Maschinelles Lernen: Chancen im Kostenmanagement / 3.2 Verschiedene Planungsverfahren im Einsatz

Abb. 1: Verschiedene Planungsverfahren im Einsatz

Wie Abb. 1 verdeutlicht, bestehen verschiedene Möglichkeiten zur Ableitung von Daten. Es besteht ein detaillierter Zusammenhang zwischen der Stücklistenauflösung, dem Arbeitsgang und der Wirkung auf den Ausschuss. Wenn die Gründe für den Ausschuss nicht bekannt sind, kann eine statistische Analyse vorgenommen werden. Steht der Ausschuss in einer bestimmten Relation zum Materialeinsatz, ist es plausibel, dass eine Erhöhung des Absatzes direkt auf den Ausschuss wirkt. Eine statistische Analyse vereinfacht damit die Detailplanung. Produktmixveränderungen sind dabei unter Umständen als weitere Einflussgrößen zu berücksichtigen. Vorteil der direkt identifizierten Beziehung zwischen Absatz und Ausschuss aus Abb. 1 ist die Komplexitätsreduktion. Eine Simulation bzw. Prognose ist somit auch ohne Einbezug von Stücklisten und Arbeitsplänen möglich, ohne die Genauigkeit signifikant einzuschränken. Der Vorteil der Verwendung der Rohmaterialien liegt darin, dass hier eine direkte Beziehung betrachtet werden kann und somit Lerneffekte in Bezug auf die Verursachung des Ausschusses wahrscheinlicher sind. Für jedes Materialteil muss allerdings eine eigene Analyse gestartet werden.

Zu betrachten ist auch der verwendete Kostenbegriff: In der Regel wird der wertmäßige Kostenbegriff verwendet, der Kosten als bewerteten, sachzielbezogenen Güterverbrauch definiert. Der Bewertungsaspekt ist jedoch häufig auf die spezifische Entscheidung bezogen und bezieht zum Teil Opportunitätsaspekte mit ein, was eine Schätzung erschwert.

Somit besteht eine Kostenprognose aus zwei Vorhersagen: der Verbrauchsprognose und der Preisprognose. Es kann allerdings auch nur in einem Schritt prognostiziert werden. Die Frage ist also: den Verbrauch oder die Kosten vorhersagen? Die Entscheidung hängt von der Bedeutung möglicher Preisschwankungen ab. In vielen Fällen kann man die Preiseffekte vernachlässigen, sodass man sich direkt auf die Kostenvorhersage konzentrieren kann. Hier besteht auch die Möglichkeit, externe Größen wie bspw. die Inflationsrate als weitere Einflussgrößen einzubeziehen.

Wenn die Preisentwicklung einen signifikanten Einfluss hat, dann sollte diese in einem getrennten Modell analysiert werden. Die Vorhersage der Preise (z. B. für Rohstoffe) kann ein aufwendiger Modellierungsbereich sein.^[1] Ökonomische Modelle können so zur Vorhersage von Rohstoffpreisen verwendet werden. Wenn zusätzlich Vorlaufindikatoren für die Preisentwicklung gefunden werden können, besteht möglicherweise die Chance, die Qualität der Prognose zu verbessern.

[1] Vgl. unter anderem Möller/Pieper, 2015.