improve-delivery-performance-celonis-min (1)

7 Strategien zur Verbesserung der Lieferleistung mit Celonis

hugo-santana-celonis (1)
von Hugo Santana
Juli 08, 2019
Lesezeit: 8 Minuten

Die Optimierung von Lieferprozessen ist kein leichtes Unterfangen. Sie erfordert eine sorgfĂ€ltige Analyse der zugrunde liegenden Branche, der gelieferten Ware und der Kundenanforderungen. Viele Faktoren tragen dabei zu einer pĂŒnktlichen Lieferung bei. Nur wer diese EinflussgrĂ¶ĂŸen genau kennt, kann Lieferungen zeitgenau abwickeln und sich somit einen wertvollen Wettbewerbsvorteil verschaffen.

In diesem Artikel stellen wir die 7 besten Strategien zur Messung und Verbesserung von Lieferprozessen vor. Inspiration zogen wir dabei aus der Zusammenarbeit mit BranchenfĂŒhrern wie Uber, Siemens, ABB, BMW und Coca-Cola. Dort kommen diese Strategien bereits zum Einsatz, um das Vertrauen von Kunden zu gewinnen und deren Erwartungen regelmĂ€ĂŸig zu ĂŒbertreffen.

1. Fassen Sie klare Ziele ins Auge.

Der erste Schritt zu Lieferexzellenz besteht darin, Ziele zu identifizieren und zu definieren. Ein zentrales Bewertungskriterium fĂŒr Lieferungen ist „On-Time Delivery“ (OTD) – die pĂŒnktliche Lieferung.

Um diese Kennzahl zu ermitteln, benötigen Sie zunĂ€chst einmal ein genaues VerstĂ€ndnis Ihrer Kunden – nur auf dieser Basis lassen sich konkrete Maßnahmen und – noch wichtiger – Kategorien zur Qualifizierung Ihrer Ergebnisse definieren. Mit Celonis können Sie die OTD-Quote in AbhĂ€ngigkeit Ihrer Kundenanforderungen und Unternehmensstrategie messen.

Uber legt beispielsweise in Form prognostizierter Abhol- und Ankunftszeiten von Beginn an klare Prozessziele fest. Schließlich wirken sich FahrverspĂ€tungen massiv auf die Zufriedenheit der Kunden aus. Das vorgegebene Zeitfenster ist dabei sehr eng – kommt der Fahrer ein paar Minuten zu spĂ€t, ist das PĂŒnktlichkeitskriterium nicht mehr erfĂŒllt.

2. Teile und herrsche.

Nehmen wir einmal an, ein Uber-Taxi ist zu spÀt am Zielort angekommen. Warum ist das passiert? Vielleicht lag das Problem ja bei der Fahrgastaufnahme. Unter UmstÀnden war der Kunde nicht rechtzeitig am vereinbarten Ort, oder der Fahrer hatte eine zu lange Anfahrt.

Es könnte aber auch sein, dass die Zeitprognose schlicht zu optimistisch war. Lief die Abholung des Fahrgasts hingegen nach Plan, können wir die Fahrgastbeförderung analysieren. Dort kommen unzĂ€hlige GrĂŒnde fĂŒr eine VerspĂ€tung in Betracht – beispielsweise Staus, ineffiziente Routenplanung oder eine ungenaue Berechnung der Fahrtdauer. Durch die Aufteilung der Fahrt in zwei Abschnitte können jeweils spezifischere Kennzahlen und Problemursachen ermittelt werden.

Process-Mining-Technologie bietet die Möglichkeit, Prozesse problemlos weiter zu untergliedern. Sie behĂ€lt auch dann den Durchblick, wenn Sie verschiedene Abteilungen, tausende Kunden und Millionen EinzelfĂ€lle analysieren mĂŒssen. Process Mining ermittelt, wo Sie Zeit verlieren, und hilft Ihnen, zur Wurzel des Problems vorzustoßen und Lösungen auf den Weg zu bringen.

3. Vermeiden Sie Verschiebungen des Lieferdatums.

Neben verspĂ€teten Lieferungen wirkt sich auch die Änderung des Lieferdatums besonders stark auf die Kundenzufriedenheit aus. Wird das Lieferdatum stĂ€ndig verschoben, verlieren Kunden das Vertrauen in Sie.

Wenn Sie ein Uber bestellt haben und sich die Ankunftszeit stÀndig nach vorne oder hinten verschiebt, verlieren Sie das Vertrauen in den Service.

Vermeiden Sie deshalb Verschiebungen des Lieferdatums. Stellen Sie sich die folgenden Fragen, um Ihre Lieferperformance zu verbessern:

Wie oft werden Lieferzeiten verschoben?

Wie oft Àndern sich einzelne Lieferzeiten?

Verzögern oder beschleunigen diese Änderungen die Lieferung?

Celonis ist nicht nur in der Lage, die Zahl der gegenĂŒber Kunden kommunizierten Änderungen von Lieferterminen zu messen, sondern auch deren Ursachen identifizieren.

4. ErfĂŒllen Sie jederzeit die Erwartungen Ihrer Kunden.

Die Kennzahl „LieferfĂ€higkeit“ definiert, wie zuverlĂ€ssig Sie das vom Kunden angefragte Lieferdatum einhalten. Sie gibt somit Aufschluss darĂŒber, ob Sie den Anforderungen des Marktes und Ihrer Kunden gerecht werden. Genau hier kommt die Delivery-Performance-Lösung von Celonis ins Spiel, die neben der Messung dieser Kennzahlen auch noch Verbesserungspotenzial aufzeigt.

In der Ridesharing-Branche sind die PĂŒnktlichkeitsanforderungen naturgemĂ€ĂŸ sehr hoch. Um dem gerecht zu werden, muss Uber seinen Service minutengenau timen – andernfalls steigen die FahrgĂ€ste aufs Taxi um.

Je nach Industrie können natĂŒrlich auch Lieferzeiten von einigen Wochen akzeptabel sein. Insgesamt jedoch entwickeln Kunden hinsichtlich der Durchlaufzeiten immer höhere AnsprĂŒche, da LieferablĂ€ufe bei Tier-1-Unternehmen kontinuierlich optimiert werden.

5. Messen Sie die Reaktionszeit.

Die Reaktionszeit hÀngt mit Ihrer FÀhigkeit zusammen, Liefertermine prÀzise einzuschÀtzen und einzuhalten. Es gibt viele Wege, wie Sie die Reaktionszeit verbessern und so das Vertrauen Ihrer Kunden gewinnen können.

Uber erzielt beispielsweise durch die Zusammenarbeit mit einer Vielzahl an Partnern eine schnelle Reaktionszeit. Dadurch stehen dem Unternehmen genĂŒgend Ressourcen zur VerfĂŒgung, um Kundenanforderungen gerecht werden. Bei Uber errechnet sich die Reaktionszeit aus der Entfernung zwischen dem Fahrgast und den verfĂŒgbaren Fahrern. Uber hat Algorithmen entwickelt, die das ideale Match aus Kunde und Fahrer ermitteln.

Auch Sie sollten sich fragen: Wie gut ist Ihre Reaktionszeit?

Wie gewĂ€hrleisten Sie PĂŒnktlichkeit?

Welche Faktoren fließen in Ihre Berechnung mit ein?

Welche Variablen können verbessert werden, um die Reaktionszeit weiter zu verkĂŒrzen?

Celonis kann Reaktionszeiten messen und optimieren, indem Ihre Durchlaufzeiten analysiert werden. Die Durchlaufzeit beschreibt die benötigte Zeit zur Bearbeitung von AuftrĂ€gen oder Bereitstellung von GĂŒtern. Sie kann auf unterschiedliche Weise gemessen werden.

In der Regel nimmt Ihr ERP-System die Berechnung automatisch vor. Die Lieferleistung hĂ€ngt in starkem Maße von Ihren Durchlaufzeiten ab. Letztere sind also ein SchlĂŒssel dazu, proaktiver zu handeln und auch kurzfristig reagieren zu können.

6. Behalten Sie Incoterms im Blick.

Incoterms regeln den GefahrenĂŒbergang sowie die Kosten und Risiken beim GĂŒtertransport. Änderungen an Incoterms sind fĂŒr Sie auch deshalb wichtig, weil sie die Lieferleistung beeinflussen können.

Stellen Sie sich folgende Situation vor: Eine Gruppe von sechs Personen bestellt im Feierabendverkehr ein UberXL.

Der Preis betrĂ€gt das Dreifache des normalen Tarifs, da Uber zu dieser Zeit eine besonders hohe Nachfrage registriert. Wenige Minuten vor Ankunft des Fahrers wird die Gruppe ĂŒber eine PlanĂ€nderung informiert: Zur VerfĂŒgung steht jetzt nur noch ein normales UberX, was zu klein fĂŒr die Gruppe ist.

Außerdem betrĂ€gt der Preis jetzt das FĂŒnffache des normalen Tarifs – die Begeisterung der Kunden hĂ€lt sich verstĂ€ndlicherweise in Grenzen. Denselben Effekt haben Änderungen an Incoterms fĂŒr Organisationen, die beispielsweise Überseetransporte abwickeln.

Celonis kann derartige Änderungen erfassen und somit unnötige Risiken, Zusatzkosten, manuellen Aufwand und Verzögerungen eliminieren.

7. Lernen Sie aus der Vergangenheit, um fit fĂŒr die Zukunft zu werden.

Lieferprognosen auf Basis von Machine-Learning-Algorithmen können Ihnen einen wichtigen Wettbewerbsvorteil verschaffen und die Lieferleistung signifikant verbessern. Uber hat eigene Algorithmen entwickelt, die sich positiv auf die Lieferleistung auswirken.

So helfen beispielsweise Navigationsalgorithmen den Fahrern, die effektivste Route zum Zielort zu ermitteln – das wirkt sich direkt auf die „On-Time Delivery“ aus.

Die Algorithmen reagieren dynamisch auf die aktuelle Verkehrssituation, etwa auf Staus, UnfĂ€lle und andere Vorkommnisse. Machine Learning ist heutzutage ein wichtiger Baustein fĂŒr Lieferexzellenz.

Die von Celonis entwickelten Prognosemodelle berĂŒcksichtigen dabei auch LiefervorgĂ€nge aus der Vergangenheit: FĂ€lle, bei denen eine pĂŒnktliche Lieferung in Gefahr ist, können mittels Parametern wie „BestĂ€tigtes Lieferdatum“, „FĂ€lligkeitsdatum“, „Materialart“, „Fertigungswerk“ und „Land“ ermittelt und kategorisiert werden.

DarĂŒber hinaus lassen sich Verzögerungen vorhersagen, indem saisonale Faktoren in die Ressourcenplanung einbezogen und somit zuverlĂ€ssigere Prognosen ermöglicht werden.

Das Delivery-Performance-Lösungspaket aus dem Celonis App Store

Der Celonis App Store enthĂ€lt Lösungen, die Ihre Lieferleistung anhand der hierin vorgestellten Strategien messen und verbessern. Mit dem Solution Package können Sie die PĂŒnktlichkeit von Lieferungen messen, Prozesskomponenten analysieren, leistungsschĂ€dliche Änderungen vermeiden, Kundenerwartungen erfĂŒllen, Ihre Reaktionszeit verbessern, manuelle Eingriffe infolge von Incoterms reduzieren und drohende Verzögerungen mit Machine Learning frĂŒhzeitig erkennen.

Neben leistungsstarken Dashboards enthÀlt das Package auch FunktionalitÀt und Ziele zur Aktivierung von Action Engine und Transformation Center.

Falls Sie an der Delivery-Performance-Lösung von Celonis interessiert sind, kontaktieren Sie uns gerne per E-Mail an appstore@celonis.com.

hugo-santana-celonis (1)
Hugo Santana
Senior Business Process Analyst

Hugo joined Celonis after completing his Masters in Data Science at the Technical University of Eindhoven. His passion is to realize business value from Process Mining Technology. Currently, he develops customer solutions in the Celonis App Store, specializing in Sales & Fulfillment processes.

Abonnieren Sie unseren monatlichen Newsletter

We've received your submission
Please fill in all the fields

Indem Sie dieses Formular absenden, stimmen Sie der Speicherung und Verarbeitung Ihrer personenbezogenen Daten durch Celonis gemĂ€ĂŸ unserer Datenschutzrichtlinie zu.
Lieber Besucher, wir haben festgestellt, dass Sie eine veraltete Browser-Version verwenden. Teile dieser Seite werden von Ihrem Browser nicht korrekt dargestellt. FĂŒr eine korrekte Funktionsweise der Seite empfehlen wir Ihnen, einen alternativen Browser zu verwenden oder Ihren Browser auf eine unterstĂŒtzte Version anzuheben.