Ein KI-Tool von Fraunhofer IWU und MÖVE soll die Absatzplanung von Textilien präziser und weniger abhängig von Erfahrungswissen machen. Auf Basis historischer Verkaufsdaten erkennt es saisonale Muster und Trends – perspektivisch soll es auch die Produktionsplanung unterstützen.
Das Fraunhofer IWU hat gemeinsam mit der frottana Textil GmbH & Co. KG, bekannt durch die Marke MÖVE, ein KI-gestütztes Tool zur Bedarfsprognose entwickelt. Es analysiert historische Verkaufsdaten, erkennt saisonale Muster und Trends und soll Unternehmen der Frottier- und Heimtextilbranche eine verlässlichere Grundlage für Absatz-, Bestell- und perspektivisch auch Produktionsentscheidungen bieten.
Bislang beruhen Planungen in vielen mittelständischen Textilunternehmen häufig auf Excel-Tabellen, individuellen Berechnungen und dem Erfahrungswissen einzelner Mitarbeitender. Angesichts von Fachkräftemangel und altersbedingten Abgängen wächst jedoch der Bedarf, vorhandene Daten systematisch auszuwerten und Planungsprozesse zu digitalisieren. Das neue Tool setzt dafür unter anderem neuronale Netze ein und automatisiert die monatliche Absatzprognose.
Prognosen zum Textilabsatz
Die Ergebnisse sind laut der Forschenden vielversprechend: Bei durchschnittlich 340 verkauften Einheiten pro Monat lag die Abweichung der Prognose vom tatsächlichen Absatz bei rund 38 Einheiten beziehungsweise etwa neun Prozent. Insgesamt erklärte das Modell 82,7 Prozent der Verkaufsschwankungen – obwohl lediglich vier Jahre historische Daten berücksichtigt wurden und Faktoren wie Vertriebskanäle, Regionen, Aktionen oder Corona-Sondereffekte außen vor blieben.
Das System soll manuelle Prozesse vereinfachen, den Wissenstransfer erleichtern und Ausfälle erfahrener Fachkräfte besser abfedern. Mitarbeitende bleiben dabei eingebunden: Sie können Prognosen prüfen, anpassen und ihr Erfahrungswissen ergänzen. Perspektivisch ist laut Fraunhofer IWU vorgesehen, die Bedarfsprognose mit der Produktionsplanung zu verknüpfen, um Losgrößen, Produktionsreihenfolgen und Kapazitäten bedarfsgerechter zu steuern.
Weitere Fraunhofer-Projekte zeigen zudem, wie Materialflusssimulationen, KI-basierte Fehlererkennung und die Nachrüstung älterer Anlagen die Digitalisierung der Textilproduktion voranbringen können.
