Edeka Südwest: KI-gestützte Backprognose sorgt für mehr Umsatz und weniger Ausschuss

SB-Backstationen gehören heutzutage zum gewohnten Bild im Lebensmitteleinzelhandel. Dabei sind gut gefüllte Regale mit frischer Ware bis zum Ladenschluss die Grundvoraussetzung für ein positives Einkaufserlebnis. Die Händler stehen infolgedessen vor einer täglichen Gratwanderung: Sie müssen die Verfügbarkeit sichern, ohne zu viel Ware bereitzustellen.

„Backen die Kaufleute unseres Verbunds zu wenig, enttäuschen sie ihre Kundinnen und Kunden – und lassen Umsatzpotenziale liegen.“ erläutert Marcel Bühler, Berater für Projektmanagement, Innovationsmanagement und Organisationsentwicklung bei Edeka Südwest. „Backen sie hingegen zu viel, steigen die Abschriften und der Rohertrag sinkt.“

Kunden erwarten bei SB-Backstationen über den ganzen Tag hinweg eine umfassende Auswahl frischer Waren. (Edeka Südwest)

Der Abteilung „Zentrale Dienstleistungen“ bot sich somit ein Ansatzpunkt, um die etwa 1.100 Edeka-Märkte in Südwesten Deutschlands mit Mitteln der Künstlichen Intelligenz zu entlasten und bei Verbesserungen zu unterstützen. Auf dem Plan stand eine regelmäßige Backempfehlung, die für jeden Markt individuell prognostiziert, wann welche Artikel in welcher Menge aufgebacken werden sollten.

Prognosen für Backwaren sind komplex

Der Einsatz von Bedarfsprognosen ist für Edeka Südwest kein Neuland. Im Bereich des sogenannten Trockensortiments, also haltbarer Lebensmittel und Drogerieartikel, haben sich automatisierte Bestellprozesse auf Basis KI-gestützter Vorhersagen längst etabliert. Allerdings gestaltet sich das Geschäft rund um die SB-Backwaren deutlich komplexer – und damit auch die Entwicklung eines treffsicheren Bake-Off-Empfehlungssystems.

„Wir bewegen uns hier im Bereich der ultrafrischen Produkte“, so Marcel Bühler. „In unserem konkreten Fall gilt es einerseits, den Verantwortlichen in den Märkten über das gesamte Warenangebot hinweg möglichst exakte Stückzahlen für ihre Bestellungen zu nennen. Andererseits werden zuverlässige Informationen zum Backzeitpunkt der gelieferten Rohlinge benötigt, sodass auch weniger erfahrene Mitarbeitende im Tagesverlauf die richtigen Entscheidungen treffen können. Gerade vor dem Hintergrund des Fachkräftemangels ist das ein echtes Erfolgskriterium.“

Als weitere Herausforderung kommen diverse Einflussfaktoren hinzu, durch die die Zahlen ständigen Schwankungen unterworfen sind. „Quasi jede Woche ist anders. Besonders deutlich wird das bei Sonderaktionen. In einzelnen Märkten kann der Absatz dadurch um bis zu 200% steigen. Auch Ferienzeiten und Feiertage sind Aspekte, die für eine individuelle Backempfehlung berücksichtigt werden müssen“, erläutert Marcel Bühler.

Bake-Off-Template reduziert Entwicklungsaufwand

Die konkrete Bake-Off-Lösung ist in Zusammenarbeit mit ORAYLIS entstanden. Deren Daten- und KI-Experten verfügen über umfangreiche Erfahrungen bei Bedarfsprognosen für den Handel. Im Fall der Backempfehlung hatte der Dienstleister bereits ein bestehendes Template in der Tasche, das nur noch an die Prozesse, Datenbanken und Datenquellen von Edeka angepasst werden musste. Dadurch ließ sich der Entwicklungsaufwand deutlich reduzieren.

Lukas Lötters, Principal Consultant Data Science bei ORAYLIS. (ORAYLIS)

Grundlage bildet eine eher „traditionelle“ Form der Künstlichen Intelligenz. „Gegenwärtig redet alle Welt von KI-Agenten und den Möglichkeiten der generativen KI“, erklärt Lukas Lötters, Principal Consultant Data Science bei ORAYLIS. „Für die Vorhersage von Abverkaufsmengen ist jedoch das klassische Machine Learning immer noch am besten geeignet.“ Um der Komplexität des Anwendungsfalls gerecht zu werden, wurde das zugrundeliegende Machine-Learning-Modell mit einem breiten Spektrum an historischen Daten trainiert. „Neben den Abverkäufen der einzelnen Produkte fließen Abschriften, Artikel- und Filialinformationen, Sonderaktionen sowie Feiertage und Ferien in unsere Prognosen ein“, so Lukas Lötters.

Aus diesen Daten berechnet das Modell zunächst für jeden Standort, wie hoch der Abverkauf für bestimmte Artikel in bestimmten Zeiträumen sein wird. In einem weiteren Verarbeitungsschritt wird dann berücksichtigt, wann welche Stückzahlen sinnvollerweise gebacken werden sollten. Auch operative Aspekte, wie volle Backbleche und praktikable Abläufe im Markt spielen dabei eine Rolle. Statt einer abstrakten Analyse, entsteht somit eine konkrete Handlungsanleitung für den Arbeitsalltag.

Ergebnisse werden laufend optimiert

Der gesamte Analyseprozess läuft vollständig automatisiert. Als Ergebnis wird einmal wöchentlich ein PDF mit der Backempfehlung für die Folgewoche automatisch an den jeweils Verantwortlichen in den teilnehmenden Märkten versendet. Bereits rund 200 Filialen nehmen den Service wahr – Tendenz weiter steigend. Dabei fallen die Rückmeldungen sehr positiv aus. „Unsere Backempfehlungen haben sich in der Praxis bewährt. Die Zahlen zeigen eine spürbare Verbesserung,“ sagt Marcel Bühler. „Natürlich erhalten wir auch Hinweise zu Korrekturen. Diese fließen unmittelbar in unser Modell ein, sodass unsere Prognosen immer präziser werden.“

Ebenso zufrieden zeigt sich Marcel Bühler mit dem Projektverlauf. „Die Zusammenarbeit mit ORAYLIS gestaltete sich wirklich sehr positiv. Wir hatten jederzeit volle Transparenz. Fragen und Probleme wurden schnell und auf kurzen Wegen geklärt. Wenn es Anpassungsbedarf gab oder Richtungsentscheidungen zu treffen galt, haben wir gemeinsam direkt eine Lösung gefunden. Dabei hat unser Partner nicht nur einfach umgesetzt, sondern aktiv beraten – immer mit dem Ziel, für uns das bestmögliche Ergebnis zu erzielen.“

Gegenwärtig werden Auswertungen erarbeitet, die die Backempfehlungen mit den Abverkäufen vergleichen. Dadurch ist einerseits ersichtlich, inwieweit die Empfehlungen im Tagesgeschäft berücksichtigt wurden und andererseits wo es Optimierungspotenziale gibt. Für die Marktbetreiber bedeutet das ein vollkommen neues Level an Transparenz zur Steuerung der Abläufe.

turn your data into value.