Projektvorstellung

Sortimentsoptimierung für Verkaufs-
stellen eines Pressegroßhändlers

Sortimentsoptimierung für Verkaufsstellen eines Pressegroßhändlers

Die Ausgangssituation:

QTRADO zählt zu den größten Pressegroßhändlern Deutschlands und beliefert ein breites Spektrum an Verkaufsstellen wie Kioske, Supermärkte und Bäckereien.

Eine der zentralen Herausforderungen besteht darin, das Sortiment an Zeitschriften individuell auf die Bedürfnisse einzelner Händler abzustimmen. Diese Aufgabe ist äußerst komplex, da es mit über 6000 verschiedenen Artikeln unzählige mögliche Sortiment-Kombinationen gibt. Durch den Einsatz von Künstlicher Intelligenz können komplexe Zusammenhänge und große historische Datenmengen berücksichtigt werden, um individuelle und präzise Entscheidungen zur Struktur der Titelauswahl und Liefermengen zu treffen.

Status:
Produktivsystem

Branche:
Pressegroßhändler

Unternehmensgröße:
350 MA & >13K Verkaufsstellen

Kategorie:
Absatzprognose

Die Ziele:

Datengetriebene Optimierung des Sortiments zur Maximierung des Roherlöses
Effiziente Ressourcenplanung durch automatisierte Anpassung der Titelauswahl und Liefermengen.
Steigerung der Kundenzufriedenheit durch Bereitstellung eines bedarfs-gerechten Zeitschriftensortiments.

Die Lösung:

Mithilfe von Absatzprognosen auf Artikelebene werden Verkaufschancen präzise vorhergesagt. Durch mathematische Optimierungsmethoden kann das optimale Sortiment für jeden Händler passgenau bestimmt werden. Ein dynamischer Feedback-Loop mit dem bestehenden ERP-System sorgt dafür, dass betriebliche Logiken berücksichtigt werden und die KI-Lösung damit an die individuellen Händler-Bedürfnisse angepasst wird.

Die Umsetzung:

Umfassende Datenquellen, darunter geografische und demografische Informationen, Ereignisse wie Sportveranstaltungen, historische Absatzdaten oder spezifische Merkmale wie die Öffnungszeiten der Verkaufsstellen dienen als Basis für die Modellierung.

Mithilfe eines XGBoost Modells, wurde ein präzises Absatzprognose-Modell entwickelt, das insbesondere auch für Cold-Start-Szenarien geeignet ist. Dieses Modell ermöglicht eine genaue Vorhersage des Bedarfs auf Artikelebene unter Berücksichtigung der oben genannten Einflussfaktoren. Zudem wurden Korrelationen zwischen Produkten und potenzielle Kannibalisierungseffekte modelliert, um Interdependenzen zwischen Artikeln berücksichtigen zu können.

Aufbauend auf diesen Prognosen wurde eine mathematische Optimierung mittels Knapsack-Algorithmus eingesetzt, um das wirtschaftlich optimale Sortiment für jeden Händler zu bestimmen und dabei Restriktionen wie Kapazitätslimits zu berücksichtigen.

Die entwickelte Lösung wurde in das bestehende ERP-System integriert. Dadurch könnten betriebliche Logiken wie Objektsperren und Kapazitätsgrenzen automatisch berücksichtigt und entsprechend effizient ein nachhaltiger Mehrwert geschaffen werden.

Ausblick:
Die Weiterentwicklung des Modells zielt darauf ab, neben der Maximierung des Roher-
löses auch der Pflicht des Grossisten zur Neutralität und Wahrung der Pressevielfalt nachzu- kommen, um eine ausgewogene Verteilung von Artikeln im Sortiment zu gewährleisten. Parallel dazu wird das Projekt auf weitere Gebiete und Händler ausgeweitet, um die Vorteile der optimierten Sortimentsgestaltung in einem breiteren Marktumfeld zu realisieren.