Präzise Absatzprognose für weniger Lebensmittelverschwendung
| Steckbrief | |
|---|---|
| Firma | Foodforecast Technologies GmbH |
| Produkte & Dienstleistungen | KI-Software für weniger Lebensmittelverschwendung |
| Business Model Canvas | Kundenbeziehungen, Schlüsselressourcen, Schlüsselaktivitäten, Schlüsselpartner, Kostenstruktur |
| ca. Zahl der Mitarbeiter:innen (weltweit) | 9 |
| Zielgruppe | Anwender |
| Hauptsitz | Köln, Deutschland |
| Use Cases | Supply Chain Management |
Ausgangssituation & Herausforderungen
Unternehmen verwenden oft traditionelle und fehleranfällige Planungsmethoden, um ihre Mengenplanung, Absatzplanung und Produktion zu steuern. Diese herkömmlichen Methoden sind in Bezug auf die Nachhaltigkeit häufig ineffizient und führen oftmals zu Ungenauigkeiten in den Planungsprozessen. Diese Softwarelösungen ermöglichen datengesteuerte Entscheidungen, was bedeutet, dass sie auf umfassenden Datenanalysen und -prognosen basieren. Der Einsatz von Foodforecast soll es den Unternehmen ermöglichen, ihre Planungsprozesse in Bezug auf Bestelloptimierung, Produktionsplanung und Filialplanung zu automatisieren und somit die Vorteile einer optimierten Absatzplanung und einer nachhaltigen Produktion zu nutzen. Des Weiteren wird eine Interaktive Analyseplattform angeboten, die einfache und standardisierte Datenauswertungen erstellt und auch Handlungsempfehlungen für nachhaltiges Handeln ableitet.
Ziele
Insgesamt geht es hierbei darum, die Effizienz und Genauigkeit der Planungsprozesse zu verbessern.
Lösung/ Maßnahmen/ Projekt
Die Künstliche Intelligenz (KI) von FoodForecast stellt eine innovative Lösung dar, die zwei Hauptfunktionen bereitstellt. Erstens ermöglicht sie die präzise Prognose von Verkaufsmengen, wobei sie sowohl interne als auch externe Daten berücksichtigt. Interne Daten umfassen historische Verkaufs- und Bestelldaten, während externe Daten Wetterinformationen, Feiertage und weitere externe Faktoren einschließen. Die KI erkennt über Prozesse des maschinellen Lernens eigenständig Muster in diesen Daten und generiert auf dieser Grundlage verlässliche Prognosen. Je umfassender die Datenbasis ist, desto präziser werden die Vorhersagen. Sogar kurzfristige Veränderungen, wie etwa temporäre Baustellen in der Nähe einer Filiale, werden von der KI erfasst und in die Prognosen einbezogen.
Umsetzung
Die erfolgversprechende Implementierung dieser Technologie erforderte eine enge Zusammenarbeit von Schlüsselpartnern. Das Unternehmen bietet eine „Software as a Service“ zur Umsetzung an.
Was wurde benötigt?
Historische Daten unterschiedlichster Marktumgebungsfaktoren wie Wetterdaten, Kalender etc. wie auch Daten der jeweiligen Unternehmen als Trainingsdaten.
Was wurde erreicht?
Im Jahre 2022 wurden durch die Bereitstellung dieser Technologie bereits 9.500.000kg CO2 eingespart sowie 2000 Tonnen Lebensmittelabfall verhindert.