Seminar - TAE – Technische Akademie Esslingen
Schwankende Bedarfe, steigende Kapitalbindung und hohe Anforderungen an die Lieferfähigkeit erschweren eine wirtschaftliche Disposition. Klassische Verfahren wie feste Sicherheitsbestände oder statische Bestellpunkte berücksichtigen die Unsicherheit von Nachfrageprognosen häufig nicht und führen dadurch zu unnötig hohen Lagerbeständen oder einer erhöhten Fehlteilwahrscheinlichkeit. Dieses Seminar zeigt, wie Machine-Learning-gestützte Nachfrageprognosen und simulationsgestützte Bestandsoptimierung genutzt werden, um Dispositionsparameter datenbasiert anzupassen und Bestände nachhaltig zu reduzieren – ohne die Lieferbereitschaft zu beeinträchtigen.
Eine wirtschaftliche Disposition erfordert heute mehr als die Anwendung klassischer Bestellverfahren. Moderne Verfahren des Demand Planning kombinieren statistische Prognosemethoden mit Machine Learning und ermöglichen eine präzisere Bewertung zukünftiger Bedarfe einschließlich ihrer Unsicherheit. Dadurch lassen sich Sicherheitsbestände und Bestellparameter gezielt an die tatsächliche Nachfragesituation anpassen und fundierte Entscheidungen für Materialwirtschaft und Supply Chain treffen.
Im Seminar bearbeiten die Teilnehmenden den gesamten Prozess – von der Analyse der Ausgangsdaten über die Erstellung belastbarer Nachfrageprognosen bis zur Optimierung von Bestellpunkten und Sicherheitsbeständen mit einem praxisnahen KI-Werkzeug.
Nach der Weiterbildung können Sie
klassische Disposi...
| Termin | Ort | Preis* |
|---|---|---|
| 12.05.2027- 13.05.2027 | Ostfildern | 1.185,00 € |
Schwankende Bedarfe, steigende Kapitalbindung und hohe Anforderungen an die Lieferfähigkeit erschweren eine wirtschaftliche Disposition. Klassische Verfahren wie feste Sicherheitsbestände oder statische Bestellpunkte berücksichtigen die Unsicherheit von Nachfrageprognosen häufig nicht und führen dadurch zu unnötig hohen Lagerbeständen oder einer erhöhten Fehlteilwahrscheinlichkeit. Dieses Seminar zeigt, wie Machine-Learning-gestützte Nachfrageprognosen und simulationsgestützte Bestandsoptimierung genutzt werden, um Dispositionsparameter datenbasiert anzupassen und Bestände nachhaltig zu reduzieren – ohne die Lieferbereitschaft zu beeinträchtigen.
Eine wirtschaftliche Disposition erfordert heute mehr als die Anwendung klassischer Bestellverfahren. Moderne Verfahren des Demand Planning kombinieren statistische Prognosemethoden mit Machine Learning und ermöglichen eine präzisere Bewertung zukünftiger Bedarfe einschließlich ihrer Unsicherheit. Dadurch lassen sich Sicherheitsbestände und Bestellparameter gezielt an die tatsächliche Nachfragesituation anpassen und fundierte Entscheidungen für Materialwirtschaft und Supply Chain treffen.
Im Seminar bearbeiten die Teilnehmenden den gesamten Prozess – von der Analyse der Ausgangsdaten über die Erstellung belastbarer Nachfrageprognosen bis zur Optimierung von Bestellpunkten und Sicherheitsbeständen mit einem praxisnahen KI-Werkzeug.
Nach der Weiterbildung können Sie
Eine wirtschaftliche Disposition erfordert heute mehr als die Anwendung klassischer Bestellverfahren. Moderne Verfahren des Demand Planning kombinieren statistische Prognosemethoden mit Machine Learning und ermöglichen eine präzisere Bewertung zukünftiger Bedarfe einschließlich ihrer Unsicherheit. Dadurch lassen sich Sicherheitsbestände und Bestellparameter gezielt an die tatsächliche Nachfragesituation anpassen und fundierte Entscheidungen für Materialwirtschaft und Supply Chain treffen.
Im Seminar bearbeiten die Teilnehmenden den gesamten Prozess – von der Analyse der Ausgangsdaten über die Erstellung belastbarer Nachfrageprognosen bis zur Optimierung von Bestellpunkten und Sicherheitsbeständen mit einem praxisnahen KI-Werkzeug.
Nach der Weiterbildung können Sie
