KI-Supply-Chain-Diagnose: Wie ein Mittelständler 5-10 Mio. EUR Wertverluste identifiziert

Durch die Kombination strukturierter Fachgespräche, ERP-Datenextraktion und dem Aufbau eines Fluss-Knowledge-Graphs identifizierte eine Diagnose von einigen Wochen 5 wesentliche Wertverluste bei einem Mittelständler mit 115 Mio. EUR Umsatz, davon 2 bis 4 Mio. EUR als Quick Wins in 6 Monaten zurückzugewinnen.

Der Kontext: Ein Mittelständler unter Druck

Ein französisches Mittelstandsunternehmen, industrielle Fertigung, 115 Mio. EUR Umsatz, 2.000 Mitarbeiter. Komplexe Supply Chain: lange Durchlaufzeiten, viele Lieferanten, Mix aus Standardprodukten (70–80 %) und kundenspezifischen Produkten (20–30 %).

Das ERP SAP S/4HANA wurde kürzlich migriert. Die Module sind vorhanden (FI/CO, SD, MM, PP, PM). Aber die Prozesse sind nicht mitgezogen. Die Planungsparameter wurden nicht neu kalibriert. Der Sektormarkt befindet sich in einer Krise: −17,6 % Neuzulassungen 2024. Jeder optimierte Working-Capital-Punkt zählt.

Wie verlief die Diagnose?

Die Diagnose folgte den ersten beiden Schritten des ICPC-Frameworks: Identifizieren und Strukturieren.

Strukturierte Fachgespräche. 4 Interviews mit den Teams Auftragsabwicklung, Einkauf, Produktion und Logistik, geführt durch die GenieFactory-Plattform. Ziel: die tatsächliche Arbeit erfassen, nicht die deklarierten Prozesse. Die Lücke zwischen beidem ist systematisch die Quelle der Wertverluste.

SAP-Datenextraktion und -vernetzung. 8 bereinigte und modellierte SAP-Exporte: Artikel, Bestände, Bewegungen, Bestellungen, Fertigungsaufträge, Stücklisten, Buchhaltung. Ein „planning-ready" Pivot-Modell aus den realen Daten aufgebaut.

Knowledge Graph-Aufbau. Die 4 Interviews werden in 4 Prozess-KGs umgewandelt und zu einem einheitlichen KG zusammengeführt. Dieser Graph verbindet die Flüsse, vom Angebot bis zur Produktion zur Lieferung, mit den realen Geschäftsbeschränkungen, nicht den theoretischen ERP-Prozessen.

Angereichertes Scorecard. 16 KPIs über die Kette PLAN→BUY→MAKE→STOCK→DELIVER berechnet. Jeder KPI wird mit den aus dem Knowledge Graph extrahierten Ursachen angereichert. Das Scorecard geht von „Sie haben ein Problem" zu „Hier ist warum und wie man es löst".

Welche Wertverluste wurden identifiziert?

Fünf wesentliche Wertverluste mit kalkulierten Szenarien für jeden:

1. Struktureller Rohstoffüberschuss. Die theoretischen Durchlaufzeiten im ERP entsprechen nicht den realen Lieferantendurchlaufzeiten. Ergebnis: Das Unternehmen lagert Rohstoffe länger als nötig. Auswirkung: 3 bis 5 Mio. EUR gebundenes Working Capital, bei insgesamt 24,3 Mio. EUR Rohstoffen.

2. Übermäßige Work-in-Progress (WIP). Fertigungsaufträge werden gestartet, ohne dass alle Komponenten verfügbar sind („kein Full-Kit"). Die Engpässe multiplizieren sich. Auswirkung: 1 bis 3 Mio. EUR.

3. MRP-Nervosität. Die Planungsparameter (Sicherheitsbestände, Durchlaufzeiten, Losgrößen) wurden seit der SAP-Migration nicht neu kalibriert. Die Sicherheitsbestände sind „runde Zahlen, seit 2 Jahren unverändert". Ergebnis: Eine Flut widersprüchlicher „Reschedule In/Out"-Meldungen, die niemand bearbeitet. Hohe indirekte Auswirkung.

4. Kompensierender Premium-Transport. Expresslieferungen, um strukturelle Verzögerungen aufzuholen. Der Notfallmodus ist zur normalen Betriebsweise geworden. Auswirkung: 200 bis 500 K EUR/Jahr.

5. Tote und langsam rotierende Bestände. Schlafendes Kapital. Auswirkung: 500 K bis 1 Mio. EUR.

Geschätzte Gesamtauswirkung: 5 bis 10 Mio. EUR, davon 2 bis 4 Mio. EUR als Quick Wins in 3 bis 6 Monaten zurückgewinnbar.

Warum macht KI bei dieser Art von Diagnose den Unterschied?

Drei konkrete Gründe:

Vernetzung Daten × Fachwissen. Ein klassischer Berater analysiert entweder die ERP-Daten oder die Fachgespräche. Der Knowledge Graph vernetzt beides. Eine Inkonsistenz zwischen der vom Einkauf deklarierten Durchlaufzeit und der realen Durchlaufzeit in den SAP-Daten erscheint automatisch.

Geschwindigkeit. Was im traditionellen Modus Monate gedauert hätte (Vor-Ort-Audits, manuelle Extraktion, Konsolidierung) wird in Wochen realisiert. KI-Agenten erledigen die Vernetzungsarbeit, der Experte validiert.

Kapitalisierung. Alles Gelernte, Geschäftsontologien, Diagnosemuster, Scoring-Regeln, wird im Knowledge Graph kodiert. Die nächste Industriediagnose (gleicher oder angrenzender Sektor) baut auf dieser Basis auf. Das ist das „C" von Kapitalisieren im ICPC-Framework.

Ist diese Art von Diagnose auf mein Unternehmen anwendbar?

Wenn Sie ein mittelständisches Industrieunternehmen mit einem ERP (SAP, Sage, Oracle) und einer komplexen Supply Chain sind, ja. Das Modell ist reproduzierbar konzipiert. Die technischen Bausteine (ERP-Connector, Extraktionspipeline, Knowledge-Graph-Engine) sind dieselben, was sich ändert, ist die Geschäftsontologie Ihres Sektors.

GenieFactory arbeitet mit spezialisierten vertikalen Partnern, die Sektorexpertise einbringen. Die Plattform liefert die KI-Infrastruktur. Der Kunde bleibt Eigentümer seiner Daten und seines Knowledge Graphs.

Eine Supply-Chain-Diagnose starten →

---

Verwandter Artikel: Was ist agentische Transformation?