Kein APS wird Ihre Supply Chain stabilisieren – bevor sich das ändert

Was viele Transformationen ignorieren: Planung ist kein Systemproblem. Sie ist ein Strukturproblem.

Wir beobachten immer wieder das Gleiche:

• Planung wird zentralisiert – aber niemand weiß, wer welche Entscheidungen treffen darf.
• Rollen heißen „Planer“, aber niemand besitzt echte Entscheidungsbefugnis.
• Systeme machen Vorschläge, aber kaum jemand versteht, wie diese zustande kommen.
• Wenn es kritisch wird, greift jeder wieder zu Excel – weil das Vertrauen ins System fehlt.

Das Ergebnis: Firefighting, Ineffizienz, fehlende Stabilität.

Was fehlt, ist ein Planning Operating Model

Eines, das definiert:

• Wer entscheidet was – auf welcher Ebene, in welchem Rhythmus?
• Welche Methoden gelten für welche Segmente, Produkte oder Märkte?
• Welche Regeln greifen bei Ausnahmen, NPI, Allokationen, Planbruch oder Netzwerkänderungen?
• Wie werden Parameter gepflegt, Daten qualitätsgesichert und Regeln angepasst?

KI skaliert – aber nur das, was da ist

Agentic AI klingt beeindruckend. Aber wenn keine Entscheidungslogik da ist, keine verlässlichen Parameter existieren, keine Zielarchitektur definiert ist – dann skaliert KI nur das Chaos.
 

Ein Beispiel: Eine KI soll Durchlaufzeiten anpassen – basierend auf realer Produktionsleistung. Dafür müsste sie

• historische Auftragsdaten analysieren (zum Beispiel aus S/4),
• Abweichungen zu Soll-Durchlaufzeiten erkennen,
• Stammdaten ändern,
• Sicherheitsbestände, Bestellpunkte und Kapazitäten neu berechnen,
• und automatisch Vorschläge für Planung und Terminierung generieren.

Das ist kein Chatbot. Das ist Entscheidungsautomatisierung. Und dafür braucht es Regeln, saubere Daten, Parameter und Feedback-Loops.

Daran scheitert es oft.
 

Denken in Regeln, Bandbreiten und Rhythmen

Was heute fehlt, sind Systeme, die Planungslogik in strukturierte, adaptierbare Mechanismen übersetzen:

• Denken in Regeln statt Templates.
• Denken in Bandbreiten statt Punktprognosen.
• Denken in Rhythmen statt Reaktionen.

Nur so entsteht eine Architektur, in der Agentic AI überhaupt funktionieren kann.

Viele aktuelle APS-Systeme folgen noch immer der MRP-Logik aus den 1970ern – nur schöner verpackt, mit besserer Oberfläche und KI-Schmuck drumherum. Aber die Grundlogik bleibt dieselbe:

• MRP generiert Bedarf.
• Das System erzeugt Anforderungen.
• Der Planer soll entscheiden.
• Und alles explodiert – durch jede Ebene der Lieferkette.

Keine Pufferlogik. Keine Stabilitätsgrenzen. Keine Segmentierung.
 

Ergebnis: Jeder Auftrag wird dringend. Jede Abweichung wird zum Problem. Jede Planungsschicht kollabiert unter ihrem eigenen Rauschen.
 

Was wir wirklich brauchen

Wir brauchen keine schnelleren Optimierer. Wir brauchen Systeme, die

• Planungsschichten entkoppeln,
• Puffer und Rhythmen zur Synchronisation nutzen,
• Parameter dynamisch pflegen,
• mehrere Planungslogiken nebeneinander unterstützen (zum Beispiel Bandbreiten statt Punktwerte),
• Segmentierung erlauben (etwa nach Cynefin oder anderen Frameworks),
• Transparenz schaffen, Simulation ermöglichen und Feedback in Struktur übersetzen.

Und vor allem:

Wir brauchen Systeme, die Erweiterungen zulassen. Denn „Standard einhalten“ bedeutet oft: nicht denken, nicht hinterfragen, nicht verbessern.
 

Komplexität verschwindet nicht – und zu glauben, man könne sie mit einem starren Modell „wegoptimieren“, ist gefährlicher als die Erkenntnis, dass gezielte Logik nötig ist.
 

Ja, 60–80 % Ihrer Supply Chain lassen sich standardisieren. Aber 20–40 % müssen das abbilden, was Ihre Realität ist.
 

Sind Sie bereit für das, was Sie fordern?

Bevor Sie in Next-Gen-Planung investieren, stellen Sie sich ein paar einfache Fragen:

• Verstehen Ihre Planer, wie Entscheidungen über Planungsebenen hinweg wirken?
• Haben Sie Entscheidungsregeln dokumentiert – oder existieren sie nur in den Köpfen?
• Sind Ihre Daten (wie Stücklisten, Durchlaufzeiten, Arbeitspläne) robust genug für Automatisierung?
• Können Ihre Systeme innerhalb von Bandbreiten planen – oder nur Ja/Nein entscheiden?

Wenn Sie noch mit Excel Brände löschen, ist Ihre erste Investition nicht KI. Es sind Struktur, Logik und Orchestrierung.