Die weltweiten Lieferketten sind seit dem Ausbruch der Corona-Krise im Jahr 2020 ununterbrochen erheblichen Belastungen ausgesetzt. Die daraus resultierenden wiederkehrenden Lockdowns in chinesischen Häfen sowie die Folgen des gegenwärtigen Angriffskrieges Russlands auf die Ukraine üben weiteren Druck auf die Lieferketten aus. Neben diesen externen Faktoren trägt mittlerweile auch das Verhalten der Unternehmen selbst zu einer Vergrößerung des Problems bei: Viele Betriebe tätigen parallele Bestellungen bei mehreren Zulieferern, um Lieferausfälle zu vermeiden. In der Konsequenz führt das zu verschärften Lieferengpässen in anderen Liefernetzen. Aufgrund dieser Entwicklungen denken viele Unternehmen über eine Re-Regionalisierung ihrer Zulieferernetzwerke nach – das sogenannte „Near-Shoring“. Zudem ist der Bedarf nach strukturierter operationaler Unterstützung stark angestiegen.
Im Folgenden zeigen wir an drei Beispielen, wie ConMoto in seinen Projekten Lösungen findet, um die Lieferketten seiner Kunden resilienter zu machen und operativ dabei unterstützt den oft vorhandenen Lieferknoten zu lösen.
Projektbeispiel 1: global agierender Automobilzulieferer
Materialkosten machten bei diesem Kunden bereits vor der Verschärfung durch die Ukraine-Krise knapp 80 Prozent der Gesamtkosten aus, was einem Verhältnis 7:1 von Material zu reinen Logistikkosten entspricht. Aktuell steigt dieser Anteil noch. Darüber hinaus hatte der mit uns zusammenarbeitende Zulieferer seit 18 Monaten Probleme bei der Teile-Versorgung mit verschiedenen Warengruppen (u.a. Elektronikbauteile und Metalle) und bis zu zwei- bis dreimonatige Lieferzeiten aus Asien, die zudem nicht verlässlich waren.
Der Auftrag an ConMoto lautete: Logistikkosten senken und die Lieferkette durch Re-Regionalisierung resilienter machen.
Das Projekt begann mit einer zielgerichteten Make-or-Buy-Analyse für eigene Komponenten und der Restrukturierung der Teileversorgung. Nachdem das Ergebnis vorlag, entschied sich der Kunde für eine Ausweitung der Eigenfertigung und eine Near-Shoring-Strategie, die Einkauf und Produktion von Asien nach Mittel- und Osteuropa verlagert. Kurzfristig bedeutete das einen höheren Aufwand in der Betreuung und Befähigung der Lieferanten. Dieser Mehraufwand führt mittel- und langfristig zu steigender Produktivität und erhöhter Wettbewerbsfähigkeit.
Projektbeispiel 2: Großmaschinenbauer
Hier gab es ein operationelles (und in der aktuellen Lage häufig vorkommendes) Problem zu lösen: Für die Fertigstellung und Inbetriebnahme einer mehrere Millionen Euro teuren Anlage fehlten lediglich 150 Kleinteile wie beispielsweise Elektronik, die eine Auslieferung an den Kunden verhinderten. Aufgabe von ConMoto war es, die Lokalisierung dieser Teile durch einen strukturierten Suchprozess zu unterstützen.
ConMoto definierte gemeinsam mit dem Kunden einen klaren Suchauftrag. Durch das systematische Durchkämmen der im Unternehmen vorhandenen Materialstammdaten wurden Schwachpunkte in der Datenstruktur und der Datenpflege aufgedeckt. Als Ergebnis wurden zwei Drittel der benötigten Teile im eigenen Unternehmensverbund gefunden. Gleichzeitig behob das Projektteam die Intransparenz der Stammdaten und ihre fehlende Standardisierung. Die restlichen Teile wurden durch eine Recherche bei spezialisierten Teilevermittlern ausfindig gemacht und innerhalb einer kurzen Frist geliefert.
Auf den ersten Blick wirkt dieses „Teilesuch“-Beispiel wie ein ungewöhnlicher Spezialauftrag. Mit dem richtigen und strukturierten Vorgehen lassen sich diese Probleme vergleichsweise einfach lösen. ConMoto konnte hier helfen, drohende Konflikte mit Kunden oder sogar teure Vertragsstrafen wegen Lieferverzögerungen zu verhindern.
Projektbeispiel 3: Spezial-Chemieunternehmen
Das Kundenunternehmen verkauft Fertigprodukte der Spezialchemie. In der Supply-Chain-Krise entstanden Probleme dadurch, dass Rohmaterial fehlte und so der Absatz ins Stocken kam. Dies beeinflusste das verfügbare Betriebskapital und die Liquidität des Unternehmens negativ. In dieser Situation bekam ConMoto die Aufgabe, die Versorgung mit Rohmaterial neu zu organisieren.
Das Team startete ein Projekt, um die Prozesse für Verkaufs- und Betriebsplanung neu zu strukturieren. Der Fokus lag auf der Anpassung wichtiger logistischer Parameter an die neuen Gegebenheiten. Dazu gehörten die Minimum- und Maximumbestände, die Wiederbeschaffungszeiten und die Sicherheitsbestände der benötigten Komponenten. Gleichzeitig wurde ein Review-Prozess definiert, um die Parameter regelmäßig an die sich verändernden Marktbedingungen anzupassen. Das Projektteam nutzte PowerBI und Machine Learning Algorithmen, um das Planungssystem aufzusetzen.
English