BESCHAFFUNGSSEITIGE LIEFERTERMINBEWERTUNG MITTELS MASCHINELLEN LERNENS (BELIEF-ML)

Motivation
Die Zuverlässigkeit von Lieferterminen in der Beschaffung stellt für Unternehmen einen zentralen Wettbewerbsfaktor dar, da diese die Planbarkeit von Produktionsprozessen und die Einhaltung eigener Liefertermine gegenüber den Kunden maßgeblich beeinflusst. Gleichzeitig erschweren zunehmend komplexe Lieferketten, geopolitische Unsicherheiten und Lieferengpässe eine verlässliche Planung. Gängige Verfahren zur Lieferterminbewertung basieren häufig auf Erfahrungswerten, einfachen Regeln oder festen Toleranzen und stoßen angesichts dieser Entwicklungen vermehrt an ihre Grenzen. Durch die fortschreitende Digitalisierung stehen Unternehmen jedoch vielfältige Bestell-, Lieferanten-, Material- und Transportdaten zur Verfügung. Verfahren des maschinellen Lernens (ML) können Zusammenhänge in diesen heterogenen Daten erkennen und dadurch mögliche Lieferverzögerungen frühzeitig vorhersagen.

Ziel
Ziel des Projekts ist es, gemeinsam mit fünf mittelständischen Unternehmen zu untersuchen, wie ML für eine präzise und nachvollziehbare Bewertung beschaffungsseitiger Liefertermine eingesetzt werden kann. Dazu werden verschiedene Klassifikations- und Regressionsansätze verglichen, die entweder das Risiko einer Verspätung oder das konkrete Ausmaß einer Terminabweichung prognostizieren. Zusätzlich wird untersucht, welche Daten und Einflussfaktoren für zuverlässige Prognosen besonders relevant sind und welche Datengrundlage für die unterschiedlichen Ansätze erforderlich ist. Methoden der erklärbaren künstlichen Intelligenz sollen dazu beitragen, die Ergebnisse für Anwender*innen nachvollziehbar zu machen.
 

Ablauf
Das Forschungsprojekt gliedert sich in die folgenden sechs Arbeitspakete (AP):
-    AP 1: Systematische Analyse bestehender Anwendungen
-    AP 2: Identifikation weiterer Einflussgrößen und Ermittlung der Datenverfügbarkeit
-    AP 3: Erarbeitung eines Vorgehensmodells für den systematischen Vergleich von Bewertungsansätzen
-    AP 4: Datenvorbereitung, Modellierung und Evaluation anhand der fünf Anwendungsfälle
-    AP 5: Entwicklung eines Leitfadens und einer virtuellen Tutoring-Umgebung für die Befähigung weiterer Unternehmen
-    AP 6: Projektkoordination, Dokumentation und Publikation

Nutzen
Eine verbesserte Lieferterminbewertung ermöglicht es Unternehmen, drohende Lieferverzögerungen früher zu erkennen und ihre Beschaffungs- und Produktionsplanung rechtzeitig anzupassen. Dadurch können die Planungssicherheit erhöht und Folgekosten, etwa durch Sicherheitsbestände, Ersatzbeschaffungen oder Eillieferungen, reduziert werden. Gleichzeitig schafft das Projekt einen niedrigschwelligen Zugang zu ML-basierten Verfahren. Die Unternehmen erhalten eine Orientierung, welcher Bewertungsansatz zu ihrer jeweiligen Zielsetzung und Datengrundlage passt. Der entstehende Leitfaden und die virtuelle Tutoring-Umgebung unterstützen weitere Unternehmen dabei, die Projektergebnisse auf ihre eigenen Beschaffungsprozesse zu übertragen.