Leitfaden: Transparente Lieferkette mit dem KI-Assistenten
Einführung
Mit diesem Leitfaden entwickeln Sie Schritt für Schritt eine vollständig transparente Lieferkette – unterstützt durch den KI-Assistenten.
Der Assistent hilft Ihnen dabei, Materialflüsse sichtbar zu machen, Risiken aufzudecken, Transparenzlücken zu identifizieren und konkrete Verbesserungsmaßnahmen abzuleiten.
Klicken Sie auf einen Prompt, um ihn direkt im KI-Assistenten zu verwenden – vom Lieferkettenüberblick bis zum finalen Transparenzreport.
Schritt 1 – Überblick über die Lieferkette
📋 Beispiel-Output
Rohstoffe
- Brauwasser Hamburg — Aufbereitetes Tiefbrunnenwasser (Elbe-Becken)
- Brauwasser München — Weiches Alpenquellwasser für Weißbier
- Gerstenmalz — Basis-/Spezialmalze (DE/NL)
- Hopfen — Aroma-/Bitterhopfen (Hallertau, DE/PL)
- Hefe — Ober-/untergärige Stämme (DE/NL/PL)
- Glasflaschen — Mehrweg/Einweg (DE/NL/FR)
- Dosen & Etiketten — Aludosen, Deckel (DE/UK/NL)
Lieferanten
- Hallertau Hopfen GmbH — Primärlieferant Hopfen (DE)
- AgroTrans Malz KG — Malzlieferant stabile Qualität (DE)
- EuroMalt BV — Sekundärlieferant Malz (NL)
- HopMaster Polska — Alternativlieferant Hopfen (PL)
- YeastSupply NL — Hefestämme Weißbier (NL)
- YeastPro Polska — Backup-Hefe mit Kühlkette (PL)
- BottleWorks BV — Glasflaschen, Kapazitätsengpässe (NL)
- LabelPrint GmbH — Etiketten kurze Vorlaufzeiten (DE)
Logistikpartner
- NordLine Logistics — Hauptdistribution Nord/Export (DE)
- CityShip — Bahn-/Intermodalnetz (EU)
- EuroTrans BV — Schienenlogistik Hopfen/Malz (EU)
- NL Trans Freight — Inbound NL, Delay-Risiko (NL/DE)
- PolFreight Logistics — Verpackungskomponenten (PL/DE)
- BalticRail Polska — Bahnverkehr Glas/Verpackung (PL/DE)
- CoolBrew Express — Kühlketten-Transporte (DE-Süd)
Produktionsstandorte
- ElbeBräu Hamburg — Brauhaus: Sudkessel, 2 Gärtanks, Kombi-Abfülllinie
- Alpenquell München — Großanlage: 2 Kessel, 3 Gärtanks, Flaschen-/Dosenabfüllung
Lager
- Lager Hamburg Rohstoffe — Malz, Hopfen, Etiketten; nahe Brauhaus
- Lager Hamburg Fertigware — Fertigwarenumschlag; NordLine-Anbindung
- Lager München Rohstoffe — Wasser, Malz, Hefe; FEFO-fähig (MHD/Lot)
- Lager München Fertigware — Distribution Süd/Export; Dosen-/Flaschenpuffer
Händler
- NordGetränke GmbH — Großhandel Gastronomie/LEH Nord; Fokus ElbeBräu
- SüdBier Handel — Regionaler Distributor starke Gastronomieabdeckung
- EuropaBrew Import — Importeur EU-Märkte mit hoher Lagerkapazität
👉 Ziel: Vollständige Lieferketten-Landkarte erstellen.
Logik des KI-Assistenten
- Kategorisiert automatisch nach Rolle (Rohstoff, Lieferant, Logistik, Standort, Händler).
- Erkennt fehlende oder doppelte Standortangaben.
- Baut eine vollständige Supply-Chain-Landkarte.
Schritt 2 – Materialfluss sichtbar machen
📋 Status-Legende:
✔️ ok ⏱️ verzögerung ❗ fehlend ❔ unklar ⚠️ widerspruch
📋 Beispiel-Output (am Beispiel von zwei Produkten):
Materialfluss – Elbe Hell (SKU001)
| Stufe | Status | Details |
|---|---|---|
| Rohstoff | ❔ unklar | Gerstenmalz, Hefe, Hopfen |
| Lieferung | ⏱️ verzögerung | NL Trans Freight |
| Produktion | ✔️ ok | Braukessel HH → Gärtank → Abfüllung |
| Lager | ✔️ ok | Lager Hamburg Fertigware |
| Händler | ⏱️ verzögerung | NordGetränke, CoolBrew Express |
Materialfluss – Alpen Hell (SKU004)
| Stufe | Status | Details |
|---|---|---|
| Rohstoff | ❔ unklar | Gerstenmalz, Hefe, Hopfen |
| Lieferung | ⏱️ verzögerung | EuroTrans BV, NL Trans Freight |
| Produktion | ✔️ ok | Braukessel → Gärtank → Abfüllung |
| Lager | ✔️ ok | Lager München Fertigware |
| Händler | ⏱️ verzögerung | EuropaBrew Import via CityShip |
👉 Ziel: End-to-End Materialverfolgung etablieren.
Logik des KI-Assistenten
- Analysiert jede SKU quer über alle Stufen.
- Markiert systematische Verzögerungen (z. B. NL Trans Freight).
- Erkennt widersprüchliche Daten (Rohstoff „unklar“ trotz Produktion „ok“).
Schritt 3 – Risiken & Engpässe erkennen
📋 Beispiel-Output
Top-Risiken (High)
- Inbound-Verzögerungen (NL Trans Freight / EuroTrans)
- SPOF Outbound München (CityShip)
- SPOF Abfülllinie Hamburg
- SPOF Braukessel Hamburg
- Hefe-Kühlkette (YeastPro)
Mittlere Risiken
- Lieferprobleme BottleWorks
- Outbound-Verzögerungen Hamburg
- Gärtank MUC3 in Wartung
- Schienenabhängigkeit
- Datenqualität Rohstoffe „unklar“
Niedrige Risiken
- Wasserstandorte stabil
- Hopfen/Malz ausreichend dual sourced
👉 Ziel: Priorisiertes Risikomanagement aufbauen.
Logik des KI-Assistenten
- Kombiniert Materialfluss + Lieferkettendaten + Gerätedaten.
- Bewertet Kritikalität nach Auswirkung × Eintrittswahrscheinlichkeit.
- SPOFs werden automatisch erkannt (Carrier, Anlagen, Standorte).
Schritt 4 – Transparenzlücken aufdecken
📋 Beispiel-Output
Herkunft
- Wasser HH/MUC ohne Quelle ❗
- Rohstoff-Herkünfte generisch („Hamburg“)
Transport
- Keine Shipment-IDs, ETA, Milestones
- Outbound ohne Slot-/Kapazitätsdaten
Bestände
- Keine On-Hand/Allocated/ATP
- Keine Lot-/WIP-Daten
Qualität
- Keine COAs
- Keine Hefe-Temperaturkurven
Risiko
- Keine Owner / Scores
- SPOFs ohne Failover-Dokumente
👉 Ziel: Kritische Datenlücken identifizieren und priorisieren.
Logik des KI-Assistenten
- Vergleicht Soll-Datenmodell mit tatsächlichem Graph.
- Hebt kritische Lücken farblich hervor.
- Ordnet Lücken Kategorien zu (Transport, Qualität, Risiko, Bestand).
Schritt 5 – Verbesserungen definieren (P1–P3)
📋 Beispiel-Output
P1 – Sofort (0–6 Wochen)
- ASN + ETA-Tracking — Lieferanten-Meldungen mit präzisen ETAs
- Bestandsstatus + DOS — Verfügbar/gesperrt/QC unterscheiden
- Hefe-Kühlkette — Temperatur-Logger + automatische QC-Holds
- Control Tower — Tägliches Exception-Board für kritische Risiken
- Carrier-Performance — OTIF-Transparenz + Zweitcarrier-Tests
P2 – Ausbau (6–12 Wochen)
- Chargen-Traceability — QC-Freigaben je Batch sichtbar
- WIP-Transparenz — Live-Status Kessel/Gärtanks/Abfüllung
- Supplier Collaboration — 13-Wochen-Forecast + Commit-Prozess
- Slot-Booking — Yard-Management für Ein-/Ausgang
P3 – Strukturell (12+ Wochen)
- End-to-End Traceability — SSCC-Serialisierung bis Händler
- CO₂-Transparenz — Emissionen je Sendung/Lane/Rohstoff
- Risk-Register — Vollständige SPOF-Dokumentation + Tests
👉 Ziel: Strukturierte Roadmap von Quick-Fixes bis zu Reifegradmaßnahmen.
Logik des KI-Assistenten
- Priorisiert nach Wirkung auf Risiko & Transparenz.
- Verknüpft Maßnahmen mit Quick Wins (ETA, DoC, COA).
- Sorgt für klare Roadmap: Sofort → Ausbau → Reifegrad.
Schritt 6 – Zusätzliche Transparenz-Datenpunkte
📋 Beispiel-Output
Transport
- EPCIS-Milestones
Standardisierte Statusereignisse für Nachvollziehbarkeit - ETA mit Confidence-Score
Prognosen mit Begründung für zielgerichtete Gegenmaßnahmen - Sensordaten (Temp./Feuchte)
Kaltketten-Monitoring für Hefe/Hopfen - Geofence-Events
Präzise Ortswechsel zeigen Engpässe an Knotenpunkten
Bestände
- In-Transit-Bestände mit ETA
Sichtbare “unterwegs”-Mengen verbessern ATP-Planung - Lot/Batch & FEFO-Status
Verhindert Überalterung, ermöglicht Rückverfolgbarkeit - ATP/CTP-Reservierungen
Transparenz über gebundene Mengen reduziert Fehlbestände - Quarantäne-Status je Lot
Verhindert fehlerhafte Auslieferungen
Qualität
- CoA/LIMS-Ergebnisse je Lot
Direktes Freigabe-Signal verknüpft Qualität mit Bestand - OOS-Events mit CAPA-ID
Beschleunigt Ursachenanalyse und reduziert Stillstände - CIP/SIP-Protokolle
Nachweis hygienischer Prozesse, senkt Mikrobiologie-Risiken - Kaltketten-Exkursionen
Verknüpft Temperaturvergehen mit Qualitätsproblemen
Risiko
- Single-Sourcing-Index (HHI)
Quantifiziert Abhängigkeiten, zeigt Dual-Sourcing-Prioritäten - Tier-2/3-Abdeckung
Macht versteckte Engpässe bei Vorlieferanten sichtbar - Lieferanten-Bonitäts-Score
Frühindikator für Ausfall- und Performancerisiken - Climate-Risk am Ursprung
Bewertet Klimasensitivität von Gerste/Hopfen-Regionen
ESG
- CO₂e je Transport-Leg
Ermöglicht Scope-3-Transparenz und Carrier-Optimierung - Energie-Mix & EE-Anteil
Zeigt Dekarbonisierungsfortschritt der Produktion - Wasserverbrauch pro hl Bier
Steuert Wasser- und Effizienzmaßnahmen - Recyclingquoten
Belegt Kreislauffähigkeit und Kosteneffekte
👉 Ziel: Priorisierte, kategorisierte Liste zusätzlicher Datenpunkte mit Begründung und Nutzen.
Logik des KI-Assistenten
- Erkennt fehlende oder unvollständige Datenfelder im Graphen.
- Empfiehlt Minimalsets für schnellen Nutzen (ETA, COA, DoC).
- Ordnet Datenpunkte nach Wirkung auf Planung, Qualität & Risiko.
Schritt 7 – Prozesse & Systeme für Transparenz
📋 Beispiel-Output
A) Echtzeit-Überwachung & Alerts
- Kühlkettenmonitoring (P1): IoT-Sensoren installieren → MQTT-Gateway konfigurieren → Temperatur-Alerts aktivieren | Datenquelle: Temperature-Logger, MQTT
- Carrier-Events → ETA (P1): API-Schnittstelle schaffen → Events normalisieren → ETA berechnen + Push-Benachrichtigung | Datenquelle: TMS-API, GPS-Tracking
- Quality-Exception-Handling (P2): COA-Abweichungen erkennen → Auto-Ticket erstellen → Eskalationspfad starten | Datenquelle: LIMS, QM-System
B) Stammdaten & Traceability
- Lot-to-Lot-Traceability (P1): Batch-IDs standardisieren → Verbrauchsmatrix aufbauen → Recall-Simulation testen | Datenquelle: ERP, WMS, MES
- Supplier-Master-Data-Sync (P2): Einheitliche Stammdatenstruktur → API-Sync implementieren → Duplikate bereinigen | Datenquelle: SRM, ERP
- Materialprovenienz (P3): Origin-Tags einführen → Blockchain-Hash speichern → Verifikationsprozess | Datenquelle: Blockchain, Supplier-Portal
C) KPIs & Reporting
- OTIF-Dashboard (P1): Liefertermin-Tracking aktivieren → OTIF berechnen → Wöchentliches Reporting | Datenquelle: TMS, ERP
- Supplier-Scorecard (P2): KPI-Definitionen festlegen → Bewertungslogik programmieren → Monatliche Reviews | Datenquelle: ERP, QM, TMS
- Carbon-Footprint-Tracking (P3): Emissionsfaktoren hinterlegen → Transport-CO2 berechnen → Sustainability-Report | Datenquelle: TMS, Emissionsdatenbank
D) Automatisierung & Integration
- EDI-zu-API-Migration (P2): Legacy-EDI analysieren → REST-APIs entwickeln → Schrittweise Migration | Datenquelle: EDI-Gateway, API-Management
- Exception-Based-Planning (P3): Abweichungs-Trigger definieren → Planungslogik anpassen → Auto-Replanung testen | Datenquelle: APS, MES, ERP
👉 Ziel: Umsetzungsreife Systemanforderungen mit konkreten A→B→C Schritten und Datenquellen.
Logik des KI-Assistenten
- Kategorisiert Maßnahmen nach Wirkung & Aufwand.
- Verknüpft Prozesse direkt mit Datenpunkten aus Schritt 6.
- Übersetzt Transparenzziele in konkrete A→B→C Schritte.
Schritt 8 – Quick-Wins zusammenfassen
📋 Beispiel-Output
- ASN + ETA-Tracking — Hefe/Hopfen mit YeastSupply + NL Trans (Logistik)
- DOS-Dashboard — Tage-Reichweiten Hamburg/München live (Disposition)
- Hefe-Kühlkette — IoT-Logger + Auto-QC-Hold bei Grenzwerten (Qualität)
- Control Tower — Tägliches 15-Min Board für Top-Exceptions (SC-Leitung)
- Carrier-Performance — OTIF-Baseline + EuroTrans-Pilot (Einkauf)
- WIP-Board — Live-Status Kessel/Gärtanks (Produktion)
- QC-Ampel — Freigabe-Status je Charge sichtbar (Qualität)
👉 Ziel: Umsetzbare Sofortmaßnahmen mit klaren Verantwortlichkeiten.
Logik des KI-Assistenten
- Wählt Maßnahmen mit größter Wirkung in < 14 Tagen.
- Priorisiert Transport, Bestände, Qualität & Risiko.
- Mappt jede Maßnahme auf Verantwortliche + nächste Aktion.
Schritt 9 – Business Case
📋 Beispiel-Output
Effizienz
- Plan-to-Ship Durchlaufzeit
Typischer Effekt: −10–20%
Nutzenformel: Reduzierte Tage × tägliche Prozesskosten/Volumen - Tracking-Aufwand (manuell → automatisiert)
Typischer Effekt: −50–70% Stunden in Logistik/Planning
Nutzenformel: eingesparte Std/Jahr × Vollkosten/Stunde - OEE-Verfügbarkeit in kritischen Linien
Typischer Effekt: +3–5 Prozentpunkte (pp)
Nutzenformel: zusätzliche Laufzeit (h) × Output/h × Deckungsbeitrag/hl
Kosten
- Expedite-/Expresskosten
Typischer Effekt: −20–40%
Nutzenformel: Expedite-Kosten Basis × Reduktions-% - Bestandskosten (Working Capital)
Typischer Effekt: −10–15% Ø Bestandswert
Nutzenformel: Ø Bestandswert × Kapitalkostensatz × Reduktions-% - Abschreibungen/Obsoleszenz
Typischer Effekt: −15–30% durch FEFO/Transparenz
Nutzenformel: Abschreibungsbasis × Reduktions-%
Qualität / Service
- OTIF (On-Time-In-Full)
Typischer Effekt: +5–10 pp
Nutzenformel: (Δ OTIF × betroffener Umsatz) × Marge bzw. Vertragsstrafen-Reduktion - First-Pass Yield (Freigabe beim ersten Mal)
Typischer Effekt: +2–4 pp
Nutzenformel: vermiedene Nacharbeit/Verluste × Stückkosten/hl - Reklamations-/Rückrufquote
Typischer Effekt: −15–30%
Nutzenformel: Rekla-Kosten Basis × Reduktions-%
Resilienz
- Out-of-Stock-Tage (kritische SKUs)
Typischer Effekt: −20–35%
Nutzenformel: vermiedene OOS-Tage × Umsatz/Tag × Marge - Dual-Sourcing-Abdeckung (kritische Materialien)
Typischer Effekt: +20–30 pp (Exposure sinkt)
Nutzenformel: Risiko-Score-Senkung → erwartete Verlustvermeidung (Szenario-Wert) - Time-to-Recall / Traceability
Typischer Effekt: −50–70% Reaktionszeit
Nutzenformel: vermiedene Ausgaben/Verluste bei Rückrufen × Eintrittswahrscheinlichkeit
ESG
- CO₂e pro hl (Scope 3 Transport)
Typischer Effekt: −5–12% durch Routen/Carrier-Optimierung
Nutzenformel: CO₂e-Reduktion × interner CO₂-Preis bzw. Abgaben - Wasserverbrauch (hl Wasser/hl Bier)
Typischer Effekt: −3–6% durch Prozess-/Kühlketten-Transparenz
Nutzenformel: eingesparte m³ × Wasser-/Abwasserkosten - Audit-/Compliance-Fälligkeiten (Overdue)
Typischer Effekt: −40–60% Overdues
Nutzenformel: vermiedene Audit-/Nichtkonformitätskosten und Strafzahlungen
Beispielrechnung (Annahmen)
- Expedite: 250.000 € × 30% = 75.000 € p.a.
- Bestandskosten: Ø Bestand 5,0 Mio € × 12% Kapitalkosten × 12% Reduktion ≈ 72.000 € p.a.
- Reklamationen: 120.000 € × 20% = 24.000 € p.a.
- Summe (Auszug): ≈ 171.000 € p.a. (+ weitere Effekte aus OEE/OTIF/ESG)
- Typische Amortisation: 6–12 Monate (abhängig von Integrationsaufwand)
👉 Ziel: Quantifizierten Business Case für Entscheidungsfindung.
Logik des KI-Assistenten
- Verknüpft KPIs direkt mit Quick Wins & P1–P3 Maßnahmen.
- Nutzenwerte basieren auf Benchmarks & typischen Projektergebnissen.
- Hilft bei der Priorisierung des Business Case.
Schritt 10 – PDF-Report generieren
👉 Ziel: Kompakter, managementbereiter Abschlussbericht.
Fazit
Mit diesen Prompts führt Sie der KI-Assistent von der Lieferkettenanalyse bis zum Management-Report für vollständige Transparenz:
- Schritt 1–3: Lieferkette kartieren, Materialflüsse verstehen und Risiken identifizieren
- Schritt 4–6: Transparenzlücken schließen, Verbesserungen priorisieren und Datenstrategie entwickeln
- Schritt 7–10: Konkrete Systeme implementieren, Quick Wins umsetzen und Business Case erstellen
🎯 Ergebnis: Eine vollständig transparente, steuerbare und resiliente Supply Chain – mit priorisierten Maßnahmen, quantifizierten Nutzen und managementbereitem Umsetzungsplan.
👉 Jetzt starten: Prompts im KI-Assistenten öffnen, auf Ihre Lieferkette anwenden – und Schritt für Schritt mehr Transparenz, Kontrolle und Widerstandsfähigkeit in Ihren Materialflüssen erreichen.