Viele Einkaufs- bzw. Bestandsentscheidungen basieren im Modehandel immer noch auf emotionalen Komponenten. Die Folge sind Out-of-Stock-Situationen auf der einen und zu hohe Bestände an Artikeln mit geringer LUG auf der anderen Seite. Mit künstlicher Intelligenz können die Nachfrage besser prognostiziert und die Warenbestände entsprechend optimiert werden.
BTE KompetenzPartner Hachmeister + Partner (h+p) hat mit dem neuen Tool ‚NOS Optimizer‘ eine Lösung entwickelt, mit der das Warenmanagement im Modehandel datengestützt optimiert werden kann. Durch eine optimale Warenverfügbarkeit werden Absatz und Ertrag gesteigert.
Das KI-basierte Tool verbindet unternehmensspezifische Rahmenparameter und Business Rules mit einem zeitgemäßen Machine-Learning-Ansatz, um automatisiert einen optimalen Mindestbestand zu erreichen.
Im Ansatz dieser KI-basierten NOS-Steuerung von h+p geht es zunächst darum, den Einfluss relevanter Faktoren auf die Absatzhöhe durch Machine Learning zu quantifizieren. Dabei sind ein aktueller Artikelpreis, Bestandshöhe, Saisonalität, Warengruppe, Abverkaufsquote, Zeit auf der Fläche usw. wichtige Einflussgrößen. Die Faktoren fließen in eine Absatz-Forecast-Funktion ein, welche den zu erwartenden Absatz je Artikel ermittelt und dabei insbesondere die Wiederbeschaffungszeit berücksichtigt. Die Vorhersagegüte wird durch historische Daten trainiert und validiert. Eine aktuelle Mindestbestandsempfehlung wird neben der Saisonalität auch aus den Verkaufsdaten der aktuellen Verkaufssaison ermittelt. Vorschläge zur Bestandshöhe werden auf Einzel-Artikel-Farb-Größen-Ebene je Standort erstellt. Nach Aktualisierung der Mindestbestände bestellt das ERP fehlende Mengen.
Nach Implementierung der KI-Lösung beim Kunden wird zunächst eine manuelle Freigabe im System erwartet. Entsprechen die systemisch vorgeschlagenen Bestände konstant den Erwartungen, kann in einen vollautomatischen Modus gewechselt werden, der keinen manuellen Freigabeprozess mehr benötigt.
