Skip to content
Data Science & AI

Haubis und Wewalka — Effiziente Nachfrageplanung mit KI-gestützter Vorhersage

In a nutshell

Wir haben uns mit Haubis und Wewalka zusammengetan, um KI-gestützte Bedarfsprognosemodelle zu implementieren, die historische Daten, Expertenwissen und benutzerdefinierte Variablen nutzen, um die Produktion zu optimieren, Verschwendung zu minimieren und datengesteuerte Geschäftsentscheidungen zu fördern.

Haubis & Wewalka
Business Challenge

Ungenaue Bedarfsprognose, die zum ineffizienten Bestandsmanagement, d. h. zu Unter- oder Überproduktion, Lagerhaltung und finanziellen Verlusten führt.

Projektübersicht

Dauer

06/2023 – ongoing

Team-setup

1 Lead Data Scientist, 1 Data Scientist (Parkside), Business Experts (Haubis, Wewalka)

Technologien

Python, HuggingFace, Azure, GitHub

Leistungen

AI & Data Science

Über unsere Kunden

Haubis

Die Haubis GmbH ist eine führende österreichische Bäckerei, die sich auf hochwertige Brote, Gebäck und andere Backwaren spezialisiert hat. Haubis verbindet traditionelle Backtechniken mit modernen Trends und ist bekannt für sein Engagement, erstklassige Produkte zu liefern und qualitativ hochwertige Zutaten zu verwenden. Mit seiner reichen Geschichte, die bis ins Jahr 1902 zurückreicht, werden die Produkte von Haubis heutzutage in zahlreichen Ländern weltweit verkauft, und das Unternehmen genießt einen guten Ruf für Qualität und Innovation.

Wewalka

Wewalka ist ein führender österreichischer Hersteller von Frischteigen, die für ihre Qualität und Frische bekannt sind. Seit 1987, als das Unternehmen nur ein einziges Produkt – einen auf Backpapier gerollten Blätterteig – anbot, ist die Produktpalette rasch gewachsen. Verschiedene Produkte (u. a. die Marke Tante Fanny) werden heute in 30 europäischen Ländern verkauft, was Wewalka zu einem der wichtigsten Player auf dem Frischteigmarkt macht.

Herausforderungen & Ziele

Sowohl Haubis als auch Wewalka standen bei der genauen Vorhersage der Nachfrage nach ihren Produkten vor großen Herausforderungen. Ihre Prognosemethoden basierten ausschließlich auf internem Expertenwissen, das nicht immer ausreichte, um Markttrends, saisonale Schwankungen und andere externe Faktoren zu berücksichtigen. Dies führte zu verschiedenen Problemen wie Überproduktion und Überbeständen, die sich auch auf die Lagerkapazitäten und Transportkosten der Unternehmen auswirkten und letztlich zu finanziellen Verlusten führten.

Um diese Herausforderungen zu bewältigen, begann Parkside Interactive mit der Entwicklung und Implementierung von KI-gesteuerten Prognosemodellen für Haubis und Wewalka. Diese Modelle sollten historische Daten, Expertenwissen und kundenspezifische Variablen einsetzen, um die Feinheiten der Geschäfts- und Marktdynamik der beiden Unternehmen zu erfassen. Durch die Verbesserung der Genauigkeit der Nachfrageprognosen wollten wir die folgenden Ziele erreichen:

01

Verringerung der Überproduktion

Genauere Prognosen würden es Haubis und Wewalka ermöglichen, die richtige Menge an Produkten zu produzieren, um die Nachfrage zu befriedigen, und so den Bedarf an Überbeständen zu eliminieren.
02

Minimierung der Lagerbestände

Dank präziserer Bedarfsvorhersagen könnten die Unternehmen optimale Lagerbestände aufrechterhalten und so Lager- und Transportkosten senken.
03

Verbesserung der Profitabilität

Durch die Verringerung der Verschwendung und die Optimierung der Bestandsverwaltung würden Haubis und Wewalka ihre finanzielle Leistung verbessern und ihre Ressourcen effektiver einsetzen.

Unsere Lösung

Unser Ansatz umfasste den gesamten Data-Science-Lebenszyklus, von der Datenerfassung und -vorverarbeitung bis hin zum Modelltraining und -einsatz. Wir arbeiteten eng mit den Teams von Haubis und Wewalka zusammen, um relevante Daten aus ihren internen Systemen zu extrahieren, sie zu bereinigen und für die Analyse vorzubereiten und KI-Modelle zu entwickeln, die Nachfragemuster effektiv erfassen. Um sicherzustellen, dass unsere Modelle auf die spezifischen Geschäftsbedürfnisse der beiden Unternehmen zugeschnitten sind, organisierten wir Workshops mit Experten der jeweiligen Unternehmen, um Schlüsselvariablen zu identifizieren, die die Nachfrage maßgeblich beeinflussen könnten, und ließen diese anschließend in unsere ML-Modelle einfließen.

Ergebnis & Zukunftspläne

Unsere Zusammenarbeit mit Haubis und Wewalka führte zur erfolgreichen Implementierung von KI-gestützten Nachfrageprognoselösungen für beide Unternehmen. Die von uns erstellten ML-Modelle liefern täglich automatisierte Prognosen für wichtige Geschäftsanwender und ermöglichen es ihnen, fundierte Entscheidungen über Produktionsplanung, Bestandsmanagement und Lieferkettenoptimierung zu treffen. Die Implementierung dieser Modelle hat zu erheblichen Verbesserungen bei der Bedarfsgenauigkeit, einer Reduzierung der Lagerbestände und einer Minimierung der Ausschussware geführt.

Wir arbeiten weiterhin eng mit unseren beiden Kunden zusammen, um ihre Bedarfsprognosemodelle zu verfeinern und zu verbessern. Unser iterativer Ansatz umfasst die kontinuierliche Überwachung der Modellleistung, die Identifizierung verbesserungswürdiger Bereiche und die Einbeziehung neuer Datenquellen und Erkenntnisse. Letztendlich ist es unser Ziel, die Genauigkeit und Effektivität ihrer Prognosefähigkeiten weiter zu verbessern und sicherzustellen, dass sie sich an die sich verändernden Marktbedingungen anpassen und datengestützte Entscheidungen treffen können, die das Wachstum und die Rentabilität ihres Unternehmens fördern.