Customer Story

40 % weniger Fehlbestände, 12 % weniger Lagerbestand: Bültel plant das Basissortiment mit KI

Bültel Fashion Group und camel active: KI-gestützte Nachbestellung im Never-Out-of-Stock-Sortiment

Ergebnisse
  • ca. 40 %weniger Fehlbestände im Basissortiment, von rund 10 auf etwa 6 Prozent
  • 12 %geringerer Lagerbestand im Basissortiment
  • 10 Std.weniger Planungsaufwand pro Woche

Hintergrund

Die Bültel Fashion Group mit Sitz in Salzbergen im Emsland wurde 1964 von Bernard und Hermann Bültel gegründet. Drei Marken gehören zum Haus, camel active ist die größte nach Sortiment und Umsatz. Für diese Marke ist Bültel Master-Lizenznehmer in Europa.

Die Lieferkette liegt vollständig in eigener Hand. Produktentwicklung, Orderplatzierung bei Lieferanten in Asien, Outbound-Logistik und der eigene Onlineshop laufen von Salzbergen aus. Verkauft wird über den stationären Modefachhandel, über eigene Stores und Outlets sowie über Marktplätze wie Amazon, About You und Zalando.

Im Fokus des Projekts mit paretos steht das Never-Out-of-Stock-Sortiment: Basisartikel wie weiße und schwarze T-Shirts, Ledergürtel und Denims, die dauerhaft verfügbar sein sollen. Das Sortiment umfasst rund 1.700 bis 1.800 Artikelvarianten, die Vorlaufzeit von der Order bis zum Wareneingang liegt bei etwa sechs Monaten.

Herausforderung

Nachbestellt wurde hauptsächlich in Excel, auf Basis historischer Werte und Erfahrung. Auftragsbücher, Lagerbestände und Produktionsorders mussten für jeden Planungszyklus manuell zusammengeführt werden. Im Schnitt waren rund 10 Prozent der Artikelvarianten zeitweise nicht verfügbar. Das kostete Umsatz bei genau den Artikeln, die immer lieferbar sein sollten, und führte gleichzeitig zu hohen Sicherheitspuffern und damit zu gebundenem Kapital.

Erschwerend kam der Wandel vom reinen Fachhandel zum Omnichannel-Geschäft hinzu, der die Bedarfsprofile deutlich heterogener machte. Auch die Datenlage war für eine KI-gestützte Planung zunächst nicht ausgelegt. Bestände wurden nicht auf Ebene der Artikelvarianten historisiert, eine Vorgänger-Nachfolger-Logik fehlte, und im Hintergrund arbeitete ein selbst entwickeltes ERP-System. Im Datencheck von paretos erreichte Bültel zu Projektbeginn 17 von 30 Punkten.

„Was unsere Daten angeht, hätte ich uns nicht unbedingt als bereit für ein KI-Projekt eingeschätzt. Da haben wir noch ein bisschen was zu tun.“
Tim SeifertSenior BI Manager, Bültel

Lösung

Bültel und paretos haben die Datenreife zum Teil des Projekts gemacht statt zu seiner Vorbedingung. Anstelle eines mehrjährigen Vorlaufs wurde ab Tag 1 iterativ gearbeitet: Datenlücken schließen, Prognose verbessern, Geschäftswissen einarbeiten, wiederholen.

Im Kern stehen zwei Bausteine. Eine KI-gestützte Bedarfsprognose auf Ebene der einzelnen Artikelvariante bildet die Nachfrage über alle Kanäle ab, mit einem Horizont von zwölf Monaten. Darauf setzt eine dynamische Optimierung der Bestellentscheidung auf, die Mindestabnahmemengen, Vorlaufzeiten und Servicelevel-Vorgaben berücksichtigt. Die Planer:innen arbeiten in einer auf den Kunden zugeschnittenen Planungsansicht von Socrates, dem KI-System von paretos. Socrates berechnet die Bestellempfehlungen in jedem Zyklus auf derselben Grundlage, und die Entscheidung bleibt im Einkauf. Im Chat fragen die Planer:innen jederzeit in normaler Sprache nach, wie eine Bestellempfehlung und die zugrunde liegende Prognose zustande kommen. Sie erhalten Antworten mit Quelle aus den eigenen Systemen, auch auf alle weiteren Datenfragen, die sie für die Einschätzung einer Bestellung brauchen.

Organisatorisch waren der Fachbereich und das BI-Team von Bültel die wichtigsten Partner. Beide Seiten haben rekonstruiert, wie eine einzelne Zahl im System zustande kommt. Genau diese Detailarbeit hat die Datenqualität verbessert und das Verständnis für die eigenen Daten im Unternehmen verankert. Die Datenübergabe an paretos läuft heute vollständig automatisiert.

Ergebnisse

Rund anderthalb Jahre nach Projektstart zeigt sich, dass der klassische Zielkonflikt der Nachbestellung lösbar ist: Bültel hat gleichzeitig weniger Bestand und weniger Fehlmengen. Die Fehlbestandsquote im Basissortiment ist von rund 10 auf etwa 6 Prozent gesunken, also um etwa 40 Prozent. Der Bestand in diesem Sortiment liegt 12 Prozent niedriger. Kapital, das vorher in Sicherheitspuffern gebunden war, ist frei.

Auch die Prognose selbst ist belastbarer geworden. Der Zwölf-Monats-Horizont erlaubt präzisere Briefings an die Lieferanten und neue Bestellrhythmen, etwa drei Tranchen von je 1.000 Stück statt einer Order über 3.000 Stück. Das System liefert zudem Empfehlungen, die aus dem Bauchgefühl heraus anders ausgefallen wären, zum Beispiel deutlich höhere Mengen in Randgrößen.

Der Planungsprozess hat sich grundlegend verändert. Rund 10 Stunden manuelle Arbeit pro Woche entfallen, die Nachbestellung ist keine Excel-Übung mehr. Das Vertrauen in die Empfehlungen ist hoch, das System ist fest im Tagesgeschäft verankert, und niemand im Team möchte zurück. Ein Gewinn, der bleibt, betrifft die Daten selbst: Lieferzeiten, Bestandslogik und Auftragsdaten sind an mehreren Stellen sauberer geworden, Bestände werden auf Ebene der Artikelvarianten historisiert und die Vorgänger-Nachfolger-Logik ist nachgepflegt.

„Heute sind wir an dem Punkt, dass wir nahezu auf Knopfdruck unseren Bedarf haben, den wir dann in Produktionsorders übergeben können. Wir haben versucht, das mal zu bemessen, da reden wir über ca. 10 Stunden, die wir pro Woche sparen.“
Sebastian TimpeHead of Brand Operations, Bültel

Ausblick

Das nächste Ziel ist, die Fehlbestandsquote weiter auf etwa 3 Prozent zu senken und den Bestandswert weiter zu reduzieren.

Darüber hinaus prüfen Bültel und paretos, weitere Prozesse entlang der Kette auf dieselbe Basis zu stellen, etwa Vororder, Liefertermine oder Flächensteuerung. Langfristig soll aus dem ersten Anwendungsfall Schritt für Schritt ein KI-System für den gesamten Planungsprozess werden: zunächst, indem die bereits aufgebaute Datenbasis weiteren Bereichen zur Verfügung steht, und dann, indem auch dort die Planung optimiert wird. Weil jeder neue Anwendungsfall auf dem Bestehenden aufsetzt, steigt der Nutzen mit jedem Schritt. Angedacht ist zudem, Socrates über den Einkauf hinaus auch weiteren Fachbereichen zugänglich zu machen, damit sie Fragen an die eigenen Daten direkt stellen können, zum Beispiel zu Liefertreue oder Prognosen.

Ergebnisse im Überblick

  • 01

    Höhere Verfügbarkeit

    Fehlbestände im Basissortiment von ca. 10 auf etwa 6 Prozent gesenkt.

  • 02

    Weniger gebundenes Kapital

    12 Prozent geringerer Bestand. Kapital aus Sicherheitspuffern ist frei.

  • 03

    Reduzierter Planungsaufwand

    Rund 10 Stunden manuelle Arbeit pro Woche entfallen.

  • 04

    Stärkere Lieferkette

    Zwölf-Monats-Prognose für präzisere Lieferantenbriefings und flexiblere Bestellrhythmen.

  • 05

    Nachvollziehbare Empfehlungen

    Jeder Bestellvorschlag ist begründbar. Die Entscheidung bleibt beim Menschen.

  • 06

    Aufgebaute Datenkompetenz

    Sauberere Stamm- und Bewegungsdaten. Dieser Gewinn bleibt im Haus.

Weitere Customer Stories

Alle Customer Stories
Erstgespräch

Jetzt Potential prüfen

In einem kurzen Gespräch schauen wir gemeinsam, welchen Business-Impact wir bei Ihnen heben können.

Termin buchen
Natalie WendtDecision Intelligence Consultant
Nils KlingelhöferDecision Intelligence Consultant