Die Automobilhersteller agieren in einem so unberechenbaren Nachfrageumfeld wie nie zuvor in der Branche. Der Wechsel zwischen Elektrofahrzeugen (EVs), Hybridfahrzeugen und herkömmlichen Verbrennungsmotoren (ICE) erfolgt mittlerweile schneller, als sich die Planungszyklen anpassen können. Anreize ändern sich oft kurzfristig. Zinssätze beeinflussen das Kaufverhalten auf unvorhersehbare Weise. Sogar die Kanalpräferenzen sind volatil geworden, da die Verbraucher zwischen Online-Konfigurationstools, Händlerplätzen und Direktvertriebsmodellen wechseln.
Herkömmliche Prognoseverfahren waren nicht für ein solches Ausmaß an Abweichung ausgelegt. Sie stützen sich auf historische Nachfragedaten und geplante Markteinführungstermine, die ein unvollständiges Bild davon liefern, was der heutige Markt tatsächlich leisten wird. Aus diesem Grund legen sich die Automobilhersteller oft auf Produktionspläne fest, die nicht mit der tatsächlichen Nachfrage übereinstimmen. Diese Lücke erzeugt einen Dominoeffekt, der jeden Bereich der Lieferkette beeinträchtigt.
Die wahren Kosten der Prognose von Fehlschlägen
Fehlprognosen haben mehr Auswirkungen als nur eine Verringerung der Genauigkeitsprozentsätze auf einem Dashboard. Sie haben reale betriebliche Konsequenzen, die sich auf Umsatz, Effizienz und Kundenzufriedenheit auswirken.
Ein bekanntes Beispiel ist ein Hersteller, der aufgrund erster Marktindikatoren mit einer starken Nachfrage nach einem neuen Hybridmodell rechnet. Erste Prognosen deuten auf ein hohes Absatzvolumen hin, doch die Begeisterung der Verbraucher für Elektrofahrzeuge verlagert sich nach dem Auftauchen neuer Anreize hin zu Elektrofahrzeugen. Der Lagerbestand beginnt sich aufzubauen. Die Händler beginnen mit Preisnachlässen. Die Produktionsplaner versuchen fieberhaft, ihre Pläne anzupassen. Die Lieferanten haben Schwierigkeiten, mit den schwankenden Bestellungen Schritt zu halten. Logistikteams sind ständigen Änderungen bei Lieferzeiten und Prioritäten bei der Auslieferung ausgesetzt.
Jede falsche Annahme verstärkt die nächste. Prognosefehler führen zu Produktionsfehlern, diese wiederum zu Logistikfehlern und schließlich zu finanziellen Misserfolgen. Die führenden Köpfe der Automobilindustrie kennen diesen Zyklus genau. Was ihnen oft fehlt, ist ein Planungssystem, das in der Lage ist, diese Entwicklung zu durchbrechen.
Warum Prognosemodelle immer wieder versagen
Die meisten Prognosemodelle in Automobilunternehmen sind nicht agil genug, um mit der Geschwindigkeit Schritt zu halten, mit der sich die Marktsignale ändern. Selbst mit besseren Datenquellen greifen Planer weiterhin auf Tabellenkalkulationen, manuelle Prozesse oder veraltete Planungstools zurück, die nie für den Einsatz in einem hochvolatilen Umfeld konzipiert wurden.
Es gibt drei Hauptgründe, warum Prognosen immer wieder scheitern:
- 1. Das Konsumverhalten ist viel zu dynamisch für statische Prognosen. Die Präferenzen ändern sich schnell hinsichtlich Antriebsarten, Ausstattungsvarianten und Funktionen, was ständige Aktualisierungen der Planung erforderlich macht.
- 2. Die Planungsteams sind durch isolierte Datenquellen eingeschränkt. Marktdaten, Händlereinblicke, Lieferengpässe und Produktionsmachbarkeit werden selten in einem einzigen Modell aufeinander abgestimmt.
- 3. Automobilunternehmen zögern, wirklich iterative Planungsprozesse einzuführen. Monatliche Zyklen können mit wöchentlichen oder täglichen Veränderungen nicht Schritt halten.
Um voranzukommen, benötigen die Automobilhersteller einen Planungsansatz, der auf Marktveränderungen mit der gleichen Geschwindigkeit reagiert, mit der sie auftreten.
