die Genauigkeit von Abnahmemengenprognosen verbessern. Basierend auf der Datenkollaboration mehrerer Molkereien und modernen Analysemethoden, zielt das System darauf ab, datenbasierte Prognosen zu erstellen, die Marktbedürfnisse besser adressieren und flexible Reaktionen auf Veränderungen ermöglichen. Dies stärkt die Marktposition der teilnehmenden Molkereien und schafft einen gemeinsamen Mehrwert. Eine technische Potenzialanalyse soll prüfen, wie der geplante technische Unterbau und die Zusammenarbeit zwischen Molkereien zur Verbesserung der Prognosegüte beitragen können.

 

.

 
 

Ausgangslage in der Produktions- und Absatzplanung

Die aktuelle Produktions- und Absatzplanung in Molkereien basiert auf Milchmengenprognosen (Supply-Daten) der Milchbauern und gemeldeten Abnahmedaten (Demand-Daten) des Lebensmitteleinzelhandels (LEH). Häufig erfolgt diese Planung intern durch einfache Hochrechnungen, Soll-Ist-Abgleiche und historische Vergleichsdaten. Während genossenschaftliche Molkereien zur Abnahme von Rohmilch verpflichtet sind, gelten für private Molkereien vertragliche Liefervereinbarungen. Externe Daten wie Wetter, Markttrends oder Medien werden kaum strukturiert einbezogen, und Entscheidungen basieren oft auf Mitarbeitererfahrungen oder Heuristiken. Wichtigste Datenquellen sind die HIT-Datenbank, Nielsen Media Research und die Milchleistungsprüfung, für die Standards bereits etabliert sind.

Die Planung erfolgt üblicherweise zu Jahresbeginn mit einem ersten Entwurf für das Gesamtjahr, der monatlich angepasst wird. Einzelne Produktsegmente werden bei Nachjustierungen detaillierter betrachtet, basierend auf verbesserten Supply- und Demand-Daten oder Ankündigungen von Werbeaktionen des LEH. Auch Milchbauern korrigieren ihre Prognosen im Laufe des Jahres, was eine kontinuierliche Nachplanung erfordert.

 
 
 

Problemstellung

Genossenschaftliche und private Molkereien stehen vor der Herausforderung, die angelieferte Milch effizient in die Wertschöpfungskette zu integrieren, sowohl für einzelne Produktkategorien als auch Marken. Aktuelle Prognosemethoden sind oft ungenau, was zu Über- oder Unterdeckungen zwischen Milchmenge und geplantem Absatz führt.

Eine bessere Nutzung der umfangreichen Datenressourcen innerhalb der Molkereien könnte diese Probleme lösen. Dafür ist zunächst eine Konsolidierung der bestehenden Datenquellen und Standards notwendig, um eine automatisierte Datennutzung zu ermöglichen. Ein kollaborativer Ansatz, bei dem Daten über Molkereigrenzen hinweg ausgewertet werden, könnte die Prognosegüte deutlich verbessern. Dies stärkt nicht nur die Wirtschaftlichkeit der einzelnen Molkereien durch bessere Produktionsplanung, sondern auch die Position des gesamten Sektors gegenüber dem LEH.

Herausforderungen bestehen insbesondere im Spannungsfeld zwischen Vertrauen, Kollaboration und Datenanonymität. Nur durch neutrale und anonymisierte Lösungen kann das Vertrauen zwischen den Molkereien gestärkt und eine erfolgreiche Zusammenarbeit ermöglicht werden. Zudem müssen Regularien wie das Kartellrecht, das Mengen- und Preisabsprachen verbietet, strikt eingehalten werden.

 
 
 

Vision für das Demand Forecasting System

 

Strategisch

Der Bedarf für ein Demand Forecasting System entsteht, da der LEH Point-of-Sale-Daten nur eingeschränkt oder kostenpflichtig bereitstellt. Ziel ist es, alternative Datenquellen zu nutzen, um präzise Absatzprognosen zu entwickeln und die Produktionsplanung sowie die Marktposition der Molkereien zu stärken. Das Prognosemodell soll auf hoher Abstraktionsebene arbeiten, um Rückschlüsse auf Datenstrukturen zu minimieren und Neutralität zu gewährleisten – ein entscheidender Faktor für die Zusammenarbeit konkurrierender Molkereien.

Operativ

Das Demand Forecasting System sollte operativ die Nachfrage für spezifische Regionen und Händler prognostizieren und Szenarioanalysen ermöglichen. Kurzfristige Anpassungen durch unvorhergesehene Einflüsse sowie saisonale Schwankungen müssen ebenfalls abbildbar sein. Sowohl individuelle Faktoren (z. B. Produktionskapazität) als auch globale Einflüsse (z. B. Jahreszeit, Wirtschaftslage) sollten einbezogen werden. Ein Split-Learning-Ansatz bietet hier Potenzial, um globale Konsumtrends effizient zu analysieren und gleichzeitig auf individuelle Besonderheiten der Molkereien flexibel zu reagieren.

Technisch

Das Demand Forecasting System sollte intern und extern verfügbare Datenquellen wie Werbeaktionen des LEH, Marktpreise oder Trendanalysen strukturiert integrieren. Datenschutz, insbesondere bei internen Daten, hat dabei höchste Priorität. Zudem muss das System flexibel auf spontane Einflüsse reagieren können und, wo möglich, bestehende Standards nutzen, um eine robuste und zuverlässige Prognose zu gewährleisten.

 
 
 

Milchindustrie

Bei unserem Leuchtturm-Projekt sind wir im intensiven Austausch mit unseren Partnern aus der Milchindustrie und dem Deutschen Raiffeisenverband e. V.