Liefertermine rutschen ständig? So baust du mit AI eine Frühwarnliste für Verzögerungen und eine Entscheidungsgrundlage für Eilaufträge

Der wirksamste Einstieg gegen verspätete Drucklieferungen ist nicht sofort ein Lieferantenwechsel. Besser ist es, die eigenen historischen Aufträge aufzubereiten und daraus eine Risikobewertung zu bauen. So lässt sich bei jeder neuen Bestellung schon vor der Beauftragung einschätzen, wie wahrscheinlich eine Verzögerung ist und ob ein Eilauftrag nötig wird. Wenn das Beratungsteam der Mai Strategy Wissensakademie Kunden bei diesem Thema unterstützt, ist der erste Schritt immer derselbe: Auftragsdaten der letzten 12 bis 24 Monate in ein auswertbares Format bringen. Nicht einfach ein Tool darüberstülpen

Dieselbe Druckerei, derselbe Produkttyp: Im Juni kommt alles pünktlich, im Juli drei Tage zu spät. Fragt man nach, lautet die Antwort fast immer: „Diesen Monat ist viel los“ oder „Material war gerade knapp“. Das hört man jahrelang. Das Problem bleibt trotzdem bestehen

Drucktermine hängen von mehr Variablen ab als normale Beschaffungsvorgänge. Und Probleme treten selten allein auf. Einen einzelnen Risikofaktor kann eine Druckerei meist noch auffangen. Wenn aber drei mittlere Risiken zusammenkommen, wird es selbst mit gutem Willen schwer, den Termin zu halten

Aus meiner langjährigen Beobachtung in Produktion und auf Kundenseite sind es vor allem diese vier Kombinationen, die Verzögerungen auslösen:

・Erstauftrag bei einem neuen Lieferanten: Allein die Abstimmung der Druckdaten kann zwei Tage kosten, weil noch keine eingespielte Kommunikation besteht

・Komplexe Weiterverarbeitung: Stanzform, Heißfolienprägung, UV-Lackierung und ähnliche Arbeitsschritte haben schwer planbare Rüstzeiten. Oft weiß die Druckerei selbst nicht genau, wie glatt es läuft

・Saisonale Spitzenzeiten: Zwei Monate vor dem chinesischen Neujahr, Messesaison, Abschlusssaison. Die Produktionsplanung ist voll, Puffer gibt es praktisch nicht

・Viele SKU in einem Auftrag: Fünfzehn SKU auf einmal, jede Position muss freigegeben und in Chargen eingeplant werden. Wenn eine davon hängt, kann die ganze Lieferung kippen

Tritt einer dieser Faktoren allein auf, kann die Druckerei ihn meist auffangen. Treffen zwei oder mehr gleichzeitig zu und der Einkauf wartet noch auf eine aktive Warnung des Lieferanten, ist es meistens schon zu spät

Historische Daten sind die Grundlage für alles. Ohne aufbereitete Daten ist Prognose nur Gerede ins Leere

Die Auftragstabelle muss nicht kompliziert sein. Diese Spalten sind entscheidend:

・Auftragsdatum, Lieferantenname, Produkttyp, etwa Visitenkarten, Kataloge, Verpackungsboxen, Banner

・Zugesagter Liefertermin vs. tatsächliches Wareneingangsdatum, daraus die Verzugstage berechnen, bei pünktlicher Lieferung 0 eintragen

・Art der Weiterverarbeitung, etwa Heißfolienprägung, Stanzform, UV, keine

・Anzahl der SKU in diesem Auftrag

・Ob Hochsaison war, eine Markierung nach Monat oder Messetermin reicht

・Ob es die erste Zusammenarbeit war

Diese Tabelle wirkt bodenständig, aber nach 80 bis 100 vergleichbaren Aufträgen siehst du Muster: Bei einem Lieferanten steigt die Verzugsquote jedes Jahr von Oktober bis Dezember deutlich. Stanzarbeiten kommen fast immer zwei Tage später als zugesagt. Neue Lieferanten haben ungefähr die dreifache Verzugsquote eingespielter Lieferanten

80 Datensätze sind die Untergrenze, damit Statistik überhaupt Aussagekraft bekommt. Darunter kann eine „Verzugsquote von 20%“ schlicht bedeuten, dass einer von fünf Aufträgen verspätet war. Als Entscheidungsgrundlage taugt das kaum. Genau deshalb probieren viele Einkäufer ein AI-Tool aus und denken danach: „Fühlt sich ungenau an.“ Das Problem ist nicht das Tool. Es sind zu wenige Daten

Sobald diese Basisdaten stehen, kannst du sie in ChatGPT oder Excel geben und nach Lieferant, Saison und Art der Weiterverarbeitung auswerten lassen. In ein bis zwei Stunden erhältst du meist ein Profil der Hochrisikoaufträge. Also genau das, was vorher nur Bauchgefühl war

Expresszuschläge liegen oft bei 20% bis 50% des normalen Angebots, manchmal höher. Ob du sie zahlen solltest, hängt zuerst von dieser Zahl ab:

„Erwarteter Verzögerungsschaden = Verzugstage × Verzugswahrscheinlichkeit × tatsächliche Kosten pro Tag“

Die tatsächlichen Tageskosten müssen sauber gerechnet werden: Verlust durch Absage einer Veranstaltung, Opportunitätskosten wegen Lagerlücke, Zeit für die Neuplanung von Personal. Viele Einkäufer haben diese Rechnung nie gemacht. Sie spüren nur: „Wenn es sich verzögert, wird es mühsam.“ Dieses diffuse Gefühl trägt keine gute Entscheidung

Schneller geht es mit einer Triggerliste. Treffen zwei Punkte zu, geht der Auftrag in die Eilprüfung:

・Die Verzugsquote des Lieferanten bei vergleichbaren Aufträgen lag in den letzten sechs Monaten über 30%

・Der Auftrag enthält Stanzarbeiten oder besondere Weiterverarbeitung

・Bis zum benötigten Datum bleiben weniger als 15 Arbeitstage

・Der aktuelle Monat liegt historisch in einer Hochlastphase dieses Lieferanten

・Es ist ein neuer Lieferant, und es gibt keinen Ersatzlieferanten

Ist die Liste einmal definiert, prüfst du sie vor jeder Bestellung durch. AI-Tools können die Punkte einzeln abgleichen und einen Score ausgeben. Die Standards musst du aber selbst festlegen. Ob eine Schwelle wichtig ist, kann das Tool nicht für dich entscheiden

Beim Gespräch über einen Eilauftrag gilt: je früher, desto besser. Wenn du drei bis fünf Tage vorher sagst: „Dieser Auftrag muss eventuell beschleunigt werden“, hat die Druckerei noch Spielraum in der Planung. Meldest du dich erst zwei Tage vorher, bist du auf ihre Restkapazität angewiesen. Gib einen konkreten Zeitpunkt an, zum Beispiel: „Ich brauche die Ware am 5. November bis 10 Uhr auf dem Messegelände.“ Das ist viel wirksamer als „so schnell wie möglich“. Lass dir zuerst sagen, welcher früheste Liefertermin machbar ist, und entscheide dann, ob dieser Termin reicht

AI-Tools liefern Wahrscheinlichkeiten, keine Garantien. In einigen Fällen solltest du das Modell direkt überspringen und menschlich entscheiden:

Beim Lieferanten hat sich strukturell etwas verändert: neue Maschinen, Produktionsleiter gekündigt, gerade ein Großkunde hinzugekommen. Diese Informationen stehen nicht in deinen historischen Daten. Das Prognosemodell sieht sie nicht. Ein Anruf ist hier praktischer als der Glaube an eine Prozentzahl

Aufträge mit besonders hohem Einsatz: Wenn eine verspätete Lieferung das Aus für eine große Messe bedeutet, entscheide nicht nach Wahrscheinlichkeit. Plane direkt nach dem schlechtesten Szenario, beauftrage frühzeitig per Express und suche parallel einen Ersatzlieferanten

Der Lieferant sendet weiche Warnsignale: Druckfreigaben ziehen sich hin, niemand geht ans Telefon, Antworten des Vertriebs werden immer vager. Solche Signale erkennt das Prognosemodell nicht. Wer ein paar Jahre im Einkauf gearbeitet hat, weiß bei diesem Antwortmuster aber sofort, dass die Warnstufe hoch muss

Der echte Wert eines Prognosetools liegt darin, dir früh zu zeigen, wo du hinschauen musst. Es entscheidet nicht für dich. Ich habe oft genug Einkäufer gesehen, die sich mit „nur 12% Verzugswahrscheinlichkeit“ beruhigt haben und am Ende trotzdem verspätet beliefert wurden. Ereignisse mit niedriger Wahrscheinlichkeit passieren jeden Tag. Das muss man im Kopf behalten

・Verspätete Drucklieferungen entstehen fast immer durch die Überlagerung mehrerer Risikofaktoren. Einen einzelnen Faktor kann ein Lieferant meist auffangen

・Historische Auftragsdaten sollten mindestens 80 vergleichbare Fälle umfassen, erst dann hat eine Verzugsquote praktischen Aussagewert

・Der Kern der Eilentscheidung ist die Frage, ob der erwartete Verzögerungsschaden höher ist als der Expresszuschlag. Bauchgefühl ersetzt diese Rechnung nicht

・Die Triggerliste für Eilaufträge muss eigene Standards haben. Das AI-Tool prüft Punkt für Punkt, die Schwellen setzt du

・Neue Maschinen, neue Verantwortliche oder vage Antworten des Lieferanten sind blinde Flecken des Prognosemodells. Hier muss menschliche Einschätzung übernehmen

Wenn du sofort anfangen willst, nimm die Auftragsdaten des letzten Jahres und ergänze die Spalte „Verzugstage“. Danach gruppierst du nach Lieferanten und siehst dir an, welche am häufigsten und am längsten verspätet liefern. Das geht in Excel. Dafür brauchst du kein AI-Tool. Danach wirst du feststellen, dass sich fast alle Verzögerungen auf wenige Lieferanten, wenige Arbeitsschritte und wenige Saisonphasen konzentrieren. Wenn du diese drei Dimensionen sauber ordnest, hast du deine erste Risikokarte

Nimmst du diese Daten später mit ins Gespräch mit dem Lieferanten oder mit dem Vertrieb von MINDS, wird die Qualität des Gesprächs eine andere. Du beschwerst dich nicht mehr nur über Verspätungen. Du sagst: „Ich weiß, an welcher Stelle es leicht hakt. Wie sichern wir sie vorher ab?“ Allein dieser Satz verschiebt die Beziehung zwischen Einkauf und Lieferant von passiver Meldung zu aktiver Zusammenarbeit