Warum Tabellen Ihrer Lieferkette nicht gerecht werden
Supply-Chain-Planungssoftware und Excel-Modelle rechnen mit Mittelwerten — durchschnittliche Nachfrage, durchschnittliche Lieferzeit, durchschnittliche Ausbeute. Doch Ihre Lieferkette versagt an den Extremen: ein Shutdown zum chinesischen Neujahr, der eine 6-Wochen-Lieferzeit auf 14 streckt, eine Nachfragespitze in einer Region, die Bestand aus einer anderen abzieht, eine Single-Source-Komponente, die drei Montagewerke gleichzeitig lahmlegt.
Wenn Planer nur den Durchschnittsfall modellieren können, kompensieren sie mit Sicherheitspuffern — Sicherheitsbestand, Sicherheitslieferzeit, Dual Sourcing — auf jeder Stufe ergänzt, ohne Einblick in ihr Zusammenspiel. Das Ergebnis ist ein Netzwerk, das an manchen Knoten gleichzeitig überbestückt und an anderen leer ist, ohne klares Bild, welcher Puffer Sie tatsächlich schützt und welcher nur Working Capital bindet.
Die Kernerkenntnis: Supply-Chain-Risiko ist nicht linear. Eine Lieferantenverzögerung von 10 Tagen verursacht keinen 10-Tage-Fehlbestand — sie kann sich durch Bestellzyklen fortpflanzen und wochenlange nachgelagerte Engpässe auslösen. Die Simulation ist das einzige Werkzeug, das diese Nichtlinearität zuverlässig erfasst.
Was eine Supply-Chain-Simulation tatsächlich modelliert
Wir bauen ein ereignisdiskretes oder agentenbasiertes Modell Ihres Netzwerks, das jede Einheit erfasst — Lieferanten, Werke, DCs, Handelsknoten — und jeden Fluss — Bestellungen, Sendungen, Bestandspositionen, Zahlungsströme. Das Modell rechnet Tausende Replikationen, jede mit anderen Nachfragerealisierungen und Störereignissen, und erzeugt eine Ergebnisverteilung: Servicegrad, Bestandsreichweite, Transportkosten, Fehlbestandshäufigkeit.
Mehrstufiger Bestand
Zentrallager, Regionallager und Filialbestand gemeinsam modelliert — findet das richtige Niveau je Stufe ohne Doppelpufferung.
Netzwerkdesign
Vergleichen Sie 2-DC- vs. 3-DC- vs. Direktversand-Konfigurationen. Modellieren Sie Transportkosten, Lieferzeit und Servicegrad gleichzeitig.
Lieferantenrisiko & Störung
Führen Sie probabilistische Störungen ein — Ausbeuteverluste, Hafenverzögerungen, Kapazitätsengpässe — und sehen Sie die wahren Kosten von Single- vs. Dual-Sourcing.
Nachfrageschwankung
Passen Sie reale Nachfrageverteilungen je Artikelcluster an, modellieren Sie Aktionen, Saisonalität und Produktneueinführungen mit realistischer Schwankung.
Optimierung der Bestellpolitik
Testen Sie (s,Q)-, (R,S)- und Min-Max-Politiken über Artikelsegmente — finden Sie die Kombination, die das Working Capital beim Ziel-Servicegrad minimiert.
Transportmodus- & Lieferzeit-Abwägung
Luft vs. See vs. Schiene — modellieren Sie die Bestandskosten langer Lieferzeiten gegen Premium-Frachtkosten, um den wirtschaftlichen Umschlagpunkt zu finden.
Wie das Projekt abläuft
Netzwerkaufnahme & Datenerhebung
Wir erfassen alle Knoten, Transportrelationen, Lieferzeiten und aktuellen Bestandsstrategien. Die Nachfragehistorie je Artikel kommt aus Ihrem ERP. Lücken werden mit strukturierten Schätzungen gefüllt und später auf Sensitivität geprüft.
Modellaufbau & Validierung
Das Simulationsmodell entsteht in AnyLogic oder Simio. Wir validieren es gegen 12 Monate historischer Istwerte — Bestandspositionen, Bestellfrequenzen, Servicegrade — bevor ein Szenario läuft.
Szenariodesign & Experimente
Gemeinsam definieren wir die zentralen Entscheidungen — Netzwerk-Redesign-Optionen, Sicherheitsbestandsniveaus, Lieferantenstrategien. Das Modell rechnet Hunderte Replikationen je Szenario und liefert statistisch belastbare Ergebnisse.
Empfehlungen & Übergabe
Sie erhalten einen schriftlichen Bericht mit priorisierten Empfehlungen, Konfidenzintervallen und Sensitivitätsanalysen. Das Modell wird zur weiteren Nutzung übergeben — inklusive Szenario-Runner, damit Ihr Team künftige Entscheidungen eigenständig testen kann.
Was Sie am Ende erhalten
Das Ergebnis ist keine Foliensammlung — es ist ein ausführbares Modell plus ein schriftliches Entscheidungspapier. Das Modell lässt sich neu parametrieren, während sich Ihr Netzwerk entwickelt, und schafft weit über das Erstprojekt hinaus Mehrwert.
Simulation vs. Planungswerkzeuge — wo liegt der Unterschied?
| Fähigkeit | Supply-Chain-Simulation | ERP- / Planungssoftware |
|---|---|---|
| Nachfrageschwankung | ✓ Vollständige stochastische Verteilungen je Artikel | ✗ Nur Durchschnittsnachfrage |
| Lieferantenstörungs-Szenarien | ✓ Probabilistische Störereignisse modelliert | ✗ Nicht nativ unterstützt |
| Mehrstufige Wechselwirkung | ✓ Alle Stufen gleichzeitig modelliert | Näherungsweise, Stufe für Stufe |
| Netzwerk-Redesign-Vergleich | ✓ Jede Topologie, direkt nebeneinander | ✗ Erfordert manuelle Neukonfiguration |
| Servicegrad-Konfidenzintervalle | ✓ Statistische Ausgabe mit Perzentilen | ✗ Nur Einzelwert |
| Optimierung der Bestellpolitik | ✓ Politiktyp und Parameter gemeinsam optimiert | Teilweise — feste Politikstruktur |
Tools & technology
AnyLogic ist die primäre Plattform für durchgängige Supply-Chain-Simulation — seine hybride Engine aus agentenbasierter und ereignisdiskreter Simulation beherrscht mehrstufige Netzwerke nativ. Für bestandsfokussierte Studien nutzen wir zudem eigene Python-Monte-Carlo-Modelle, wenn Geschwindigkeit und Transparenz Priorität haben. Simio deckt die produktionsseitige Integration ab, wenn das Supply-Chain-Modell an eine Fertigungssimulation anschließt.
Wir setzen AnyLogic seit den frühen Industrieversionen der Plattform ein und haben Zugriff auf die vollständige Supply Chain Library. Alle Modelle sind versioniert und dokumentiert, sodass Ihr Team sie ohne unsere fortlaufende Beteiligung pflegen kann.
Bestandssimulation — Bestand nach Schwankung, nicht nach Mittelwerten
Die Supply-Chain-Modellierung beantwortet, wo Bestand im Netzwerk liegen sollte. Die Bestandssimulation beantwortet eine schärfere Frage: genau wie viel? Die Standard-Sicherheitsbestandsformel — Z × σd × √L — ist elegant und weit verbreitet. Sie unterstellt normalverteilte Nachfrageschwankung, von der Nachfrage unabhängige Lieferzeiten, keine Rückwirkung von Fehlbeständen auf die künftige Nachfrage und sofortige Wiederauffüllung beim Erreichen des Bestellpunkts. Keine dieser Annahmen gilt in realen Lieferketten.
In der Praxis ist die Nachfrage sprunghaft — einige große Bestellungen treffen unvorhersehbar zwischen ruhigen Phasen ein. Lieferzeiten liegen meist nah am Mittel und springen dann gelegentlich hoch — und die Spitzen fallen mit Nachfragespitzen zusammen, wenn Sie den Bestand am dringendsten brauchen. Fehlbestände erzeugen Rückstände, die die nächste Bestellung aufblähen, und lösen Bullwhip-Effekte aus, die eine Formel nicht erkennt.
Das Ergebnis: Formelbasierte Bestandsstrategien sind entweder überbestückt (weil Analysten aus Misstrauen gegen die Formel Puffer ergänzen) oder unterbestückt, wenn die Annahmen der Formel bei Nachfragespitzen zusammenbrechen. Die Simulation ersetzt die Annahmen durch tatsächliche, an Ihre Daten angepasste Verteilungen.
Was die Bestandssimulation beantwortet
Sicherheitsbestandsniveaus
Wie viel Pufferbestand nötig ist, um einen Ziel-Servicegrad — 95 %, 98 %, 99,5 % — unter Ihrer tatsächlichen Nachfrageschwankung und Lieferzeitverteilung zu erreichen, nicht unter der von der Formel unterstellten Normalverteilung.
Bestellpunkt & -menge
Wann eine Nachbestellung ausgelöst wird und in welcher Menge — im Ausgleich zwischen Bestellhäufigkeit (Transaktionskosten), Lagerhaltungskosten und dem Risiko, zwischen Bestellung und Eintreffen leerzulaufen.
Lieferzeitrisiko der Lieferanten
Welche Lieferanten mit ihrer Lieferzeitschwankung am meisten zu Ihrem Bestandsrisiko beitragen — und welcher zusätzliche Puffer je Lieferant nötig ist, um Ihren Ziel-Servicegrad unter deren spezifischem Liefermuster zu halten.
Saison- & Aktionsnachfrage
Wie viel vor einem Nachfrageschub vorzuproduzieren ist — saisonaler Hochlauf, Aktionen, Produktneueinführungen — damit der Schub den Sicherheitsbestand nicht erschöpft, bevor der Nachschub reagieren kann.
Monte Carlo vs. ereignisdiskret: welcher Ansatz?
| Ansatz | Am besten für | Typischer Einsatz |
|---|---|---|
| Monte-Carlo-Simulation | Reine Fragen der Bestandspolitik | Sicherheitsbestand & Bestellpunkt, wenn der Bestand unabhängig vom operativen Fluss ist |
| Ereignisdiskret (Simio / AnyLogic) | Bestand + Betrieb gemeinsam | Wenn Nachschub mit Lagerkapazität, Wareneingangsdurchsatz oder Produktionsplanung zusammenwirkt |
| System Dynamics | Bullwhip & Politik auf Netzwerkebene | Mehrstufige Netzwerke, Analyse der Nachfrageverstärkung über die Lieferkettenstufen |
| Tabellenformel | Einfache, stabile Umgebungen | Geeignet, wenn die Nachfrage wirklich normalverteilt und die Lieferzeiten stabil sind — in der Praxis selten |
Welche Daten brauchen wir für eine Bestandsstudie?
- Nachfragehistorie — 12–24 Monate Bestell- oder Verbrauchsdaten je Artikel, mit Datum und Menge (ERP- oder LVS-Export)
- Lieferzeitaufzeichnungen — Bestellhistorie mit Bestell- und Wareneingangsdatum je Lieferant und Artikel
- Aktuelle Bestandspolitik — bestehende Sicherheitsbestände, Bestellpunkte und Bestellmengen
- Servicegrad-Ziele — Ihr Ziel-Servicegrad oder Ihre Auftragserfüllungsquote je Produktgruppe
- Kostenparameter — Lagerhaltungskostensatz und Bestelltransaktionskosten, falls eine Kostenoptimierung nötig ist (für reine Servicegrad-Studien nicht erforderlich)
- Geplante Änderungen — neue Lieferanten, neue Artikel, anstehende Nachfrageereignisse oder Umbaupläne der Lieferkette