brotsüchtig, WKOÖ-Innovationsmanagement und das Software Competence Center Hagenberg haben es geschafft, mit Data Science die Überproduktion von Brot und Gebäck um 20 Prozent zu reduzieren. [...]
Rund 500 Kilo Bio-Mehl verarbeitet brotsüchtig täglich zu Brot und Gebäck. Verkauft werden die Bio-Spezialitäten wie das Urdinkel-Roggen-Mischbrot „Krustav“, die veganen „Drahdiwaberl“ oder der weizenfreie „Gunni Gugl“ in vier eigenen Shops sowie ausgewählten Bio- und Hofläden. Dabei wird die Produktionslogistik zum Drahtseilakt: Einerseits sollen die Kunden bis zum Ladenschluss aus dem gesamten Sortiment wählen können. Andererseits soll danach möglichst wenig Brot und Gebäck übrigbleiben. „Denn Lebensmittelrettung ist nur die zweitbeste Lösung“, sagt brotsüchtig-Gründer und -Geschäftsführer Oliver Raferzeder. Die beste wäre, exakt so viel zu backen, wie verkauft wird.
Um diesem Ziel möglichst nahe zu kommen, hat das Innovationsmanagement der WKO Oberösterreich für brotsüchtig ein KI-Projekt beim EU-Digitalisierungsprogramm „Test before Invest“ eingereicht. In diesem hat das Software Competence Center Hagenberg (SCCH) unter anderem Verkaufs-, Produktions-, Kalender-, Wetter- und Veranstaltungsdaten aufbereitet, in einem Dashboard sichtbar gemacht und so die Produktionsplanung wesentlich verbessert. Die Retouren-Quote konnte um 20 Prozent reduziert werden.
Gemeinsames Forschungsprojekt
„Wir verlieren doppelt, wenn wir zu viel Ware backen“, bringt Stefan Faschinger, Mitgründer von brotsüchtig, das Dilemma der Produktionsplanung auf den Punkt. „Wir verlieren die kostbare Arbeitszeit unserer Bäckerinnen und Bäcker und wir verlieren kostbare Rohstoffe.“ So sind die bei brotsüchtig verwendeten bio-Rohstoffe generell um 15 bis 20 Prozent teurer als herkömmliche – Mohn in Bioqualität ist sogar doppelt so teuer. Deswegen investiere er bis zu zwei Stunden täglich in die Produktionsplanung für den nächsten Tag, erzählte Oliver Raferzeder dem Projektberater Alois Keplinger vom Innovationsmanagement der WKOÖ bei einer zufälligen Begegnung im Verkaufsraum. Schnell entwickelt sich daraus ein gemeinsames Forschungsprojekt.
Alois Keplinger stellt einen Förderantrag beim Programm „Test before Invest“, das Digitalisierungs-Projekte bis zu einem Volumen von 40.000 Euro zu hundert Prozent aus Mitteln der Europäischen Union und der Forschungs-Förderungs-Gesellschaft FFG finanziert. Als Partner für die nötige Daten-Wissenschaft (Data Science) holte man das SCCH an Board. „Das Ziel der Daten-Wissenschaft ist es, oft zusammenhanglos wirkendes Datenmaterial so aufzubereiten, dass man daraus konkretes Wissen und Strategien ableiten kann“, erklärt Keplinger. „Mit Data Science lassen sich in praktisch allen Branchen Effizienzsteigerungen erzielen oder bessere Entscheidungen treffen.“
Die Wetterfühligkeit von „Drahdiwaberl“
Bei brotsüchtig hängen die Verkaufszahlen als wichtigste Datenbasis von einer Unzahl an Faktoren ab. „Dabei spielen die Jahreszeit, das Wetter, der Wochentag, die generelle Frequenz in der Stadt aber auch Veranstaltungen rund um unsere Shops eine große, nur schwer zu kalkulierende Rolle“, skizziert Raferzeder die produktionslogistische Herausforderung. So hänge das Kaufverhalten stark davon ab, ob das Wetter zum Schlendern in der Stadt einlade, zu große Hitze oder Regen die Kunden vertreibe, ob Wochenendeinkäufe anstehen oder eine öffentliche Veranstaltung die Passantenfrequenz beeinflusst. „All diese Faktoren haben wir immer sehr intensiv beobachtet und versucht, daraus Schlüsse zu ziehen“, erzählt Raferzeder. Das sei zwar meist ganz gut gelungen, war aber extrem zeitintensiv und habe vor allem auf seinem eigenen Bauchgefühl beruht. Dieses sollte durch eine wissenschaftlich fundierte Basis für die Produktionsplanung in der Backstube ergänzt oder im Idealfall ersetzt werden. „So wollten wir etwa wissen, bei welchem Wetter wir mehr „Drahdiwaberl“ verkaufen und welche Faktoren dafür noch verantwortlich sind.“
Halbierter Planungsaufwand, 20 Prozent weniger Retouren
Mit seiner Kernkompetenz, Daten in Wissen umzuwandeln, war das SCCH Idealkandidat für dieses Digitalisierungsprojekt. Für die Aufgabenstellung, mittels Data Science aus dem vorhandenen Datenmaterial möglichst treffsichere Vorhersagen für die Produktion zu machen, konnte sich Volkmar Wieser vor allem auf umfassende Verkaufsdaten stützen. „Uns lagen für die vier brotsüchtig-Shops in Linz, Steyregg und Wels ebenso umfassende wie detaillierte Verkaufsstatistiken vor“, erklärt der Area Manager Data Science bei SCCH. Nach dem Datenexport aus den Kassensystemen sowie entsprechender Aufbereitung und Visualisierung konnte die Verkaufsdynamik für jeden einzelnen Artikel zu bestimmten Uhrzeiten an allen Tagen in jedem einzelnen Shop klar und übersichtlich dargestellt werden.
„Wir haben auch noch Wetterdaten und Feiertage in die Analyse einfließen lassen, um sichtbar zu machen, wie sich diese im Kaufverhalten bemerkbar machen“, erklärt Wieser. Jetzt kann brotsüchtig-Chef Faschinger auf einem Dashbord jederzeit alle für die Produktionsplanung nötigen Daten tagesaktuell aufrufen und mit Referenzwerten vergleichen. „Diese Klarheit und Übersichtlichkeit der Daten erleichtert die Produktionsplanung enorm“, zieht Faschinger zufrieden Bilanz. „Mein Planungsaufwand hat sich halbiert, die Präzision der Vorhersage gleichzeitig wesentlich verbessert. Jetzt haben wir um ein Fünftel weniger Retourware als zuvor.“
Menschliches Verhalten kalkulierbar machen
Jenes Brot und Gebäck, das dennoch übrigbleibt, übergibt brotsüchtig seit mittlerweile acht Jahren an den Sozialmarkt und damit an Menschen, die sich Lebensmittel kaum leisten können. Nach dem erfolgreichen Abschluss des Test-before-Invest-Projektes, das von Juli 2023 bis März 2024 gelaufen ist, streben brotsüchtig, Innovationsmanagement und SCCH eine Verlängerung der Entwicklungs-Partnerschaft an. Zum einen soll der Datentransfer von den Kassensystemen in den Shops auf das Dashboard automatisiert und die Produktionsplanung damit noch aktueller und komfortabler werden. Zum anderen soll auch ein Entwicklungsschritt gelingen, der mit dem derzeit zur Verfügung stehenden Daten nicht möglich war. „Im Idealfall liefert das Dashboard eine Produktionsempfehlung, die auf den Erfahrungswerten der letzten Jahre beruht“, nennt Raferzeder ein ehrgeiziges Forschungsziel. „Dafür müssten wir allerdings noch mehr Daten zu jenen Faktoren sammeln, die das menschliche Kaufverhalten beeinflussen,“ sagt Daten-Wissenschaftler Wieser.
Be the first to comment