Was ist Einkaufsplanung? Wie KI Bedarf und  Beschaffung optimiert

Lebensmittelverschwendung ist für Unternehmen der Lebensmittel- und Getränkeindustrie längst nicht mehr nur ein Nachhaltigkeitsthema. Sie verursacht zusätzliche Kosten, bindet Ressourcen und belastet die gesamte Lieferkette. Gleichzeitig müssen Hersteller sicherstellen, dass Produkte jederzeit verfügbar sind und die Anforderungen des Handels zuverlässig erfüllt werden. Besonders im FMCG-Bereich entsteht daraus ein schwieriger Zielkonflikt: Wer zu viel produziert, riskiert Überbestände, Abschriften und ablaufende Ware. Wer zu wenig produziert, muss mit Lieferengpässen, entgangenen Umsätzen und unzufriedenen Handelspartnern rechnen.

KI-Forecasting kann helfen, diesen Zielkonflikt besser zu steuern. Durch präzisere Nachfrageprognosen und eine engere Abstimmung von Absatz-, Bestands- und Produktionsplanung lassen sich Überproduktion und vermeidbare Lebensmittelverluste reduzieren, ohne die Lieferfähigkeit aus dem Blick zu verlieren.

Food Waste in der Lebensmittelindustrie: Warum das Problem weiterhin so groß ist

Die Lebensmittelverschwendung bleibt weltweit eine erhebliche Herausforderung. Laut dem Food Waste Index Report 2024 des Umweltprogramms der Vereinten Nationen (UNEP) wurden 2022 weltweit rund 1,05 Milliarden Tonnen Lebensmittel auf Ebene von Haushalten, Gastronomie und Einzelhandel verschwendet. Hinzu kommen Lebensmittelverluste, die bereits in vorgelagerten Stufen der Lieferkette entstehen. Die Zahlen verdeutlichen die Größenordnung des Problems. Für Lebensmittelhersteller ist dabei besonders relevant, dass ein Teil der vermeidbaren Verluste schon lange vor dem Verkauf beeinflusst wird, beispielsweise durch Produktionsmengen, Rohstoffbeschaffung, Lagerbestände und die Abstimmung mit dem Handel. Gleichzeitig wird die Planung komplexer. Unternehmen müssen mit schwankender Nachfrage, kurzfristigen Aktionen, saisonalen Spitzen, steigender Produktvielfalt und begrenzten Haltbarkeiten umgehen. Eine zuverlässige Planung wird damit zu einem wichtigen Ansatzpunkt, um Lebensmittelverschwendung bereits an ihrer Entstehung zu vermeiden.

Wie entstehen Food Waste und Überproduktion im FMCG?

Überproduktion ist selten die Folge einer einzelnen Fehlentscheidung. Häufig entsteht sie durch mehrere Planungsprobleme, die sich gegenseitig verstärken.

1. Ungenaue Nachfrageprognosen

Werden Absatzmengen überschätzt, produzieren Unternehmen mehr Ware, als tatsächlich benötigt wird. Besonders bei frischen oder kurz haltbaren Produkten kann dieser Überschuss schnell zu Abschriften führen. Umgekehrt verursachen zu niedrige Prognosen Lieferengpässe und kurzfristige Nachproduktionen, die zusätzliche Kosten und Planungsaufwand auslösen.

2. Saisonale Schwankungen und kurzfristige Nachfrageänderungen

Temperaturen, Feiertage, Ferienzeiten und Werbeaktionen beeinflussen die Nachfrage nach Lebensmitteln und Getränken erheblich. Ein ungewöhnlich warmer Frühling kann beispielsweise den Absatz bestimmter Getränke früher ansteigen lassen. Fällt die erwartete Nachfrage anschließend geringer aus, bleiben möglicherweise zu große Bestände zurück. Klassische Prognosen, die überwiegend auf historischen Durchschnittswerten beruhen, können solche Veränderungen nur eingeschränkt abbilden.

3. Mindesthaltbarkeit und begrenzte Lagerfähigkeit

Anders als langlebige Industrieprodukte können viele Lebensmittel nicht beliebig lange gelagert werden. Je kürzer die verbleibende Haltbarkeit, desto kleiner ist der Spielraum, überschüssige Ware später noch regulär zu verkaufen. Deshalb reicht es nicht aus, ausschließlich die erwartete Nachfrage zu betrachten. Auch vorhandene Bestände, deren Haltbarkeit und die geplanten Produktionsmengen müssen aufeinander abgestimmt werden.

4. Fehlende Abstimmung zwischen Vertrieb, Produktion und Einkauf

Selbst eine gute Absatzprognose verhindert nicht automatisch Überproduktion. Wenn Vertrieb, Produktion, Lager und Einkauf mit unterschiedlichen Daten oder Planungsständen arbeiten, entstehen zusätzliche Sicherheitsbestände, unnötige Beschaffungsmengen und Produktionsaufträge, die nicht mehr zur aktuellen Nachfrage passen.

Entscheidend ist deshalb nicht nur die Genauigkeit des Forecasts, sondern auch seine konsequente Umsetzung in operative Entscheidungen.

Wie hilft KI-Forecasting dabei, Food Waste zu reduzieren?

KI-Forecasting nutzt datenbasierte Modelle, um zukünftige Nachfrageentwicklungen möglichst genau vorherzusagen. Im Unterschied zu einfachen Fortschreibungen historischer Verkaufszahlen können moderne KI-Modelle verschiedene Einflussfaktoren gleichzeitig analysieren und komplexe Zusammenhänge erkennen. Für die Lebensmittelindustrie ergeben sich daraus mehrere Ansatzpunkte.

Nachfrage präziser vorhersagen

KI-Modelle analysieren historische Verkaufs- und Absatzdaten, erkennen saisonale Muster und berücksichtigen Veränderungen im Nachfrageverhalten. Dadurch können Unternehmen ihre Produktionsmengen stärker am erwarteten tatsächlichen Bedarf ausrichten. Das reduziert das Risiko, dauerhaft zu viel Ware herzustellen oder unnötig hohe Fertigwarenbestände aufzubauen.

Wetter, Aktionen und Feiertage berücksichtigen

Gerade in der Lebensmittel- und Getränkeindustrie beeinflussen externe Faktoren den Absatz erheblich. KI-Forecasting kann beispielsweise Wetterentwicklungen, Feiertage, Promotions und andere relevante Nachfragesignale berücksichtigen. So lassen sich erwartete Absatzspitzen und Nachfragerückgänge differenzierter einschätzen, anstatt pauschal mit Vorjahreswerten zu planen.

Prognosen regelmäßig aktualisieren

Ein Forecast sollte nicht als einmalige Monatsplanung verstanden werden. Wenn sich die Nachfrage verändert, müssen auch die Prognosen und darauf aufbauenden Entscheidungen angepasst werden. KI-gestützte Systeme können neue Daten kontinuierlich auswerten und dadurch Veränderungen früher sichtbar machen. Unternehmen gewinnen so zusätzliche Reaktionszeit, um geplante Produktions- oder Beschaffungsmengen zu überprüfen.

Auf Artikel- und Kundenebene planen

Nicht jedes Produkt entwickelt sich gleich. Auch zwischen Handelsketten, Regionen und Vertriebskanälen können deutliche Unterschiede bestehen. Detaillierte Forecasts auf Artikel-, Kunden- oder Regionalebene ermöglichen eine gezieltere Planung. Statt einen allgemeinen Nachfragerückgang auf das gesamte Sortiment zu übertragen, lassen sich die tatsächlich betroffenen Produkte und Absatzkanäle identifizieren.

Von besseren Forecasts zu weniger Lebensmittelverschwendung

Eine präzisere Absatzprognose ist ein wichtiger erster Schritt. Das eigentliche Potenzial entsteht jedoch, wenn Unternehmen die Prognosen direkt mit ihren Bestands- und Produktionsentscheidungen verbinden.

Dabei spielen drei Bereiche zusammen:

• Absatzplanung: Wie viele Einheiten eines Produkts werden voraussichtlich in einem bestimmten Zeitraum benötigt?
• Bestandsoptimierung: Welche Mengen sollten unter Berücksichtigung von Nachfrage, Lieferfähigkeit, vorhandenen Beständen und Haltbarkeit auf Lager liegen?
• Produktionsplanung: Wann und in welcher Menge sollte produziert werden, damit die erwartete Nachfrage möglichst wirtschaftlich gedeckt wird?

Ein integrierter Planungsansatz hilft, diese Entscheidungen auf einer gemeinsamen Datengrundlage zu treffen. Dadurch können Unternehmen nicht nur überschüssige Fertigwaren reduzieren, sondern auch Rohstoff- und Verpackungsbedarfe besser auf die geplante Produktion abstimmen. Mehr zu den Zusammenhängen zwischen Forecasting, Beständen und Produktionsprozessen erfahren Sie im Beitrag KI in der Lebensmittelindustrie: Planung optimieren mit KI.

Praxisbeispiel: Wie bessere Planung Überproduktion vermeiden kann

Ein Getränkehersteller plant die Produktion einer saisonal stark nachgefragten Produktlinie. Auf Grundlage der Vorjahreszahlen erwartet das Unternehmen einen deutlichen Absatzanstieg und plant entsprechend hohe Produktionsmengen. Kurz vor Produktionsbeginn zeigen aktuelle Daten jedoch, dass die Nachfrage voraussichtlich geringer ausfallen wird. Eine geplante Handelsaktion wurde verschoben und die Wetterprognose hat sich verändert. Bei einer ausschließlich historischen Planung könnten diese Informationen zu spät berücksichtigt werden. Ein KI-gestütztes Forecasting-System kann die neuen Signale dagegen in eine aktualisierte Nachfrageprognose einbeziehen. Wird diese Prognose mit der Produktionsplanung verknüpft, kann das Unternehmen prüfen, ob sich geplante Mengen noch reduzieren oder Produktionsaufträge verschieben lassen.

Das Ergebnis:Weniger potenzielle Überbestände, geringeres Abschriftenrisiko und eine bessere Abstimmung zwischen Nachfrage und Produktion. Das Beispiel ist illustrativ. Die tatsächlichen Einsparungen hängen unter anderem von Datenqualität, Produktionsflexibilität und Haltbarkeit der Produkte ab.

Wie Optiwiser Unternehmen bei der Reduzierung von Food Waste unterstützt

Optiwiser verbindet KI-gestützte Nachfrageprognosen mit weiterführenden Planungsfunktionen für Bestände, Produktion und Einkauf. Die Lösung wurde insbesondere für die Anforderungen von FMCG-Unternehmen sowie der Lebensmittel- und Getränkeindustrie entwickelt.

KI-basierte Absatzplanung

Optiwiser analysiert historische Absatzdaten und berücksichtigt zusätzliche Einflussfaktoren wie Wetter, Aktionen, Feiertage, Events und Markttrends. Die Technologie StreamWiser™ wählt Prognosemodelle auf Basis ihrer erwarteten Genauigkeit aus und passt die Forecasts an unterschiedliche Nachfrageverläufe an. Damit erhalten Planungsteams eine fundiertere Grundlage, um den zukünftigen Bedarf auf Artikel-, Kunden- und Regionalebene einzuschätzen.

Bestandsoptimierung unter Berücksichtigung operativer Anforderungen

Neben den Nachfrageprognosen berücksichtigt die Bestandsplanung unter anderem vorhandene Lagerbestände und relevante Rahmenbedingungen. Ziel ist es, unnötige Bestände zu vermeiden und gleichzeitig eine hohe Lieferfähigkeit sicherzustellen. Für Lebensmittelunternehmen ist dabei insbesondere die Abstimmung zwischen Warenverfügbarkeit und begrenzter Haltbarkeit wichtig.

Bedarfsgerechte Produktions- und Einkaufsplanung

Die KI-gestützte Produktionsplanung von Optiwiser berücksichtigt unter anderem Nachfrage, Bestände, Kapazitäten, Durchlaufzeiten und weitere operative Beschränkungen. Auch die Einkaufsplanung lässt sich mit den prognostizierten Bedarfen verbinden, sodass Beschaffungsmengen stärker an der geplanten Produktion ausgerichtet werden können. So entsteht eine durchgängige Verbindung zwischen Absatzprognose und operativer Umsetzung.

Wie viel Potenzial steckt in Ihrer Einkaufsplanung?

Zu hohe Bestände, häufige Fehlmengen oder aufwendige manuelle Einkaufsprozesse können Hinweise darauf sein, dass Potenzial in der bestehenden Planung steckt. Mit der kostenlosen Potenzialanalyse von Optiwiser können Unternehmen ihre aktuelle Situation in den Bereichen Forecasting, Bestände, Produktions- und Einkaufsplanung betrachten und mögliche Optimierungshebel identifizieren. Optiwiser beschreibt die Analyse als kostenloses und unverbindliches 30-minütiges Gespräch.

Kostenlose Potenzialanalyse vereinbaren

Welche Vorteile bietet KI-gestützte Planung für Lebensmittelhersteller?

Der Nutzen präziserer Forecasts geht über die Reduzierung von Food Waste hinaus.

Weniger Überproduktion und Abschriften

Wenn Produktionsmengen besser zur tatsächlichen Nachfrage passen, sinkt das Risiko, dass überschüssige Produkte nicht mehr rechtzeitig verkauft werden können.

Geringere Lagerkosten und Kapitalbindung

Bedarfsgerechte Bestände reduzieren unnötige Lagerflächen, gebundenes Kapital und Kosten für die Lagerhaltung.

Höhere Lieferfähigkeit

Weniger Überproduktion bedeutet nicht, dass Bestände grundsätzlich auf ein Minimum reduziert werden sollten. Gute Planung berücksichtigt auch Nachfrageschwankungen, Wiederbeschaffungszeiten und gewünschte Servicelevels, damit wichtige Produkte verfügbar bleiben.

Effizienterer Einsatz von Rohstoffen und Ressourcen

Wer bedarfsgerechter produziert, kann auch Rohstoffe, Verpackungen, Lagerkapazitäten und Produktionsressourcen gezielter einsetzen.

Bessere Entscheidungsgrundlagen

Transparente Nachfrageprognosen erleichtern die Zusammenarbeit zwischen Vertrieb, Einkauf, Produktion und Supply Chain Management. Anstatt ausschließlich auf Erfahrungswerte zu reagieren, können Teams ihre Entscheidungen auf aktuelle Daten und nachvollziehbare Planungsannahmen stützen.

Wie lässt sich der Erfolg bei der Food-Waste-Reduzierung messen?

Damit Maßnahmen langfristig wirken, sollten Unternehmen nicht nur die Prognosegenauigkeit betrachten, sondern auch die tatsächlichen Auswirkungen auf ihre Bestände und Verluste.

Geeignete Kennzahlen sind beispielsweise:

• Food-Waste-Quote: Anteil der verworfenen Lebensmittel an der relevanten Produktions- oder Warenmenge.
• Abschriftenquote: Wert der abgeschriebenen Ware im Verhältnis zum Warenwert oder Umsatz.
• Forecast Accuracy: Wie genau stimmt die prognostizierte Nachfrage mit dem tatsächlichen Absatz überein?
• Forecast Bias: Werden bestimmte Produkte systematisch über- oder unterschätzt?
• Bestandsreichweite: Wie lange reichen die vorhandenen Bestände bei erwarteter Nachfrage?
• Service Level: Wie zuverlässig kann die Kundennachfrage erfüllt werden?

Wichtig ist, diese Kennzahlen gemeinsam zu betrachten. Eine höhere Forecast Accuracy ist beispielsweise nur dann ein wirtschaftlicher Erfolg, wenn daraus auch bessere Planungsentscheidungen entstehen. Ebenso sollte eine niedrigere Food-Waste-Quote nicht durch deutlich schlechtere Lieferfähigkeit erkauft werden.

Wo liegen die Grenzen von KI-Forecasting?

KI kann die Planung erheblich unterstützen, aber Lebensmittelverschwendung nicht vollständig verhindern. Unvorhersehbare Ereignisse, Produktionsstörungen, Qualitätsprobleme oder kurzfristige Ausfälle in der Lieferkette lassen sich auch mit guten Prognosemodellen nicht vollständig ausschließen. Zudem hängt die Qualität der Ergebnisse von verfügbaren Daten und der Umsetzung im Unternehmen ab. Wenn beispielsweise Produktionsmengen aufgrund hoher Mindestlosgrößen kaum angepasst werden können, bleibt das Einsparpotenzial trotz verbesserter Prognosen begrenzt. Deshalb ist es sinnvoll, KI-Forecasting nicht als isolierte Technologie zu betrachten, sondern als Bestandteil einer integrierten Planung, die auch operative Restriktionen berücksichtigt.

Food Waste beginnt häufig bei der Planung

Lebensmittelverschwendung lässt sich nicht ausschließlich durch bessere Lagerung oder effizientere Verwertung reduzieren. Ein wichtiger Ansatzpunkt liegt bereits in der Entscheidung, wie viel produziert und beschafft werden soll. KI-Forecasting unterstützt Lebensmittel- und Getränkehersteller dabei, zukünftige Nachfrage präziser einzuschätzen, Veränderungen früher zu erkennen und Überproduktion gezielter zu vermeiden. Der größte Nutzen entsteht, wenn Unternehmen ihre Absatzprognosen mit Bestands-, Produktions- und Einkaufsplanung verbinden.

So kann KI dazu beitragen, Lebensmittelverluste zu reduzieren, Ressourcen effizienter einzusetzen und gleichzeitig eine zuverlässige Warenverfügbarkeit sicherzustellen.