Wetterbasierte Absatzplanung sorgt im Handel für mehr Nachhaltigkeit und Effizienz

In Zeiten des Klimawandels und der Digitalisierung avancieren präzise Wetterdaten zunehmend zum strategischen Wettbewerbsfaktor, der immer öfter über den ökonomischen Erfolg entscheidet. Unter anderem gilt das für Absatzprognosen und Lagerhaltung im Einzelhandel. Dieses unternehmerische Risiko kann mit präzisen Wetterinformationen und historischen Erfahrungswerten zum Kaufverhalten besser kalkuliert und mittels parametrischen Versicherungslösungen abgesichert werden.

Herausforderung: Verderb von Frischware minimieren

Regen, Sturm oder Hitze – kaum ein Risikofaktor beeinflusst die Wirtschaft so sehr wie das Wetter. 80 Prozent der Weltwirtschaft hängen nach Schätzungen der Weltorganisation für Meteorologie von der Witterung ab. Flüge fallen wegen Sturm oder Gewitter aus, Ernteerträge sinken wegen Dürre oder Nässe und Arbeiten auf Baustellen ruhen bei Minusgraden wochenlang – Szenarien, die Unternehmen viel Geld kosten können. Problematisch sind hierbei nicht Extremereignisse wie Hochwasser und Stürme, es reicht z. B. schon ein verregneter Sommer, um Saisonbetrieben wie Biergärten und Freibädern das Geschäft zu verderben. 

Hinter der allgemeinen Wirtschaftslage und saisonbedingten Effekten wie der Weihnachtszeit stellt das Wetter den drittgrößten Einflussfaktor auf das Kaufverhalten dar. Wenn es heiß ist, kaufen die Kunden mehr Eis und Mineralwasser, vor sonnig-warmen Wochenenden verstärkt Grillfleisch oder Kräuterbutter. Auch der Absatz von Sonnenbrillen und Bademoden hängt statistisch eng mit dem Wetter zusammen. In der Zusammenarbeit mit Lebensmittelhändlern lautet die Kernfrage: Wie kann der Bestellprozess so optimiert werden, dass einerseits Lagerkapazitäten optimal genutzt und für Frischware vorausschauend geplant werden – andererseits der Verderb möglichst minimiert und gleichzeitig auch der Ausverkauf geringgehalten wird? Dazu braucht es nicht nur kurzfristige Vorhersagen, sondern auch Saisonprognosen. Mit diesen lässt sich etwa der Bedarf an Frischfleisch, Obst, Gemüse oder Milchprodukten während eines verregneten Sommers gut abschätzen. 

Mehr als 30 Prozent aller Frischeartikel sind wetterelastisch, d. h. der Absatz hängt sehr sensibel vom tatsächlichen Wetter bzw. der Wetter- bzw. Temperaturprognose ab. So zeigt Mozzarella beispielsweise eine deutlich ausgeprägte Saisonalität. Während in einer Supermarktfiliale mittlerer Größe im Herbst, Winter und Frühjahr meist nur zwischen 10 und 30 Stück pro Tag verkauft werden, steigt die Verkaufsmenge im Sommer deutlich an. Dann werden an einigen Tagen mehr als 120 Stück abgesetzt. Dabei zeigt der Artikel im Sommer auch eine deutlich größere Schwankungsbreite der Verkäufe von meist zwischen 30 und 100 Stück pro Tag. 

 

Lösung: Planungswerkzeug Predictive Analytics

Funk arbeitet im Kontext von versicherungsrelevanten Wetterrisiken mit der UBIMET Gruppe zusammen. UBIMET, mit Hauptsitz in Wien, ist spezialisiert auf hochpräzise Wetterinformationen sowie systemintegrierte Lösungen, die es Unternehmen in wetterabhängigen Branchen weltweit erlauben, Sicherheit, Effizienz und Ertrag zu erhöhen.

Mittels Methoden der Predictive Analytics können aus unstrukturierten Datensätzen relevante Prognose- und Analyseparameter identifiziert werden. Dazu zählen auch die Händlerdaten mit den tages- und filialspezifischen Abverkäufen, Informationen zu speziellen Aktionen sowie die generelle Einkaufsfrequenz am jeweiligen Standort. Hinzu kommen hochaufgelöste historische Wetterdaten, die mittels Künstlicher Intelligenz mit den Handelsdaten der Filialen in einen quantitativen Zusammenhang gesetzt werden. So können Einkauf und Lagerhaltung deutlich verbessert werden. Die Ergebnisse verringern die Fehlerquoten in den Vorhersagen zu Produktverkäufen und dem Filialumfeld im Schnitt um 10 Prozent. Ausschlaggebend ist das tiefe Verständnis der Meteorologen für die Charakteristika der Kunden- und Wetterdaten.

KI ist ein Überbegriff für softwarebasierte Anwendungen, die Intelligenzleistungen des menschlichen Gehirns replizieren – Lernen, Urteilen und das Lösen von Problemen. Sie basieren dabei im Wesentlichen auf Algorithmen zur Berechnung von Wahrscheinlichkeiten und dem Erkennen von Mustern in umfangreichen Datensets. Das wichtigste Merkmal von KI-Methoden ist die Lernfähigkeit, durch die sie nicht bloß auf Basis vorgegebener, auswendig gelernter Beispiele entscheiden, sondern in der Praxis gewonnenes Wissen verallgemeinern und neu anwenden können. Dadurch liefern KI-Anwendungen mit der Zeit immer bessere Ergebnisse zu der ihnen zugewiesenen Aufgabenstellung.

Die Erinnerungen an den Dürresommer 2019 sind noch präsent. Obwohl besonders der Februar 2020 in Deutschland deutlich zu nass ausgefallen ist, zeigen sich derzeit ähnliche Tendenzen aus anhaltenden Hochdrucklagen wie 2019. Der Klimawandel beeinflusst zunehmend die Absatzmärkte und letztlich auch die angebotene Produktpalette. Das stellt Händler vor einige Herausforderungen, wenn es darum geht, strategische Entscheidungen zu treffen.

So hat die Trockenheit im Sommer 2019 dazu geführt, dass Zwiebeln und lagerfähige Kartoffeln aus Österreich nach Deutschland, Frankreich und in die Beneluxstaaten exportiert wurden, weil die Ernten dort schlechter ausfielen. Österreich musste in der Folge im Herbst Zwiebeln aus Neuseeland und Australien importieren. Die signifikant längeren Transportwege resultierten in höheren Kosten und einem schlechteren ökologischen Fußabdruck. Die meisten der renommierten Klimamodelle gehen gerade in Mitteleuropa davon aus, dass die Anzahl der Trockenperioden in den warmen Monaten weiter zunehmen wird. Letztlich werden die wetter- und klimabedingten Herausforderungen im Handel zunehmen und die Bedeutung der Wettervorhersage auf Produktion und Verbrauch weiter steigen. So bleiben Wetterrisiken letztlich versicherbar, aber nicht mit historischen Schadendaten.

 

Nutzen: Folgen von Wetterrisiken sind versicherbar

Die verbesserten Wetterprognose-Verfahren in Verbindung mit Satellitendaten ermöglichen die Entwicklung robuster Risikomodelle, die Schäden aus Wetterrisiken vermehrt über parametrische Versicherungslösungen absichern können. 

Im Rahmen von parametrischen Versicherungen reguliert der Versicherer Schäden nicht anhand von nachträglichen Schadenhöhen, sondern auf Basis einer vordefinierten Messgröße. Wird ein vertraglich festgelegter Wertebereich durch ein Ereignis verlassen, erfolgt in Reaktion auf diesen sogenannten Trigger automatisch eine zugeordnete Schadenzahlung. Eine mögliche Abweichung der Schadenzahlung von der tatsächlich aufgetretenen Schadenhöhe verbleibt als sogenanntes Basisrisiko. Durch den zunehmenden Einsatz moderner Sensorik und hochentwickelter Analysesoftware lassen sich einerseits die für Schäden relevanten Datenströme immer besser erfassen, andererseits verlässlichere Modelle für den Zusammenhang von Trigger-Ereignissen und Schadenhöhen entwickeln.

Die Deckung wird anhand zuvor festgelegter Parameter wie z. B. Anzahl Regentage oder Frosttage in einer definierten Zeitperiode mit den gewünschten Entschädigungssummen auf den konkreten Bedarf des Unternehmens maßgeschneidert. In der Versicherungslaufzeit bzw. Risikoperiode werden die definierten Parameter dann kontinuierlich überwacht. Sobald die festgelegten Grenzwerte überschritten werden, erfolgt die Auszahlung an das versicherte Unternehmen innerhalb weniger Tage ohne Verifikation der tatsächlichen Schadenhöhe. Neben wetterinduzierten Ertragsausfällen und Mehrkosten können über parametrische Lösungen auch Schäden infolge klassischer Naturgefahren wie Erdbeben, Hoch- bzw. Niedrigwasser, Starkregen oder Hagelereignisse innovativ versichert werden. Dies ist selbst in hochexponierten Risiko-Standorten möglich, bei denen eine traditionelle Sach- bzw. Allgefahrendeckung möglicherweise keine oder nur eingeschränkte Deckung bietet. So kann mit der Kombination aus Daten und intelligenten Prognoseverfahren mit einer passgenauen Versicherungslösung ein Wetterrisiko umfassend abgesichert werden.

Ihr Ansprechpartner

Manuel Zimmermann

+49 40 35914-0

Dr. Alexander Skorna Ansprechpartner bei Funk

Dr. Alexander Skorna

+49 40 35914-0

Technische Aspekte

 

Multiple Datenquellen

 

Predictive Analytics

 

Künstliche Intelligenz

Nutzen / Ziele

 

Wetteroptimierte Einkaufs- & Absatzplanung

 

Grundlage für parametrische Deckungen

 

Verzögerungsfreie, transparente Schadenzahlung

In Kooperation mit