Eine automatische Lieferterminbestätigung benötigt aktuelle Informationen zu Bestand, offenen Zugängen, Reservierungen, Produktionskapazität und Versand. Planungslogik ermittelt einen zulässigen Termin. KI unterstützt die Verarbeitung von Anfragen und die Bewertung von Risiken. Unklare Fälle werden gezielt eskaliert.
Warum dauern Lieferzusagen so lange?
Der Vertrieb kennt den Wunschtermin, die Disposition prüft Material, die Planung bewertet Kapazitäten und der Versand berücksichtigt Abholungen oder Transportzeiten. Wenn diese Schritte nacheinander per E-Mail stattfinden, bleibt die Anfrage liegen. Eine zwischenzeitliche Planänderung kann die gerade erarbeitete Antwort bereits überholen.
Fraunhofer ITWM beschreibt die verbindliche Lieferterminplanung als Herausforderung unter wechselnden Anforderungen und begrenzten Ressourcen. Der dort erläuterte Ansatz verbindet relevante Daten und mathematische Verfahren. Das unterstreicht: Eine belastbare Zusage ist eine Planungsaufgabe. Zur Einordnung von Fraunhofer ITWM.
Verfügbarer Bestand oder noch zu fertigende Menge?
Für eine Lieferung aus Bestand muss klar sein, welche Menge tatsächlich frei verfügbar ist. Gesperrte Ware und bereits reservierte Mengen dürfen nicht nochmals zugesagt werden. Geplante Zugänge brauchen einen nachvollziehbaren Termin und Status.
Muss erst produziert werden, kommen Materialverfügbarkeit, Arbeitspläne, Kapazitäten, Reihenfolgen und betriebliche Kalender hinzu. Die Begriffe Available-to-Promise und Capable-to-Promise beschreiben solche unterschiedlichen Prüfungen; ihre genaue Umsetzung hängt vom eingesetzten Planungssystem ab. Microsoft erläutert den Unterschied zwischen ATP und CTP für Dynamics 365.
Auch der zugesagte Zeitpunkt muss eindeutig sein: Versand ab Werk oder Ankunft beim Kunden? Ohne diese Unterscheidung können intern korrekte Berechnungen trotzdem zu einer falschen Kundenerwartung führen.
Welche Aufgabe übernimmt KI?
- Dokumente verstehen: Sprachmodelle und Dokumentenerkennung können Artikel, Mengen und Wunschtermine aus Kundenanfragen in strukturierte Felder überführen.
- Risiken bewerten: Machine Learning kann bei geeigneter Historie Hinweise auf unsichere Zugänge oder Durchlaufzeiten liefern.
- Termine berechnen: Regelbasierte Planung und Optimierung prüfen zulässige Termine unter den bekannten Randbedingungen.
- Kommunikation vorbereiten: Ein Agent kann aus dem freigegebenen Ergebnis eine Bestätigung erstellen und offene Punkte zur Bearbeitung weitergeben.
Die Rollen bleiben getrennt: Ein Sprachmodell formuliert eine Zusage aus einem bestätigten Ergebnis. Es soll keinen Termin frei schätzen und diesen als geprüft darstellen.
Vom Auftrag zur Bestätigung in einem verbundenen Ablauf
Zuerst werden Anfrage und Kundendaten zugeordnet. Anschließend prüft die Lösung Vollständigkeit, Artikel, Mengen und besondere Lieferbedingungen. Erst danach erfolgt die Verfügbarkeits- und Kapazitätsprüfung auf einem definierten Datenstand.
Vor einer verbindlichen Bestätigung wird dieser Stand erneut geprüft und die erforderliche Reservierung oder Planfestlegung im führenden System vorgenommen. Bestätigung und Reservierung müssen zusammenpassen. Andernfalls könnten zwei Anfragen dieselbe verfügbare Menge erhalten.
Ein Beispiel: Ein Kunde verlangt eine frühere Lieferung, doch ein kritisches Teil ist noch nicht eingetroffen. Statt den Wunschtermin ungeprüft zu übernehmen, kann die Lösung einen späteren Termin oder eine geprüfte Teillieferung vorschlagen. Das ist ein illustratives Szenario, kein zusätzliches Kundenreferenzprojekt.
Fehlende Daten, unklare Prioritäten und widersprüchliche Systemstände führen in eine Ausnahmeliste. Dort stehen Ursache, betroffener Auftrag und zuständige Person zusammen.
Wie wird der Nutzen gemessen?
Erfassen Sie die Zeit vom Eingang einer vollständigen Anfrage bis zur Bestätigung, den Anteil nachträglich geänderter Zusagen und die Liefertermintreue. Auswertungen sollten Standardfälle und komplexe Ausnahmen getrennt zeigen. Eine schnell versendete, später häufig korrigierte Bestätigung wäre kein Fortschritt.
Für den Einstieg eignet sich eine definierte Produktgruppe mit belastbaren Stammdaten und klarer Terminlogik. Die Lösung wird zunächst gegen reale historische Fälle geprüft und dann kontrolliert in den Tagesablauf übernommen. Das vorhandene ERP bleibt eingebunden; fehlende Funktionen werden gezielt ergänzt.
Die angrenzenden Schritte erläutern unsere Beiträge zur Auftragserfassung, Produktionsplanung und Anbindung von KI-Agenten.
Quellen und Einordnung
Die Quellen belegen die fachlichen Grundlagen und verfügbaren Technologieansätze. Die Empfehlungen zur Umsetzung sind unsere fachliche Einordnung. Sie ersetzen die Prüfung Ihrer Daten, Systeme und Prozesse nicht.
