PartsOS Forecast
Haver & Boecker: Disposition mit 27.000 SKUs, KI-basiert und serviceorientiert
Wie der globale Maschinenbauer mit PartsOS Forecast den Schritt von reaktiver, manueller Bestandsplanung zu KI-basierten Bedarfsprognosen geht, mit dem Ziel, sein Service-Level zu erhöhen.
Wer ist Haver & Boecker?
HAVER & BOECKER ist ein traditionsreiches, familiengeführtes Industrieunternehmen mit Sitz in Oelde (Westfalen), gegründet 1887. Es zählt heute zu den international führenden Technologieanbietern in den Bereichen Drahtgewebe und Maschinenbau und ist weltweit mit zahlreichen Tochtergesellschaften vertreten. HAVER & BOECKER vereint zwei zentrale Geschäftsbereiche unter einem Dach:
- Drahtweberei (Wire Weaving Division)
- Maschinenfabrik (Machinery Division)
Innerhalb der Maschinenfabrik entwickelt HAVER & BOECKER Anlagen zur Abfüllung, Verpackung und Logistik von Schüttgütern (z. B. Zement, Baustoffe, Chemikalien oder Lebensmittel). Dazu zählen unter anderem Abfüllmaschinen, Wäge- und Dosiersysteme sowie komplette Verpackungslinien.
Ein wichtiger Bestandteil dieses Geschäftsfeldes sind Ersatzteile und Service:
- Hohe Anlagenverfügbarkeit: Ersatzteile sind essenziell, um Stillstände zu vermeiden und Produktionsprozesse schnell wiederherzustellen.
- Lange Lebenszyklen: Industrieanlagen laufen oft über viele Jahre. Eine zuverlässige Ersatzteilversorgung sichert den langfristigen Betrieb.
- Originalteile & Qualität: Passgenaue Original-Ersatzteile gewährleisten optimale Leistung, Sicherheit und Effizienz der Maschinen.
Das macht die Ersatzteilversorgung zur Geschäftsbasis für Haver & Boecker und für jeden ihrer Kunden weltweit. Durch den hohen Anteil an Sondermaschinen und die langen Laufzeiten ist die Zahl der Ersatzteile sehr hoch. Rund 27.000 unterschiedliche Artikel wurden in den vergangenen fünf Jahren verkauft, rund 10.000 davon mehr als fünfmal.
Die Ausgangslage
Die dispositive Planung aller Artikel erfolgt automatisiert nach strikten und rigiden Richtlinien. Dabei werden alle Artikel gleichgestellt, unabhängig davon, ob es sich um ein Ersatzteil oder ein Teil für die Maschine handelt. Es fehlen ein klarer Fokus auf Ersatzteile und eine differenzierte Prognoselogik: Ausgewählte Teile werden mit derselben Prognosemethode geplant, einem leicht angepassten Mittelwert der vergangenen zwölf Monatsverbräuche.
Konkret bedeutete das:
- Reaktive Forecasts: Bestände basierten auf dem Verbrauch der letzten zwölf Monate.
- 27.000 SKUs, hohe Komplexität: Ein Sondermaschinen-Portfolio entzieht sich jeder Standardisierung. Bevorratungsentscheidungen werden pauschal getroffen oder händisch angepasst, was viel Abstimmungsaufwand kostet.
- Rigide Dispo-Richtlinien: Sie führten zu häufigen Kleinbestellungen mit Prozesskosten von rund 100 € pro Vorgang.
- Stock-out-Situationen: Kritische Ersatzteile fehlen immer wieder. Das verlängert Lieferzeiten und führt zu Terminverzügen.
- Geringe Lagerreichweite und lange Lieferzeiten: Kunden sind mit der Lieferzeit nicht zufrieden, was zu Lost Sales führt, insbesondere bei marktgängigen Artikeln.
Im Ergebnis musste das Dispositionsteam bei Ersatzteilen viel zu häufig nachhaken und im Operativen gegen Rückstände und Stock-out-Situationen ankämpfen. Aus einer Lieferzusage wurde eine Lieferzeit, und der Service reagierte, statt zu planen.
Warum PartsCloud
Vor der Entscheidung wog Haver & Boecker bewusst drei Alternativen ab:
Den Ausschlag für PartsCloud gaben vier Punkte
-
KI-basierte Planung statt 12-Monats-Mittelwert
PartsOS analysiert nicht nur die Vergangenheit, sondern erkennt Saisonalitäten, Peaks, Lebenszyklen und Verbrauchsmuster und kann das spezifische Maschinenwissen von Haver & Boecker einbeziehen. Aus reaktiver wird proaktive, datengetriebene Planung.
-
Ergänzt das ERP, statt es abzulösen
PartsOS Forecast läuft neben dem bestehenden SAP. Es ersetzt nichts und schließt keine künftige ERP-Entscheidung aus. Fortschritt in der Ersatzteilplanung und die große S/4HANA-Frage laufen parallel statt nacheinander. Das hält Aufwand und IT-Risiko niedrig und bringt Ergebnisse noch in diesem Jahr.
-
Das Team behält die Entscheidung
Die KI liefert Prognose und Priorität, die Bestellentscheidung trifft weiterhin der Disponent. Bestehende Workflows bleiben erhalten, nur die Grundlage wird besser.
-
Direkter Hebel auf alle Schmerzpunkte gleichzeitig
Service-Level hoch, Prozesskosten runter, Verschrottungen runter, und Bestand wird gezielt dort aufgebaut, wo er heute fehlt: bedarfsgerecht statt pauschal. Im Zentrum steht der Service-Level. Er ist für Haver & Boecker der wichtigste Hebel und die zentrale Zielgröße.
Das Setup: bewusst klein gestartet, strukturiert ausgeweitet
Von rund 27.000 Artikeln liefen in den letzten fünf Jahren etwa 10.000 mehr als fünfmal. Hier liegt der planbare Kern. Rund 3.000 davon sollen künftig prognosefähig werden, dort liegt der größte Hebel.
Das Projekt kam nicht aus der IT, sondern aus der Disposition. Es gab keine Ausschreibung, die Fachabteilung hat angefangen.
- März 2026, Start: Projektstart aus der Disposition heraus, zuerst mit den laufenden Reihenkauf-Teilen.
- Sommer 2026, Fokus: Ab KW 22 gezielt die Artikel, „die uns in der Vergangenheit besonders wehgetan haben“, also die Ersatzteile, die immer wieder zu spät verfügbar waren.
- Oktober 2026, erster Batch: Erste Prognosen sind freigegeben. Die Übertragung ins SAP läuft zunächst manuell.
- Ab Januar 2027, Integration: Freigegebene Prognosen laufen als Planprimärbedarf direkt in den MRP-Lauf.
Parallel laufen:
- Datenintegration über strukturierte Excel-Uploads als pragmatischer Start vor der tieferen SAP-Integration
- Regelmäßige Abstimmungstermine zwischen den Teams von Haver & Boecker und PartsCloud, um die Prognosen zu kalibrieren und Sonderfälle einzuarbeiten
- Ein grundlegender Wandel im Disponententeam: weg von starren Richtlinien, hin zu einer service-level-getriebenen Bevorratung. Das ist bewusst kein reines Tool-Thema, sondern ein Umdenken, das Haver & Boecker aktiv anstößt.
Alltag im Team: vom Feuerlöschen zum Fokus
Bisher:
- Jeder Vorschlag wurde einzeln im SAP nachgeprüft, anhand der Verbräuche der letzten Jahre.
- Bei 100 Materialien ging dafür ein halber Arbeitstag drauf.
- Unkritische und auffällige Artikel wurden nicht unterschieden, jeder bekam die gleiche Prüftiefe.
- Der Mittelwert diente als Prognose, der Service-Level war ein Nebenprodukt.
Mit PartsOS Forecast:
- Unkritische Artikel gehen automatisch in die Sammelfreigabe.
- Das Team prüft gezielt die auffälligen Teile, statt jeden Vorschlag nachzurechnen.
- Ein mathematisch fundierter, statistischer Ansatz ersetzt Mittelwert plus Bauchgefühl.
- Der Service steht stärker im Fokus: Working Capital fließt dorthin, wo es Verfügbarkeit schafft.
Was der Business Case zeigt
Vor dem Start hat PartsCloud gemeinsam mit Haver & Boecker einen Business Case gerechnet. Die Zahlen sind eine Prognose für den Vollausbau, keine gemessenen Ergebnisse. Sie werden im laufenden Rollout überprüft.
15%
höhere Verfügbarkeit
< 6 Monate
Amortisationszeit inkl. Hochlaufphase
bis zu 1 Mio. €
ROI-Betrag pro Jahr
Was als Nächstes kommt
- Validierung der Business-Case-Annahmen im laufenden Betrieb
- Ab Januar 2027: automatisierte Übergabe der freigegebenen Prognosen als Planprimärbedarf (Planned Independent Requirements) direkt in den MRP-Lauf
- 2027: Rollout über das gesamte Dispo-Sortiment und auf weitere Disponentenbereiche
- Interner Service-Level-Diskurs: höhere Bevorratung an strategischen Punkten als bewusste Investition in Lieferfähigkeit
- Verbräuche für Ersatz und Maschine trennen: Ein Großteil der Artikel wird sowohl als Ersatzteil als auch für Maschinen benötigt. Das muss in der Vorplanung sauber differenziert und abgebildet werden.
Das Tempo ist gesetzt. Service-Geschäft heißt: liefern. Genau das soll Haver & Boecker ab jetzt jeden Tag ein Stück besser können.
Was andere Unternehmen mitnehmen können
FAQs
-
Was nutzt Haver & Boecker von PartsCloud?
Haver & Boecker setzt PartsOS Forecast ein, die KI-basierte Ersatzteilprognose von PartsCloud. Das Projekt startete im März 2026, im Oktober 2026 wurden die ersten Prognosen freigegeben. Der Ausbau Richtung rund 3.000 prognosefähiger Artikel ist eingeplant.
-
Wie integriert sich PartsOS in das SAP-Umfeld von Haver & Boecker?
Zum Start über strukturierte Excel-Uploads: Datenexport aus SAP, Upload in PartsOS Forecast, Übernahme der freigegebenen Prognosen zurück in SAP. Ab Januar 2027 laufen die Prognosen als Planprimärbedarf direkt in den MRP-Lauf.
-
Welche Alternativen hat Haver & Boecker geprüft?
SAP S/4HANA als Zukunftsoption, eine Eigenentwicklung sowie weitere Anbieter im Ersatzteilumfeld. PartsCloud setzte sich durch wegen der KI-basierten Planung, der Ergänzung des bestehenden SAP ohne Systemwechsel, der Entscheidungshoheit des Dispo-Teams und des direkten Hebels auf alle relevanten Schmerzpunkte.
-
Wie schnell ist die Time-to-Value?
Die initiale Datenladung von neun Dateien dauert rund 1,5 Stunden. Haver & Boecker startete im März 2026 und hat im Oktober 2026 die ersten Prognosen freigegeben. Skalierung und Integration erfolgen schrittweise.
-
Entscheidet die KI über Bestellungen?
Nein. PartsOS Forecast liefert Prognose und Priorität. Unkritische Artikel gehen in die Sammelfreigabe, auffällige in die Einzelprüfung. Jede Prognose wird vom Team freigegeben, angepasst oder verschoben, bevor sie ins ERP geht.
Weitere Kundenstories
Erfahren Sie, wie andere Industrieunternehmen ihre Ersatzteilplanung mit PartsCloud transformiert haben.
Coperion
Wie Coperion mithilfe von PartsOS drohende Lieferengpässe bei kritischen Komponenten nahezu eliminierte, die Teileverfügbarkeit um mehr als 15 % steigerte und den ROI bereits nach drei Monaten erreichte.
EUCO Rail AG
Wie EUCO Rail gemeinsam mit PartsCloud den Übergang von einer reaktiven, tabellenbasierten Planung hin zu einem proaktiven, KI-gestützten Ersatzteilmanagement vollzieht und so die zuverlässige Verfügbarkeit kritischer Komponenten an allen Standorten sicherstellt.