Die Ausgangssituation: Geringe Agilität in einer VUCA-Welt als Motivator
Sartorius ist ein weltweit führender Partner der biopharmazeutischen Industrie mit einem breiten Portfolio aus Lösungen für die Forschung, Entwicklung und Produktion von Biopharmazeutika. Mit mehr als 50.000 Produkten ist das Unternehmen breit aufgestellt. Nicht zuletzt stellte diese Komplexität den bisherigen Forecast vor große Herausforderungen und führte zu einem äußerst detaillierten, aber auch schwerfälligen Forecasting-Prozess. Der quartalsweise erstellte bottom-up Umsatz-Forecast erforderte erheblichen manuellen Aufwand, war nicht ausreichend objektiv, intransparent in der Erstellung und lieferte aufgrund der langen Erstellungszeit von ca. zwei Monaten keine ausreichend aktuellen Ergebnisse. Gerade in einem volatilen Umfeld, in dem sich Rahmenbedingungen kurzfristig ändern, führte diese geringe Agilität zu erheblichen Nachteilen im Steuerungsprozess
Lean Forecasting: Vom Piloten zum anerkannten KI-gestützten Prognosetool
Um den Prozess grundlegend zu modernisieren, führte Sartorius einen Lean-Forecasting-Ansatz ein. Mit diesem Ansatz liegt nun der Fokus auf
- wesentlichen Treibern,
- automatisierten Datenflüssen,
- KI-basierten Prognosemodellen sowie
- entscheidungsorientierten Szenariosimulationen.
Die neue Methodik steigert sowohl die Transparenz als auch die Geschwindigkeit im Forecasting-Prozess und bildet damit eine fundierte Grundlage für eine agile Steuerung.
Die Umsatzprognose wird bei Sartorius heute KI-basiert über ein Machine Learning-Modell erzeugt. Die Einführung dieser automatisierten Prognose erfolgte bewusst schrittweise, begleitet von intensivem Backtesting und der Schaffung von Transparenz über die zugrundeliegenden Modellannahmen. Dadurch konnte das Vertrauen in den neuen Ansatz gestärkt werden. Im Ergebnis zeigte sich, dass die KI-basierte Prognose bereits nach kurzer Zeit eine höhere Prognosequalität erzielte als der ursprüngliche bottom-up Forecast.
Wertvoll für die Zuhörenden waren zudem die Einblicke in die organisatorischen Lernprozesse. Die größte Herausforderung in der Transformation des Forecasting-Prozesses lag weniger in der Technologie, sondern im Aufbau von Vertrauen in algorithmische Prognosen. Durch den kontinuierlichen Austausch mit Stakeholdern, die parallele Nutzung alter und neuer Verfahren sowie die transparente Darstellung der Ergebnisse gelang es Sartorius jedoch, Akzeptanz für das Modell zu schaffen und den Forecast als anerkanntes Prognosetool zu etablieren.
Entscheidungsunterstützung durch treiberbasierte Szenariosimulation
Auf Basis der KI-basierten Prognose nutzt Sartorius heute ein treiberbasiertes Modell im Tool Valsight, um verschiedene Szenarien zu simulieren. Ein Höhepunkt des Vortrags war die Live-Demo in Valsight: Am Beispiel der US-Zölle veranschaulichten die Referenten, wie sich Maßnahmen in Echtzeit simulieren lassen und welche Auswirkungen Kosteneffekte, Preisänderungen oder Volumenannahmen auf das Ergebnis haben. Diese anschauliche Demonstration zeigte, wie die Kombination aus modernen Treibermodellen und Simulationsfähigkeit die Entscheidungsfindung in komplexen Fragestellungen unterstützen kann und bot den Teilnehmenden einen unmittelbaren Mehrwert.
Ausblick und Fazit
Sartorius plant, die Modelle auch zukünftig weiterzuentwickeln, externe Daten zu integrieren und die Verzahnung mit angrenzenden Prozessen auszubauen. Der Vortrag machte deutlich, wie automatisierte Prognosen und Szenariosimulationen nicht nur Effizienzgewinne ermöglichen, sondern insbesondere durch die schnellere Reaktionsfähigkeit die gesamte Entscheidungsfindung und Steuerung auf ein neues Niveau heben.
Die Referenten
Ralf Ostermann, Head of Business Intelligence Finance, Sartorius Corporate Administration GmbH
Malte Horstmannshoff, Controller, Sartorius Corporate Administration GmbH
