Optimale Bestellvorschläge durch KI-gestützte Optimierung
Die RISC Software GmbH entwickelte für die 3e AG eine maßgeschneiderte KI-basierte Software, die auf historischen Verkaufsdaten basiert, um Lagerbestände zu prognostizieren und optimale Bestellvorschläge zu generieren.
Die 3e AG als Vereinigung von Hartwaren-, Werkzeug-Einzelhändler & Gewerbeunternehmen hat als Marktführerin im Fachhandel mit Werkzeug-Maschinen eine vielschichtige Struktur mit über 300 Mitgliedsbetrieben. Sie ist in Österreich und 12 Auslandsmärkten erfolgreich tätig. Mit den LET’S DO IT Werkzeug- und Garten-Fachmärkten wird auch eine eigene Qualitätswerkzeug-Fachmarktkette geführt. Die 3e AG unterstützt ihre Mitglieder unter anderen als Einkaufsorganisation mit attraktiven Einkaufskonditionen durch hohe Abnahmemengen und dient mit mehreren Vertriebskanälen und als Distributionsorganisation. In ihrem großen Zentrallager in Wels stellt sie ihren Mitgliedsbetrieben mit über 15000 Lagerartikel ein breites Warenportfolio zur Verfügung.
Künstliche Intelligenz und Machine Learning: Die Schlüssel zur Optimierung des Einkaufsprozesses der 3e AG
Um den vielschichtigen Einkaufsprozess zu unterstützen, war die 3e AG auf der Suche nach einem automatisierten und intelligenten Bestellsystem und wurde mit der RISC Software GmbH als Partnerin für eine speziell an die eigenen internen Bestellprozesse angepasste Individuallösung fündig. Die grundlegende Vision für das ambitionierte Softwareprojekt war schnell klar: Mittels Künstlicher Intelligenz sollen aus historischen Verkaufszahlen Prognosen zukünftiger Lagerstände aller Artikel berechnet werden, welche in weiterer Folge als Basis für optimale Bestellvorschläge dienen.
Als anspruchsvollste Hürde, die es erfolgreich zu nehmen galt, war die effiziente Integration von Methoden des Machine Learnings (ML) in die Softwarearchitektur und in das Softwaredesign. Hierfür wurden die notwendigen identifizierten Komponenten in Module unterteilt, welche über strukturierte Nachrichten miteinander, über einen zentralen Message-Bus, kommunizieren. Alle vorkommenden Komponenten wurden schließlich containerisiert und auf On-Premise Servern eingesetzt.
Täglich werden aktuelle Verkaufsdaten aus Zentrallager und Filialen in das System integriert, wodurch die Berechnungen von Bestellvorschlägen pro Lieferanten gestartet wird. Dabei werden Lagerstandprognosen pro Artikel abgefragt. Um die ML-Modelle aktuell zu halten und um aktuelle Datentrends zu erkennen und berücksichtigen zu können, werden die Modelle automatisch in regelmäßigen Abständen neu trainiert.
Basierend auf aktuellem Lagerstand und Prognose berechnet schließlich das RISC interne Optimierungsframework RISC IBEX pro Artikel dessen optimale Bestandsmenge, sodass ein idealer Lagerstand für erwartete Verkäufe im geplanten Bestellrhythmus vorhanden ist. Die errechneten Bestellvorschläge können entweder vollautomatisch oder nach manueller Bearbeitung weiterverarbeitet werden.
Seit der Inbetriebnahme im Winter 2021/2022 wird das intelligente automatische Bestellsystem laufend weiterentwickelt.
Ansprechperson
Dr. Roman Stainko
Mathematical Optimization Specialist