5 bis 10 Mio. € Wertverluste in einem mittelständischen Industrieunternehmen innerhalb von Wochen identifiziert
Wie GenieFactory ERP-Daten und Fachwissen kreuzte, um die versteckten Verluste einer komplexen Supply Chain zu kartieren — und einen bezifferten Aktionsplan zu liefern.
Kurzüberblick. Ein französisches mittelständisches Industrieunternehmen mit 115 Mio. € Umsatz, kürzlich auf SAP S/4HANA migriert, steht vor einer angespannten Supply Chain: hohem Betriebskapitalbedarf, strukturellen Verzögerungen, chronischen Notfällen. Innerhalb weniger Wochen baute GenieFactory einen Knowledge Graph aus 8 SAP-Exporten und 4 Fachinterviews — und identifizierte 5 Wertverlustquellen, davon 2 bis 4 Mio. € als Quick Wins innerhalb von 6 Monaten rückgewinnbar.
Kontext
Ein Industriesektor unter Druck. 115 Mio. € Umsatz, 2.000 Mitarbeiter. Produktmix aus Standard- (70–80%) und kundenspezifischen Produkten (20–30%). Mehrlieferantennetzwerk, lange Vorlaufzeiten, komplexer Planungszyklus.
Das SAP S/4HANA ERP wurde kürzlich migriert. Alle Module sind vorhanden — FI/CO, SD, MM, PP, PM. Aber die Planungsparameter wurden nicht neu kalibriert. Sicherheitsbestände sind runde Zahlen, seit zwei Jahren unverändert. Der Sektormarkt schrumpfte 2024 um 17,6%. In diesem Kontext ist jeder Euro immobilisierten Betriebskapitals ein Hebel.
Das Management weiß, dass es Verluste gibt. Es weiß nicht genau wo. Und die Teams, gefangen im operativen Strom, haben nicht den nötigen Abstand, um sie zu objektivieren.
Der Ansatz: Identifizieren und Einrahmen vor dem Handeln
GenieFactory wendete die ersten beiden Schritte des ICPC-Frameworks — Identifizieren und Einrahmen — vor jeder Empfehlung an.
Strukturierte Fachinterviews. Vier Sitzungen mit den Teams für Auftragsabwicklung, Einkauf, Produktion und Logistik, durch die Plattform geführt. Das Ziel ist nicht die Erfassung deklarierter Prozesse — sondern die Erfassung der tatsächlichen Arbeit. Die Lücke zwischen beiden ist systematisch dort, wo sich Verluste verbergen.
SAP-Datenextraktion und -modellierung. Acht bereinigte und verknüpfte SAP-Exporte: Artikel, Bestände, Bewegungen, Aufträge, Fertigungsaufträge, Stücklisten, Kostenrechnung. Ein „planungsreifes" Pivot-Modell wird aus realen Daten erstellt, nicht aus theoretischen Konfigurationen.
Knowledge-Graph-Aufbau. Die vier Interviews werden in vier Prozessgraphen umgewandelt und dann zu einem einheitlichen Knowledge Graph zusammengeführt. Dieser Graph verknüpft Flüsse von Ende zu Ende — vom Angebot bis zur Lieferung — und integriert die von den Teams gemeldeten realen Einschränkungen und Reibungspunkte.
Angereichertes Scorecard. Sechzehn KPIs berechnet über die Kette PLANEN→KAUFEN→FERTIGEN→LAGERN→LIEFERN. Jeder Indikator wird mit Root Causes aus dem Knowledge Graph angereichert. Das Ergebnis verschiebt sich von „Sie haben ein Problem" zu „hier ist warum und wie man es löst".
Die 5 identifizierten Wertverlustquellen
Struktureller Rohstoffüberschuss — 3 bis 5 Mio. € immobilisiertes Betriebskapital. Die Lieferantenvorlaufzeiten im ERP entsprechen nicht den tatsächlichen Vorlaufzeiten. Das Unternehmen bestellt und lagert zu früh. Bei 24,3 Mio. € Rohstoffbestand ist das Reduktionspotenzial erheblich.
Übermäßiger Umlaufbestand (WIP) — 1 bis 3 Mio. €. Fertigungsaufträge werden gestartet, ohne dass alle Komponenten verfügbar sind. Engpässe häufen sich, WIP schwillt an, Lieferzeiten verlängern sich. „Full Kit" wird vor dem Start nicht systematisch überprüft.
Unbehandelte MRP-Nervosität — hoher indirekter Einfluss. Da SAP-Parameter nach der Migration nicht neu kalibriert wurden, generiert das System eine Flut widersprüchlicher „Reschedule In/Out"-Nachrichten, die niemand bearbeitet. Die Planungszuverlässigkeit sinkt, Teams verlieren das Vertrauen in das ERP und umgehen es.
Ausgleichs-Premiumtransport — 200 bis 500 T€/Jahr. Expresslieferungen sind zur Standardpraxis geworden, um strukturelle Verzögerungen aufzuholen. Dringlichkeit wird in Echtzeit gemanagt statt vorher verhindert.
Langsamdrehen- und Totbestände — 500 T€ bis 1 Mio. €. Immobilisiertes Kapital ohne absehbaren Einsatz, mangels systematischer Überprüfung des Artikelportfolios.
Geschätzter Gesamteinfluss: 5 bis 10 Mio. €, davon 2 bis 4 Mio. € als Quick Wins innerhalb von 3 bis 6 Monaten rückgewinnbar — hauptsächlich durch MRP-Parameter-Neukalibrierung und die Einführung einer wöchentlichen Tool-gestützten Bestandsüberprüfung.
Was KI bei dieser Art von Auftrag verändert
Eine klassische Supply-Chain-Diagnose analysiert Daten oder Interviews — selten beides zusammen, selten innerhalb weniger Wochen.
Der Knowledge Graph verknüpft beide Quellen kontinuierlich. Eine Inkonsistenz zwischen der vom Einkauf deklarierten Vorlaufzeit und der tatsächlichen in den SAP-Daten wird automatisch erkannt. Root Causes sind mit KPIs verknüpft, nicht separat aufgelistet.
Geschwindigkeit verändert auch die Natur des Auftrags: Teams erhalten eine objektivierte Diagnose, während sie noch im Kontext des Problems sind — nicht sechs Monate später, wenn die Prioritäten sich verschoben haben.
Schließlich gehört alles Gebaute — Business-Ontologie, Scoring-Regeln, Diagnosemuster — dem Kunden. Die nächste Diagnose im gleichen oder einem verwandten Sektor beginnt auf dieser Basis.
Ein reproduzierbares Modell
Der Ansatz gilt für jedes mittelständische Industrieunternehmen mit einem ERP (SAP, Sage, Oracle usw.) und einer Supply Chain mit einem Mix aus Standard- und konfigurierten Produkten. Die ERP-Konnektoren, die Extraktionspipeline und die Knowledge-Graph-Engine sind dieselben. Was sich anpasst, ist die sektorspezifische Business-Ontologie.
GenieFactory arbeitet mit vertikalen Partnern zusammen, die die Branchenexpertise einbringen. Der Kunde behält das Eigentum an seinen Daten und seinem Knowledge Graph — ohne Abhängigkeit von einem Tool oder Dienstleister.
Hat Ihre Supply Chain Verluste, die Sie noch nicht sehen?
Zur Methode hinter dieser Diagnose: Das ICPC-Framework