Zum Inhalt springen

Maschinen- und Anlagenbau

Supply-Chain-Redesign für einen Maschinenbaukonzern

Mandantin
Maschinenbaukonzern, 890 Mio. € Umsatz, familiengeführt
Branche
Maschinen- und Anlagenbau
Projektdauer
14 Monate
Abschluss
2025

Ergebnisse in Zahlen

-31 %
Kürzere Lieferzeit gegenüber Kunden
-22 %
Reduzierte Bestände im Netzwerk
+2,4 PP
Höherer Servicegrad
9 → 5
Konsolidierte Lagerstandorte

Ausgangslage

Die Lieferzeit gegenüber Kunden war in vier Jahren von 11 auf 19 Wochen gestiegen, während die Bestände um 34 Prozent zunahmen. Neun über Europa verteilte Läger waren historisch gewachsen, die Disposition erfolgte in fünf Werken nach jeweils eigenen Regeln.

Vorgehen

Wir haben ein Netzwerk- und Bestandsmodell aus ERP- und Transportdaten gebaut, sechs Netzwerkszenarien gerechnet und die Disposition auf eine algorithmische Prognose mit einheitlichen Regeln umgestellt – begleitet bis zur letzten Standortumstellung.

Ergebnis

31 Prozent kürzere Lieferzeit bei gleichzeitig 22 Prozent niedrigeren Beständen. Die Lagerstandorte wurden von neun auf fünf reduziert, der Servicegrad stieg um 2,4 Prozentpunkte.

Eingesetzte PracticesOperational Excellence & Supply ChainDigitale Transformation & Data Analytics

Der Auftrag lautete zunächst, die Bestände zu senken. Nach drei Wochen haben wir vorgeschlagen, die Fragestellung zu ändern: Die Bestände waren nicht die Ursache, sondern die Folge einer Netzwerkstruktur, die neun Läger mit fünf unabhängig disponierenden Werken verband.

Ausgangslage

Zwischen 2021 und 2025 war die zugesagte Lieferzeit von 11 auf 19 Wochen gestiegen. Gleichzeitig wuchsen die Bestände um 34 Prozent – ein Muster, das typischerweise auf Sicherheitsbestände hinweist, die lokal gegen ein systemisches Problem gebildet werden.

Die Analyse bestätigte das: Jedes der fünf Werke disponierte nach eigenen Regeln, mit eigenen Wiederbeschaffungszeiten und ohne Sicht auf die Bestände der anderen Standorte. Für 1.840 A- und B-Artikel existierten drei unterschiedliche Stammdatensätze. Die neun Lagerstandorte waren über 14 Jahre durch Akquisitionen entstanden, nicht geplant worden.

Vorgehen

  1. Baseline und Modell – Netzwerk-, Mengen- und Kostenmodell aus ERP-, Transport- und Zolldaten, abgestimmt mit dem Konzerncontrolling
  2. Szenarien – sechs Netzwerkvarianten mit Wirkung auf Transportkosten, Lieferzeit, Servicegrad und gebundenes Kapital
  3. Stammdaten und Dispositionslogik – Konsolidierung der Artikelstämme, einheitliche Dispositionsregeln, algorithmische Nachfrageprognose
  4. Umsetzung – Konsolidierung von neun auf fünf Standorte in vier Wellen über elf Monate

Die Prognosemodelle wurden in der Systemlandschaft der Mandantin entwickelt und vollständig – einschließlich Quellcode und Dokumentation – übergeben.

Ergebnis

Kennzahl Ausgangswert Nach Abschluss
Zugesagte Lieferzeit 19 Wochen 13,1 Wochen
Bestandswert im Netzwerk Indexwert 100 Indexwert 78
Servicegrad 91,2 % 93,6 %
Lagerstandorte 9 5
Prognosegenauigkeit A-Artikel 64 % 81 %

Die Transportkosten stiegen erwartungsgemäß um 6 Prozent – das war Teil der Rechnung und im Szenario ausgewiesen. Der Effekt aus Bestandsreduktion und Lieferzeitverkürzung überstieg diesen Anstieg um den Faktor 4,3.

Entscheidend war nicht das Modell, sondern dass die Partnerin bis zur letzten Standortumstellung im Projekt geblieben ist. Das ist in unserer Erfahrung die Ausnahme.

— Mitglied des Vorstands, Operations

Stehen Sie vor einer vergleichbaren Entscheidung?

Ein erstes Gespräch dauert 45 Minuten und endet mit einer klaren Aussage dazu, ob und mit welchem Zuschnitt wir für Ihre Fragestellung die richtige Adresse sind.

Mandat besprechen