In vielen Betrieben planen zwei Abteilungen aneinander vorbei. Der Einkauf bestellt Material, die Produktion plant Aufträge, jede Seite für sich. Fehlt Material, stehen Aufträge still; bestellt der Einkauf auf Vorrat, füllt sich das Lager und bindet Kapital. Eine begutachtete Studie im International Journal of Production Research, mitverfasst von den Riventic-Mitgründern Benjamin Rolf und Sebastian Lang, zeigt, wie sich beide Seiten in einem Modell gemeinsam optimieren lassen.
Zwei Pläne, die nicht zusammenpassen
Beschaffung und Produktion hängen eng zusammen. Wer sie getrennt optimiert, trifft lokal gute, in der Summe aber teure Entscheidungen: Der beste Einkaufsplan ignoriert, was die Fertigung braucht, und umgekehrt. Die Studie behandelt beides als ein einziges Optimierungsproblem.
Vorhersage trifft Optimierung
Der Ansatz koppelt zwei Verfahren. Ein LSTM-Netz, ein neuronales Netz für zeitliche Muster, prognostiziert den künftigen Bedarf. Ein genetischer Algorithmus, ein an die Evolution angelehntes Suchverfahren, prüft viele mögliche Pläne und kombiniert die besten schrittweise zu einer gemeinsamen Lösung für Einkauf und Fertigung. Die Vorhersage fließt in die Planung: Bestellt und produziert wird, was die Prognose erwarten lässt.
Das Ergebnis
Die integrierte Planung hält das Lager weder leer noch zu voll und verbessert die termingerechte Lieferung, weil eine gemeinsame Datenbasis Einkauf und Fertigung zugleich berücksichtigt.
Bezug zu Riventic
Dasselbe Zusammenspiel aus gelernter Vorhersage und KI-gestützter Optimierung prägt den Kern von Riventic Flow. Dort kombiniert Riventic KI-gestützte Optimierung mit ereignisdiskreter Simulation und mit Modellen, die auf den Fertigungsdaten jedes Kunden trainiert sind.
