Datamining - Genetik der Datenanalyse

Logistische Datenanalyse: Das Genom des Unternehmens verstehen

Auch in der Logistik fallen heute gewaltige Datenmengen an. Sie entstehen in Buchungssystemen, im Internet der Dinge, in Sensoren, Maschinen und Lieferketten. Diese Daten sind der Rohstoff, aus dem sich Erkenntnisse gewinnen lassen. Doch wer sie nutzen will, muss sie zunächst richtig beschaffen, strukturieren und analysieren.

Natürlich gehören klassische Verfahren wie die ABC-Analyse weiterhin zum Handwerkszeug. Wer jedoch genauer hinsieht, erkennt schnell: In der Tiefe dieser Daten steckt weit mehr. Wir sehen hier – bildlich gesprochen – das Genom eines Unternehmens. Jede Warenbewegung, jeder Eingang und jeder Ausgang ist ein Datensatz, ein Fragment dieser DNA, das uns zeigt, wie das System tatsächlich funktioniert.

Oft wird gefragt, ob in der Logistik andere Methoden als in anderen Disziplinen des Data Mining benötigt werden. Die Antwort ist schlicht: Nein, denn die Prinzipien sind dieselben. Entscheidend ist, wie man mit den Daten umgeht, ob man sie also sauber aufbereitet, sinnvoll interpretiert und die richtigen Fragen stellt.

Das ist kein Lehrbuchbeispiel, sondern das echte Daten-Genom eines Unternehmens. In meinem Kurs arbeiten wir ausschließlich mit realen Projektdaten. Das Ziel besteht nicht nur darin, die Daten zu analysieren, sondern auch, Zusammenhänge sichtbar zu machen – denn wer Daten versteht, muss sie auch erzählen können.


Was sich ändert, ist die Perspektive: Logistiker denken in Flüssen, Knotenpunkten, Beständen und Wegen. Genau dort kann moderne Datenanalyse ansetzen, unterstützt durch künstliche Intelligenz, die Muster erkennt, Prognosen ermöglicht und Prozesse optimiert.

Genau das greift der Kurs „Logistische Datenanalyse“ auf. Sein Ziel ist es, Data Mining für Logistiker verständlich, praxisnah und anwendbar zu machen. Denn nur, wer seine Daten kennt, kann seine Organisation wirklich steuern – effizient, vorausschauend und intelligent.

Verlauf des Kurses

↪ www.woelker.n

 ame

1. Tag

  • 🖵 Vorstellen der Kurses
  • Organisation, Fortschreiben diese Seite, Inhalte
  • Excel-Samuraj: Ziel ist ein hoher Kyu, Dan dauert länger
  • KIs einsetzen: 
  • Prüfungsform Lernportfolio
  • Feedbackrunde

Aufgaben für nächsten Termin:

  • Arbeitsfähigkeit herstellen
    • Gephi installieren, Discord einrichten
    • Videos von David Kriesel ansehen!
  • Machen
    • Rechercheauftrag Präsentation vorbereiten
  • Hilfe und Feedback
    • Bei der Arbeit kann es, nein ich bin mir sicher, dass es Fragen geben wird. Nächsten Montag müssen aber alle Probleme gelöst sein, daher ist es Pflicht auch nachzufragen, am besten über Discord. Wenn mein Rechner online ist, was ihr ja sehen könnt, dann fragt nach und wir können das Problem sofort gemeinsam online beheben. Scheitern ist keine Option.

2. Tag

Aufgaben für nächsten Termin:

3. Tag

  • Aufgabe für nächsten Termin
    • Analysieren Sie die Daten mit einer ABC-Analyse. Wir sehen uns Ihr-Excel-Sheet an
    • geben Schrauben-Karl eine Handlungsempfehlung (vorläufig)
    • Excel Kurs weiter machen! UND dem Wölker Feedbackgeben.

4. Tag

  • Ein ABC ist zu kurz gesprungen
    • In der Lehrpraxis eignen sich Methoden wie die ABC- oder XYZ-Analyse ideal, um die Prinzipien der Klassifikation und Priorisierung zu vermitteln. Sie funktionieren hervorragend bei Beispielen mit überschaubaren Datenmengen und klaren Schwellenwerten. 
    • In der Realität mit Hunderttausenden Datensätzen und zehntausenden Artikeln greifen diese Modelle jedoch zu kurz. Hier müssen Klassifikationen erweitert, Schwellen datengetrieben bestimmt und Kunden-, Artikel- und Nachfrageklassen miteinander kombiniert werden. Nur so lassen sich differenzierte Strategien ableiten, die der tatsächlichen Komplexität gerecht werden. 
    • Genau das üben wir jetzt an unserem konkreten Datensatz.
  • Passendes Material zum Durcharbeiten
    • Studentinnen erklären die △ ABC-Analyse verständlich
    • und die Excel-Funktionen △ WENN, S-VERWEIS, PIVOT-Tabelle 
    • Maier K, Nikolaus N, Knaub C and Schnorr R (2016), "Logistische Datenanalyse – VerbessernSie die Erfolgswahrscheinlichkeit dernächsten Generation!". Thesis at: Hochschule Kaiserslautern. Pirmasens, July, 2016. [BibTeX] [URL]
  • Aufgabe für nächsten Termin
    • Analysieren Sie die Daten 
      • mit einer ABC-Analyse der Artikel nach Umsätzen,
      • mit einer XYZ-Analyse der Artikel nach Umsätzen,
      • mit einer ABC-Analyse der Kunden nach Umsätzen und
      • wir sehen uns Ihr-Excel-Sheet an. alles soll dynamisch sein.
    • geben Schrauben-Karl richtige Handlungsempfehlung (vorläufig)
    • Excel Kurs weiter machen! UND dem Wölker Feedbackgeben.

Das ist das Programm in diesem Jahr:

  • Einführung
    0.Fall: Präsentation für Methoden erstellen
  • 0. Präsentation der Teams – Feedback
    1.Fall: Simple DLZ-Analyse Uram-Ishayabok-Case
  • 1. Präsentation der Teams – Feedback
    2.Fall: klassische ABC-XYZ-Analyse zur Beschaffungsstrategie 
  • 2. Präsentation der Teams – Feedback
    3.Fall: ABC ist nicht ABC für Lagerzohnung
  • 3. Präsentation der Teams – Feedback
    4.Fall: Distributionsplanung (Geo-Kodierung)
  • 4. Präsentation der Teams – Feedback
    5.Fall: Durchlaufzeitberechnung (Auftragseingang-Geliefert)
  • 5. Präsentation der Teams – Feedback
    6.Fall: Kapazitätsplanung Personal in der Sequenzierung
  • 6. Präsentation der Teams – Feedback
    7.Fall Ausgabe der individuellen Hausarbeiten
  • Fragerunde/Feedback/Evaluation
  • Input nach Bedarf
    OLE, Grafiken, Advanced Excel, Methodik logistischer Analysen
    Je Veranstaltung Vorstellen der Lernergebnisse – Feedback / Qualität

Frühere Kurse

Der Kurs „Logistische Datenanalyse“ (auch „Data Mining für Logistiker“ genannt) wird jedes Jahr etwas anders gestaltet, je nachdem, wie der Ablauf ist, welche Herausforderungen auftreten und welche Schwerpunkte sich ergeben. Aus Dokumentationsgründen habe ich hier die Links zu den Kursen der vergangenen Jahre hinterlegt, seit ich das Format im Blog begleite. Wer möchte, kann dort gern stöbern und sich inspirieren lassen.

WS 24/25: Datamining mit ChatGPT und Co.

WS 23/24: Datamining in der Logistik

WS 22/23: Logistische Datenanalyse oder Datamining für den Praktiker 






Blog: , Seite:
Version: 1.4 April 2025, Kontakt: E-Mail Martin Wölker
Pirmasens, Germany, 2018-, ausgelesen am: , Licence CC BY




Kommentare