D-CAT Group ↗ Kontakt ENTRDEESAZ
12 Fragen 4-Wochen-Pilot starten
4-Wochen-Pilot starten

Lösungen · nach Abteilung · Supply Chain & Bestand

Supply Chain: der Auftrag, das Regal und der Lieferant, jeden Morgen gelesen

Supply-Chain-Leiter (Servicegrad, Bestand, Cost-to-Serve) · Versorgungs- und Bestandsplaner (Reichweitentage, Fehlbestände, Überbestand) · Einkaufsleiter (Lieferantenpünktlichkeit, Lieferzeit, Eilbestellungen) · Leiter der Distributionszentren und Niederlassungen (ihr eigener Schnitt) · CIO (das ERP, das Lagerverwaltungssystem und der Spediteur-Feed sind drei Systeme mit drei Datenrändern; das Modell nennt jeden). Der Käufer ist der Supply-Chain-Leiter mit dem CFO; der tägliche Leser ist der Planer.

Wie die drei Agents auf dieser Seite ein semantisches Modell lesenLinks ein semantisches Modell; in der Mitte drei geplante Agents - Supply-Chain-Leiter-Agent, Bestandsgesundheits-Agent, Lieferantenleistungs-Agent; jeder veröffentlicht rechts Findings, Recommendations und einen Brief.semantisches Modellimportiert aus Axoria Data Studioorder_lineslines_otifotif_ratelines_on_timelines_in_fullSupply-Chain-Leiter-Agentmonatlich am 3. · 06:00FFindingRRecomm.BBriefBestandsgesundheits-Agentwöchentlich · Montag 05:30FFindingRRecomm.BBriefLieferantenleistungs-Agentmonatlich am 3. · 06:30FFindingRRecomm.BBriefjede Zahl in einer Aufzeichnung trägt eine Nachweisadresse

Fragen

Die Fragen, die der Supply-Chain-Leiter jeden Monat stellt

  • Wo haben wir OTIF verfehlt — Kunden, Distributionszentren, Spediteure — und lag es an Bestand, Kapazität oder Transport?
  • Welche SKUs trieben den Prognosefehler, und welcher Mangel oder Überschuss entstand daraus?
  • Wie viel Bestand halten wir gegenüber dem Plan, wo altert er, und wie hoch ist die Überbestandsexposition?
  • Welche Lieferanten sind bei Lieferzeit oder Erfüllung abgerutscht, und was hat das Beschleunigen gekostet?

In der Unterhaltung

Beispielfragen, die Menschen in die Unterhaltung eingeben

Vertiefungspfad — der Nachweis des Findings wird eingefroren mitgeführt; eine neue Zahl braucht eine neue Abfrage, und der Agent sagt das

  • "Die August-OTIF-Verfehlungen von DC East nach Kundensegment aufschlüsseln."
  • "Welche Niederlassung trägt die A-Klasse-Fehlbestandstage?"
  • "Wert langsam drehender Bestände nach Lieferantensortiment zeigen."
  • "Sind die beiden verspäteten Lieferanten auch im August 2025 abgerutscht?"
  • "Wie aktuell ist der Bestands-Snapshot?"

Personas

Drei Beispiel-Agenten

Die Agenten unten sind Beispiele für diese Abteilung, kein festes Set: Supply-Chain-Leiter-Agent · Bestandsgesundheits-Agent · Lieferantenleistungs-Agent. Der geplante Lauf jedes einzelnen wird in den folgenden Beispielsets gezeigt.

Set 1

Supply-Chain-Leiter-Agent

Zielgruppe: Supply-Chain-Leiter, CFO, Leiter der Distributionszentren.

Set 2

Bestandsgesundheits-Agent

Zielgruppe: Bestandsplaner, Niederlassungsleiter.

Set 3

Lieferantenleistungs-Agent

Zielgruppe: Einkaufsleiter, Versorgungsplaner.

Der Name eines Agenten sagt, welche Kennzahlen er liest und für wen. Er besitzt nichts von der Autorität der Rolle: Er entscheidet nicht, genehmigt nicht und handelt nicht.

Agenten für die Themen, die Sie wählen

Ein Agent ist eine Aufgabenbeschreibung, ein gebundenes semantisches Modell und ein Zeitplan — kein Code —, also legen Sie die Themen fest, die er beobachtet: einen Kostenträger, einen Leistungsbereich, eine Kampagne, einen Lieferanten. Die ersten schreiben wir gemeinsam mit Ihnen.

Bauen Sie Ihre Agenten mit uns →

Beispielsets

Drei Beispielsets, je ein Lauf

Jedes Set ist eine Agent-Persona und die Ausgabe eines geplanten Laufs — der Brief, die Recommendations und die Findings, auf denen sie beruhen — im eigenen Aufzeichnungsumschlag des Produkts. Das erste Set ist geöffnet; die anderen beiden sind eingeklappt. Das Modell und die Kennzahlen, die die Sets voraussetzen, sind am Fuß der Seite aufgeführt.

VeranschaulichendSet 1Supply-Chain-Leiter-Agent
Persona
Erstellt das monatliche Briefing für den Supply-Chain-Leiter eines Distributors für Elektro- und Sanitärprodukte — zwei Distributionszentren, sechs Niederlassungen, 11,400 aktive SKUs, Umsatz in €; zerlegt eine Service-Verfehlung danach, wo sie geschah und welche Hälfte von "pünktlich, vollständig" versagte, und einen Bestandsanstieg in Schnelldreher und Langsamdreher. · Zielgruppe: Supply-Chain-Leiter, CFO, Leiter der Distributionszentren. · Tonfall: direkt, zahlengeführt; nennt, auf welchem Feed ein Verhältnis gebaut wurde. · Ausgabesprache: en
Signale, die er beobachtet
(1) OTIF je Distributionszentrum und Kundensegment, mit der Zeilenbasis. (2) Bestandstage gegen Umsatzwachstum — Bestand, der schneller wächst als der Umsatz, ist ein Finding, auch wenn der Umsatz steigt. (3) Langsamdreher-Anteil am Bestandswert. (4) Logistikkostenquote, als vorläufig gestempelt, solange der Frachtrechnungs-Feed unvollständig ist. (5) Zwei Sterne nebeneinander — Auftragszeilen aus dem Lagerverwaltungssystem, Bestand aus dem ERP — im Satz verglichen, nie über einen Join, den das Modell nicht hat.
Schwellen, die ihm vorgegeben wurden
Finding 10 % · critical 30 % · Verhältniskennzahlen (OTIF, Anteile, Tage) 2 Punkte, critical 6 Punkte · Mindestanteil 5 % der Auftragszeilen · Schweregrad-Regel: medium, wenn eine Schwelle überschritten wird, high, wenn sich eine Verhältniskennzahl um mehr als 1.25× ihrer Schwelle oder eine Zählkennzahl um mehr als 1.5× der Finding-Schwelle bewegt, critical oberhalb der kritischen Schwelle; ein ongoing-Thema behält den Schweregrad, der ihm gegeben wurde · Ausnahmeregel: eine Bewegung unterhalb der Schwelle, die ihre Richtung über drei Läufe gehalten hat, wird als Beobachtungsposten mit low veröffentlicht

Laufkopf

  • Geplant monatlich am 3. um 06:00, Europe/Amsterdam
  • Zeitraum: August 2026 vs. August 2025 — gleiche Kalendertage (31), gleiche Arbeitstage (21)
  • Daten vollständig bis 2026-09-02, gemessen über max(SHIP_DATE) für Aufträge und max(STOCK_DATE) für Bestand, vor 5 Stunden; der Frachtrechnungs-Feed ist vollständig bis 2026-08-12 und deklariert eine Verzögerung von drei Wochen
  • Geltungsbereich: beide Distributionszentren, alle sechs Niederlassungen; keine Row-Level-Regel ist an diesen Agenten gebunden
  • Modell: das freigegebene Modell des Arbeitsbereichs, auf den Lauf geschrieben
  • Kosten: auf dem Lauf festgehalten
Brief

August 2026: OTIF 94.20 % → 90.80 % auf 51,004 Zeilen, DC East bei 87.10 % — Bestandstage 61.2 → 68.9 mit Langsamdrehern bei 11.4 % des Werts; Logistikkostenquote 4.71 %, vorläufig

Annahmenstreifen

Sie haben keinen Zeitraum angegeben; der letzte volle Monat (August 2026) wurde angenommen, verglichen mit August 2025. Aufträge und Bestand sind zwei Sterne in diesem Modell; Vergleiche zwischen ihnen werden im Satz gebaut, nicht über einen Join. Die Logistikquote ist auf einem unvollständigen Rechnungs-Feed gebaut und als vorläufig gestempelt (trust B).

Mehr Zeilen wurden versandt und weniger davon kamen pünktlich und vollständig an: OTIF fiel von 94.20 % auf 90.80 % auf 51,004 Zeilen, und DC East trägt 99.31 % der zusätzlichen Verfehlungen, bei 87.10 % auf 55.00 % der Zeilen des Monats gegenüber 95.33 % bei DC West; ob die Verfehlungen von East verspätet oder unvollständig waren, lässt sich nicht sagen, solange der Feed ein einziges Kennzeichen sendet. Der Bestand wuchs um 15.75 % gegenüber einem Umsatzwachstum von 5.80 %, und hob die Bestandstage von 61.2 auf 68.9, und das Wachstum liegt in Bestand, der seit sechs Monaten nicht verkauft wurde — 11.4 % des Werts, gegenüber 8.1 % zuvor — während die A-Klasse-Reichweite fiel. Die Logistikkosten lesen 4.71 % des Umsatzes gegenüber 4.38 %, vorläufig, bis die Spediteurrechnungen vollständig sind.

covers: Finding 1, Finding 2, Finding 3

— Lauf: monatlich, das freigegebene Modell des Arbeitsbereichs, Daten vollständig bis 2026-09-02 (Fracht bis 2026-08-12). Guard Ledger: held 1 — Kandidat f-04 (auf verspäteten Zeilen verlorene Marge), Grund numeric_provenance: eine op deklariert mit einem Margen-Operanden, den kein Umschlag enthält; duplicate 1 — Kandidat f-05 (OTIF nach Spediteur neu dargestellt) bei Fingerabdruck-Übereinstimmung in Finding 1 zusammengeführt (Kennzahl otif_lines + Zeitraum + Zelle); Trust-Herabstufung 1 — Finding 3 mit B gestempelt (schwächster Nachweis: Umschlag freight_invoices unvollständig); not_selected 0.

Recommendation 1

Den Verantwortlichen für das Lagerverwaltungssystem bitten, die Kennzeichen für pünktlich und vollständig getrennt zu senden; bis dahin die August-Verfehlungen von DC East nach Kundensegment und nach dem eingetragenen Lieferanten der SKU aufschlüsseln

based_on: Finding 1 · Verantwortlich: Leiter von DC East, mit der Versorgungsplanung

Eine Service-Verfehlung, die sich nicht in "verspätet" und "unvollständig" trennen lässt, kann weder dem Transport noch dem Bestand zugeordnet werden. Das zweite Kennzeichen ist eine Feed-Änderung, keine Modelländerung. Bis es eintrifft, werden die Schnitte nach Segment und Lieferant — beide in diesem Modell — zeigen, ob sich die Verfehlungen auf SKUs häufen, deren Lieferant ebenfalls abgerutscht ist (Set 3), oder auf Kunden mit einem bestimmten Lieferfenster.

Die Findings, auf denen das beruht

Finding 1

OTIF 94.20 % → 90.80 % der Auftragszeilen (45,414 von 48,210 → 46,312 von 51,004; −3.40 Punkte), während Zeilen +5.80 % — DC East bei 87.10 % auf 55.00 % der Zeilen gegenüber DC West 95.33 %

severity criticaldirection downnovelty newtrust AAufschlüsselung DISTRIBUTION_CENTRE = East

Im August 2026 versandte das Unternehmen 51,004 Auftragszeilen gegenüber 48,210 ein Jahr zuvor (+5.80 %); 46,312 davon kamen pünktlich und vollständig an (90.80 %) gegenüber 45,414 (94.20 %) — ein Rückgang um 3.40 Punkte, 1.70× der 2-Punkte-Verhältnisschwelle. Die Verfehlung ist nicht gleichmäßig verteilt: DC East bearbeitete 28,052 Zeilen (55.00 % des Monats) bei 87.10 % OTIF (24,433) gegenüber 93.55 % (25,178 von 26,914) ein Jahr zuvor — ein Rückgang um 6.45 Punkte, über der kritischen 6-Punkte-Linie für die Zelle des Findings (severity critical) — während DC West 22,952 bei 95.33 % (21,879) gegenüber 95.02 % (20,236 von 21,296) bearbeitete. Von den 1,896 zusätzlich verfehlten Zeilen trägt DC East 1,883 (99.31 %). Das Volumen wuchs an beiden Zentren; der Service fiel an einem. Pünktlich und vollständig kommen in diesem Modell als ein Kennzeichen an — das Lagerverwaltungssystem führt beide, der Feed sendet eines — sodass sich hier nicht trennen lässt, welche Hälfte bei DC East versagte.

Recommendation 2

Den Wert langsam drehender Bestände nach Lieferantensortiment und nach Monat des letzten Wareneingangs aufschlüsseln und offene Bestellungen daneben stellen, sobald sie im Modell sind

based_on: Finding 2 · Verantwortlich: Bestandsplaner, mit dem Einkaufsleiter

Langsamer Bestand, der noch immer eingeht, ist die Exposition, die wächst. Die Schnitte nach Lieferantensortiment und letztem Wareneingang sind in diesem Modell; offene Bestellverpflichtungen sind es nicht und müssten aus dem ERP neben der Aufzeichnung gelesen werden.

Die Findings, auf denen das beruht

Finding 2

Bestandstage 61.2 → 68.9 (+12.58 %), während Umsatz +5.80 %: Bestandswert 14.6 → 16.9 M € (+15.75 %), Langsamdreher-Anteil am Wert 8.1 % → 11.4 % (+3.3 Punkte) — Reichweitentage der Schnelldreher fielen

severity highdirection upnovelty newtrust AAufschlüsselung ABC_CLASS = C

Der Monatsendbestand stand bei 16.9 M € gegenüber 14.6 M € ein Jahr zuvor (+15.75 %), während der Nettoumsatz um 5.80 % wuchs, sodass die Bestandstage von 61.2 auf 68.9 stiegen (+12.58 %, 1.26× der 10 %-Finding-Schwelle). Das Wachstum sitzt am langsamen Ende: Bestand ohne Verkäufe in 180 Tagen stieg von 8.1 % (1.18 M €) auf 11.4 % (1.93 M €) des Werts — ein Anstieg um 3.3 Punkte, 1.65× der 2-Punkte-Verhältnisschwelle, die Zelle des Findings und sein Schweregrad (high); +40.74 % relativ — während die A-Klasse-Reichweitentage fielen, von 24.1 auf 22.7. Das Unternehmen hält mehr von dem, was sich nicht verkauft, und weniger von dem, was sich verkauft. Offene Bestellverpflichtungen sind nicht in diesem Modell, sodass sich hier nicht lesen lässt, wie viel weiterer langsamer Bestand bereits bestellt ist.

Ebenfalls in diesem Lauf veröffentlicht, ohne dass eine Recommendation darauf beruht

Finding 3

Logistikkosten 4.38 % → 4.71 % des Nettoumsatzes (+7.53 % relativ) — vorläufig: der Frachtrechnungs-Feed trägt 78 % der für August erwarteten Rechnungen

severity lowdirection upnovelty newtrust BAufschlüsselung COST_TYPE = Transport

Die Logistikkosten als Anteil am Nettoumsatz lesen für August 4.71 % gegenüber 4.38 % ein Jahr zuvor, eine relative Bewegung von +7.53 %, für sich unterhalb der 10 %-Finding-Schwelle; sie wird nach der Drei-Läufe-Beobachtungs-Ausnahmeregel mit low veröffentlicht, und weil der Leser wissen muss, dass das Verhältnis vorläufig ist: Der Spediteurrechnungs-Feed deklariert eine Verzögerung von drei Wochen und hat 1,204 der 1,544 für August erwarteten Rechnungen geliefert (77.98 %). Die Aufzeichnung trägt aus diesem Grund die Trust-Stufe B, und das Verhältnis wird neu gelesen, wenn der Feed vollständig ist. Die Aufteilung Transport gegenüber Lagerhaltung ist in diesem Modell und zeigt, dass der Transport den Anstieg trägt; der Lane-Schnitt wurde in diesem Lauf nicht geöffnet.

Was dieser Lauf nicht sehen konnte.

Das zweite OTIF-Kennzeichen. Offene Bestellverpflichtungen. Frachtrechnungen nach dem 12. August. Der Lane-Schnitt der Transportkosten wurde in diesem Lauf nicht geöffnet.

VeranschaulichendSet 2Bestandsgesundheits-Agent
Persona
Liest das Regal für die Planer und Niederlassungsleiter desselben Distributors, wöchentlich: Fehlbestandstage bei den SKUs, die zählen, Überbestand bei denen, die es nicht tun, und ob der Bestand im System mit dem Bestand im Regal übereinstimmt. · Zielgruppe: Bestandsplaner, Niederlassungsleiter. · Tonfall: schlicht und operativ. · Ausgabesprache: en
Signale, die er beobachtet
(1) A-Klasse-Fehlbestandstage als Anteil der SKU-Niederlassungs-Tage, je Niederlassung. (2) Überbestand — Wert mit mehr als 180 Tagen Reichweite — nach Lieferantensortiment. (3) Zählgenauigkeit je Niederlassung, als data state, wenn eine Niederlassung keine Zählungen bucht. (4) Reichweitentage je ABC-Klasse gegen das Ziel des Planungstools. (5) Alterung — Bestand nach Monat des letzten Wareneingangs.
Schwellen, die ihm vorgegeben wurden
Finding 15 % · critical 40 % · Verhältniskennzahlen (Fehlbestandsanteil, Genauigkeit) 1 Punkt · Mindestanteil 3 % des Bestandswerts · Schweregrad-Regel: medium, wenn eine Schwelle überschritten wird, high, wenn sich eine Verhältniskennzahl um mehr als 1.25× ihrer Schwelle oder eine Zählkennzahl um mehr als 1.5× der Finding-Schwelle bewegt, critical oberhalb der kritischen Schwelle; ein ongoing-Thema behält den Schweregrad, der ihm gegeben wurde

Laufkopf

  • Geplant wöchentlich, Montag 05:30, Europe/Amsterdam
  • Zeitraum: Woche 37 von 2026 (7–13. September) vs. Woche 33 (10–16. August) — gleiche Tage (7), gleiche Handelstage (6)
  • Daten vollständig bis 2026-09-13, gemessen über max(STOCK_DATE), vor 30 Stunden (der Bestands-Snapshot ist nächtlich; der von Sonntag ist der Datenrand)
  • Geltungsbereich: alle sechs Niederlassungen; beide Distributionszentren
  • Modell: das freigegebene Modell des Arbeitsbereichs
  • Kosten: auf dem Lauf festgehalten
Brief

Woche 37 2026: A-Klasse-Fehlbestände 2.10 % → 3.90 % der SKU-Niederlassungs-Tage, Branch 4 hält 41.40 % — Überbestand +20.31 % auf 2.31 M €, zwei Sortimente 61.47 % davon; Branch 2 buchte keine Zählungen

Annahmenstreifen

Sie haben keinen Zeitraum angegeben; die letzte vollständige Woche (Woche 37, 7–13. September 2026) wurde verglichen mit Woche 33. Der nächtliche Snapshot von Sonntag ist der Datenrand. Die fehlenden Inventurzählungen von Branch 2 sind als data state festgehalten, nicht als Finding.

A-Klasse-Fehlbestände stiegen, während der Überbestand wuchs. A-Klasse-Fehlbestandstage stiegen in vier Wochen um 85.59 %, von 2.10 % auf 3.90 % der SKU-Niederlassungs-Tage, und Branch 4 hält 41.40 % davon auf 16.67 % der Basis. Der Überbestand wuchs um 20.31 % auf 2.31 M €, während die C-Klasse, zu der er gehört, um 4.33 % fiel, und 61.47 % des Überbestands sitzen in zwei Lieferantensortimenten, deren Mindestbestellmengen das Modell nicht führt. Branch 2 buchte diese Woche keine Inventurzählungen, sodass ihre Bestandsgenauigkeit ungemessen ist, nicht unverändert.

covers: Finding 1, Finding 2

— Lauf: wöchentlich, das freigegebene Modell des Arbeitsbereichs, Daten vollständig bis 2026-09-13. Guard Ledger: held 0; data state 1 — cycle_count_accuracy lieferte 0 Zeilen für Branch 2 in Woche 37; struktureller Ausschluss 1 — Kandidat r-03 (eine Branch-2-Recommendation, die allein auf dem data state ruht) an Gate 0 verworfen; duplicate 0; not_selected 0.

Recommendation 1

Die A-Klasse-Fehlbestandstage von Branch 4 nach SKU und nach Status offener Bestellungen aufschlüsseln

based_on: Finding 1 · Verantwortlich: Leiter von Branch 4 zusammen mit dem Einkaufsleiter

Ein Fehlbestand bei einer SKU, die bestellt ist, ist eine Lieferzeitfrage; einer bei einer SKU, die nicht bestellt ist, ist eine Frage der Nachschubparameter. Der Schnitt ist in diesem Modell und kostet eine Abfrage.

Die Findings, auf denen das beruht

Finding 1

A-Klasse-Fehlbestände 2.10 % → 3.90 % der SKU-Niederlassungs-Tage (1,006 → 1,867 von 47,880; +85.59 % relativ) — Branch 4 hält 41.40 % der Fehlbestandstage

severity criticaldirection upnovelty newtrust AAufschlüsselung BRANCH = Branch 4

Über 1,140 A-Klasse-SKUs, sechs Niederlassungen und sieben Tage — 47,880 SKU-Niederlassungs-Tage — waren 1,867 davon in Woche 37 Fehlbestandstage (3.90 %), gegenüber 1,006 in Woche 33 (2.10 %): ein Anstieg um 1.80 Punkte, 1.80× der 1-Punkt-Verhältnisschwelle, und +85.59 % relativ, über der kritischen 40 %-Schwelle (severity critical). Branch 4 trug 773 der 1,867 (41.40 %) auf 16.67 % der SKU-Niederlassungs-Tage (7,980 von 47,880); die anderen fünf Niederlassungen liegen zwischen 2.2 % und 3.4 %. Ob die Fehlbestände von Branch 4 bestellte oder nicht bestellte SKUs sind, steht in der Dimension Status offener Bestellungen, die dieses Modell führt und die der Agent in diesem Lauf nicht geöffnet hat, weil das Budget an die Überbestandsachse ging.

Recommendation 2

Den Überbestandswert der beiden Lieferantensortimente mit ihrem Monat des letzten Wareneingangs auf die wöchentliche Beobachtung setzen und den Einkauf fragen, ob eine Mindestbestellmenge gilt

based_on: Finding 2 · Verantwortlich: Bestandsplaner, mit dem Einkaufsleiter

Die Beobachtung wird zeigen, ob der Überbestand noch immer eingeht; der Agent wird ihn ongoing stempeln, statt wöchentlich zu alarmieren. Die Mindestbestellmenge ist nicht im Modell; der Einkauf liest die Lieferantenvereinbarung neben der Aufzeichnung.

Die Findings, auf denen das beruht

Finding 2

Überbestand (Reichweite > 180 Tage) 1.92 → 2.31 M € (+20.31 %) — 61.47 % davon in zwei Lieferantensortimenten, während der Gesamtwert der C-Klasse um 4.33 % fiel

severity mediumdirection upnovelty ongoingtrust AAufschlüsselung SUPPLIER_RANGE = die zwei genannten Sortimente

Bestand mit mehr als 180 Tagen Reichweite stand am 13. September bei 2.31 M € gegenüber 1.92 M € vier Wochen zuvor (+20.31 %, 1.35× der 15 %-Finding-Schwelle — severity medium; das Thema wurde vor zwei Läufen erstmals mit medium gemeldet und ist ongoing gestempelt). Zwei Lieferantensortimente halten 1.42 M € der 2.31 (61.47 %). Der Gesamtwert der C-Klasse, von dem der Überbestand ein Teil ist, fiel im selben Fenster von 6.24 auf 5.97 M € (−4.33 %), sodass der Überbestandsanteil der Klasse von 30.77 % auf 38.69 % stieg: Die Klasse schrumpft, während ihr Überbestand wächst. Diese Daten können nicht sagen, ob der Überbestand der beiden Sortimente ein Mindestbestellmengen-Effekt oder ein Nachfrageeinbruch ist: Die Mindestbestellmenge des Lieferanten ist keine Kennzahl in diesem Modell.

Data state

Data state (kein Finding): Branch 2 buchte in Woche 37 keine Inventurzählungen; ihre Bestandsgenauigkeit hat für die Woche keinen Wert. Kein Schweregrad, keine Recommendation ruht darauf; der Niederlassungsleiter und der Modellverantwortliche sind benachrichtigt.

Was dieser Lauf nicht sehen konnte.

Status offener Bestellungen für Branch 4 (im Modell, in diesem Lauf nicht geöffnet). Mindestbestellmengen der Lieferanten (nicht im Modell). Bei Branch 2 die Inventurzählungen.

VeranschaulichendSet 3Lieferantenleistungs-Agent
Persona
Liest die Eingangsseite für den Einkaufsleiter desselben Distributors: Wareneingänge gegen Zusagedaten, Lieferzeit-Drift und Eilbestellungen, neben die Lieferanten gestellt, für deren SKUs sie waren — ohne zu sagen, dass das eine das andere verursacht hat. · Zielgruppe: Einkaufsleiter, Versorgungsplaner. · Tonfall: formell, exakt. · Ausgabesprache: en
Signale, die er beobachtet
(1) Lieferantenpünktlichkeit auf der Wareneingangsbasis, mit der Zahl der Verspätungen. (2) Konzentration — wie wenige Lieferanten die verspäteten Wareneingänge tragen. (3) Lieferzeit-Drift bei diesen Lieferanten, zugesagt gegenüber tatsächlich. (4) Eilbestellungen, Monat über Monat, und ihre Aufteilung nach Lieferant. (5) Qualitätsrückweisungen im Wareneingang, wo das Lager sie erfasst.
Schwellen, die ihm vorgegeben wurden
Finding 10 % · critical 40 % · Verhältniskennzahlen (Pünktlichkeitsquote) 2 Punkte · Mindestanteil 3 % der Wareneingänge, damit ein Lieferant genannt wird · Schweregrad-Regel: medium, wenn eine Schwelle überschritten wird, high, wenn sich eine Verhältniskennzahl um mehr als 1.25× ihrer Schwelle oder eine Zählkennzahl um mehr als 1.5× der Finding-Schwelle bewegt, critical oberhalb der kritischen Schwelle; ein ongoing-Thema behält den Schweregrad, der ihm gegeben wurde

Laufkopf

  • Geplant monatlich am 3. um 06:30, Europe/Amsterdam
  • Zeitraum: August 2026 vs. August 2025 — gleiche Arbeitstage (21)
  • Daten vollständig bis 2026-09-02, gemessen über max(RECEIPT_DATE), vor 5 Stunden
  • Geltungsbereich: beide Distributionszentren; Frachtkosten liegen außerhalb des Geltungsbereichs dieses Agenten
  • Modell: das freigegebene Modell des Arbeitsbereichs
  • Kosten: auf dem Lauf festgehalten
Brief

August 2026: Lieferantenpünktlichkeit 91.30 % → 86.70 % auf 3,655 Wareneingängen, zwei Lieferanten halten 58.23 % der verspäteten Wareneingänge mit Lieferzeit +54.03 % — Eilbestellungen +71.43 %, 66.67 % davon für die SKUs derselben Lieferanten

Annahmenstreifen

Sie haben keinen Zeitraum angegeben; der letzte volle Monat (August 2026) wurde angenommen, verglichen mit August 2025. Das Zusagedatum ist das vom Lieferanten bestätigte Datum. Frachtkosten liegen außerhalb des Geltungsbereichs dieses Agenten; ein Kostenwert-Entwurf wurde zurückgehalten.

Der Eingangsservice fiel, und der Rückgang konzentriert sich auf zwei Lieferanten: Pünktliche Wareneingänge sanken von 91.30 % auf 86.70 % auf einer Basis, die um 7.12 % wuchs, und zwei Lieferanten tragen 58.23 % der 486 verspäteten Wareneingänge, ihre Lieferzeit um 54.03 % gestiegen auf 19.1 Tage, während drei andere Top-Ten-Lieferanten sich verbesserten. Eilbestellungen stiegen um 71.43 %, und 66.67 % davon waren für die SKUs derselben zwei Lieferanten — eine Paarung, die die Aufzeichnung zeigt und als interpretive kennzeichnet, weil das Kennzeichen sagt, dass eine Bestellung beschleunigt wurde, nicht warum. Was das Beschleunigen gekostet hat, liegt nicht im Geltungsbereich dieses Agenten.

covers: Finding 1, Finding 2

— Lauf: monatlich, das freigegebene Modell des Arbeitsbereichs, Daten vollständig bis 2026-09-02. Guard Ledger: held 1 — Kandidat f-03 (Sonderfracht), Grund numeric_provenance: Token etwa 40 k€ braucht einen Frachtkosten-Operanden, der außerhalb des Geltungsbereichs dieses Agenten liegt; Aussagenprüfung 1 — "die Eilbestellungen decken die Verspätung ab" von Kandidat f-02 als interpretive gekennzeichnet, nicht zurückgehalten; duplicate 0; not_selected 0.

Recommendation 1

Die zugesagten gegenüber den tatsächlichen Wareneingangsdaten der beiden Lieferanten je Bestellung auf eine wöchentliche Beobachtung setzen und ihre verspäteten Wareneingänge nach SKU-Familie aufschlüsseln

based_on: Finding 1, Finding 2 · Verantwortlich: Einkaufsleiter

Eine wöchentliche Beobachtung wird zeigen, ob sich die Lieferzeit-Drift beruhigt oder ausweitet, und der Schnitt nach SKU-Familie, ob sie die A-Klasse-SKUs hinter den Fehlbeständen von Branch 4 berührt (Set 2 — die beiden Agenten lesen dieselbe SKU-Dimension, und der Vergleich wird im Satz gebaut). Der Agent wird das Thema ongoing stempeln, statt wöchentlich zu alarmieren.

Die Findings, auf denen das beruht

Finding 1

Lieferantenpünktlichkeit 91.30 % → 86.70 % der Wareneingänge (297 verspätet von 3,412 → 486 verspätet von 3,655; −4.59 Punkte) — zwei der Top-Ten-Lieferanten halten 58.23 % der verspäteten Wareneingänge, ihre Lieferzeit 12.4 → 19.1 Tage (+54.03 %)

severity criticaldirection downnovelty newtrust AAufschlüsselung SUPPLIER = die zwei genannten Lieferanten

Im August 2026, bei 3,655 Wareneingängen, kamen 486 nach dem zugesagten Datum an (86.70 % pünktlich) gegenüber 297 von 3,412 (91.30 %) ein Jahr zuvor — ein Rückgang um 4.59 Punkte, 2.30× der 2-Punkte-Verhältnisschwelle, auf einer Wareneingangsbasis, die um 7.12 % wuchs. Die Verspätung ist konzentriert: Zwei Lieferanten unter den Top Ten nach Wareneingängen, 22.60 % der Wareneingänge (826 von 3,655), stehen für 283 der 486 verspäteten Wareneingänge (58.23 %), und ihre mittlere Lieferzeit von der Bestellung bis zum Wareneingang bewegte sich von 12.4 auf 19.1 Tage (+54.03 %, über der kritischen 40 %-Schwelle für die Zelle des Findings — severity critical); die anderen acht Top-Ten-Lieferanten liegen innerhalb der Schwelle, und drei verbesserten sich. Das Zusagedatum in diesem Modell ist das vom Lieferanten bestätigte Datum; ob sich der eigene Bestellzeitpunkt des Unternehmens geändert hat, ist ein Bestellschnitt, den dieses Modell erzeugen kann und den dieser Lauf nicht geöffnet hat.

Finding 2

Eilbestellungen 84 → 144 (+71.43 %), während Wareneingänge +7.12 % — 96 der 144 (66.67 %) sind für die SKUs derselben zwei Lieferanten

severity criticaldirection upnovelty newtrust AinterpretiveAufschlüsselung EXPEDITE_FLAG = Yes

Als Eilbestellung gekennzeichnete Bestellungen stiegen von 84 auf 144 (+71.43 %, über der kritischen 40 %-Schwelle — severity critical) in einem Monat, in dem die Wareneingänge um 7.12 % stiegen; 96 der 144 (66.67 %) waren für SKUs, die von den beiden Lieferanten geliefert werden, die genannt sind in Finding 1. Die beiden Fakten stehen nebeneinander, und der Satz "die Eilbestellungen decken die Verspätung der beiden Lieferanten ab" ist interpretive und wird so gekennzeichnet — das Eil-Kennzeichen erfasst, dass eine Bestellung beschleunigt wurde, nicht warum. Frachtkosten liegen außerhalb des Geltungsbereichs dieses Agenten, sodass hier nicht berechnet wird, was die Eilbestellungen gekostet haben; der Satz, den der Agent dazu entwarf, wurde zurückgehalten.

Was dieser Lauf nicht sehen konnte.

Frachtkosten. Die Änderung des eigenen Bestellzeitpunkts des Unternehmens (im Modell, nicht geöffnet). Der Grund hinter einer Eilbestellung.

Jede Zahl trägt eine Adresse

Im Produkt bindet sich jede Zahl an eine Nachweisadresse — Umschlag, Zeile, Zelle, Prüfziffer —, und eine Zahl ohne eine solche wird zurückgehalten, nicht veröffentlicht. Die Anatomie einer Aufzeichnung →

Abgeleitete Zahlen zeigen ihre Operation

Eine Änderung, ein Anteil oder eine Lücke wird von der Engine berechnet und trägt ihre Operanden; das Modell dividiert nie. Wie jede Zahl bewiesen wird →

KI-Governance ist die Publikationsschicht

Acht deterministische Gates, die Trust-Stufe, gekennzeichnete Interpretation, ein Annahmenstreifen, der sich nicht abschalten lässt, und das Guard Ledger. Wohin das Modell reichen kann und wohin nicht →

FAQ

Vier Fragen, die dieser Seite üblicherweise gestellt werden

01Unsere Aufträge, Bestände und Frachten kommen aus drei Systemen. Verknüpft der Agent sie?

Nur, wenn das importierte semantische Modell es tut. Wo das Modell sie als getrennte Sterne führt, vergleicht der Agent sie im Satz und sagt das; er baut nie einen Ersatz-Join.

02Was bedeutet "vorläufig" bei einem Verhältnis?

Der Feed unter einem seiner Operanden deklariert eine Verzögerung und ist für den Zeitraum noch nicht vollständig; die Aufzeichnung trägt eine niedrigere Trust-Stufe und wird neu gelesen, wenn der Feed vollständig ist.

03Kann er Kommissionierer oder Fahrer sehen?

Nein. Personen sind als personenbezogen markiert; die nächsten zulässigen Schnitte sind Schicht und Crew.

04Was, wenn eine Niederlassung keine Zählungen mehr bucht?

Der Agent hält einen data state fest — kein Wert, kein Schweregrad — und benachrichtigt den Modellverantwortlichen. Eine ungemessene Niederlassung wird nie als unveränderte gelesen.

Kostenlose Data-Discovery-Studie

Sehen Sie, welche dieser Signale Ihr eigenes Warehouse tragen kann.

Senden Sie uns den Namen Ihrer Datenplattform und den Bereich, über den Sie am meisten streiten. Wir lesen Ihr semantisches Modell gemeinsam mit Ihnen und antworten schriftlich: welche der Signale auf dieser Seite Ihr Modell heute trägt, welche eine Änderung in Axoria Data Studio brauchen und was ein vierwöchiger Pilot messen würde. Keine Kosten, keine Sequenz — ein Mensch antwortet innerhalb von zwei Werktagen.

Kostenlose Data-Discovery-Studie anfragen → 4-Wochen-Pilot starten

Was die Beispiele voraussetzen

Die Daten, das Modell und die Kennzahlen hinter den drei Sets

Nichts in einem Set beruht auf einer Quelle außerhalb des hier beschriebenen Modells. Öffnen Sie, was Sie abgleichen möchten.

01Angenommene Datenquellen — Daten, die die Supply-Chain-Funktion bereits hat

ERP (Kundenaufträge, Lieferungen, Materialstamm, Bestände, Bewegungen, Bestellungen, Wareneingänge), Lagerverwaltung (Bestand je Lagerplatz, Wareneingänge, Kommissionierungen, Sendungen, Inventurzählungen), Transportmanagement (Sendungen, Spediteure, Frachtrechnungen), Prognose und Sicherheitsbestand des Planungstools, Lieferavise und Auftragsbestätigungen der Lieferanten, Tracking-Ereignisse der Spediteure. Typische Warehouse-Granularität: eine Zeile je Auftragszeile, Wareneingangszeile oder Bestands-Snapshot, täglich; Frachtrechnungen wöchentlich mit Verzögerung.

02Angenommenes semantisches Modell — das Minimum für die drei Personas
Kennzahlen
order_lines · lines_otif · otif_rate (von der Engine abgeleitet) · lines_on_time · lines_in_full (wenn der Lager-Feed beide Kennzeichen sendet) · net_sales · stock_value · stock_units · cogs_rolling · inventory_days (von der Engine abgeleitet) · slow_moving_value (keine Verkäufe in 180 Tagen) · excess_value (Reichweite > 180 Tage) · a_sku_branch_days · a_stockout_days · cycle_count_lines · cycle_count_matches · receipts · receipts_late · supplier_lead_days (Durchschnitt, zugesagt vs. tatsächlich) · expedited_orders · logistics_cost · freight_invoices_received / expected.
Dimensionen
Auftragsdatum · Versanddatum · Wareneingangsdatum · Bestandsdatum · Distributionszentrum · Niederlassung · Kundensegment · SKU · ABC-Klasse · Produktfamilie · Lieferant · Lieferantensortiment · Spediteur · Status offener Bestellungen · Grundcode, wo das Lager einen sendet. Als personenbezogen markiert und nie aufgeschlüsselt nach: Name des Kommissionierers oder Fahrers (der nächste zulässige Schnitt ist Schicht oder Crew).
Datenrand
von der Engine gemessen über max(ship_date) für Aufträge und max(stock_date) für Bestand; der Frachtrechnungs-Feed deklariert seine eigene Verzögerung, und das darauf gebaute Verhältnis wird als vorläufig gestempelt.
03Angenommene KPIs — was Supply-Chain-Leiter verfolgen
KPIDefinitionEinheitTypische BandbreiteÜbliche Aufschlüsselung
Perfect-Order-Ratepünktlich × vollständig × unbeschädigt × dokumentationsgenau%Median ≈ 90 % [S501][S502]Kunde/Region · DC
On-Time-in-Full (OTIF)am Termin mit voller Menge geliefert ÷ fällig%kein branchenübergreifender Benchmark; pünktliche Sendungen best-in-class ≥ 99.5 % [S507]Kunde · Spediteur/Lane
AuftragsdurchlaufzeitAuftragseingang → Eingang beim KundenTage≈ 7 Median / ≈ 2 Spitzengruppe (sekundär, ungeprüft) [S503]Kanal · Auftragsart
Prognosegenauigkeit (1 − MAPE)1 − Σ|Ist − Prognose| ÷ ΣIst%obere 95 / Median 88 / untere 80 [S505]Produktfamilie · Standort
LagerumschlagUmsatzkosten ÷ durchschnittlicher BestandUmschläge/JahrFertigung ≈ 4.5, Großhandel ≈ 6.8 (Anbieter, ungeprüft) [S509]SKU/ABC-Klasse · Standort
Lagerreichweite in Tagendurchschnittlicher Bestand ÷ Umsatzkosten × 365Tagekein öffentlicher Benchmark gefundenSKU-Klasse · Standort
Cash-to-Cash-ZyklusDIO + DSO − DPOTageobere 30 vs untere 80 [S504]Geschäftsbereich
Fill Rate (Position/Einheit)vollständig gelieferte Positionen ÷ bestellte%kein öffentlicher Benchmark gefundenSKU · DC
Bestandsgenauigkeitmit dem System übereinstimmende Lagerplätze ÷ gezählte%Best-in-Class ≥ 99.5 % [S507]DC · Zone
Kommissioniergenauigkeitfehlerfrei ÷ kommissioniert%Best-in-Class ≥ 99.68 % [S507]DC · Schicht
Dock-to-Stock-ZeitAnkunft → EinlagerungStundenBest-in-Class < 3.5 h [S507]DC · Lieferant
Lieferzeit des LieferantenBestellung → WareneingangTageSpitzengruppe Median 6 [S504]Lieferant · Warengruppe
Logistikkosten in % des UmsatzesTransport + Lagerung ÷ Nettoumsatz%kein öffentlicher Benchmark gefundenRelation/Verkehrsträger · DC
Überschüssiger und veralteter BestandBestand über X Monate Reichweite ÷ gesamt%kein öffentlicher Benchmark gefundenSKU · Standort

Verwandt

Wohin diese Seiten führen

Branchen, deren Sets diese Messgrößen verwenden

Auf dieser Website