Wie KI-gesteuerte Personaleinsatzplanung die Produktivität von Supermärkten verbessert

Die Lösung für drei zentrale Herausforderungen, um die Disposition im Supermarkt effizienter zu gestalten.

Eine der technologischen Investitionen, die Supermärkte in Betracht ziehen könnten, ist die Verbesserung ihrer Mitarbeiterplanung.

Die Konsumlandschaft für Supermärkte hat sich in den letzten Jahren dank der explosionsartigen Popularität von Trends wie E-Commerce, kundenorientierten Grundrissen und Sitzgelegenheiten im Food-Court-Stil rasant verändert. Jeder dieser Trends zeigt einen spannenden Blick in die Zukunft.

Doch während sich Supermärkte als Reaktion darauf weiterentwickeln, ist die Notwendigkeit einer verbesserten betrieblichen Effizienz bis heute ein heißes Thema. Eine der technologischen Investitionen, die Supermärkte in Erwägung ziehen könnten, ist die Verbesserung ihrer Mitarbeitereinsatzplanung, da die Erstellung effizienterer Einsatzpläne Supermärkten die Möglichkeit bietet, Umsatzverluste zu reduzieren, Personalkosten zu minimieren und die Zufriedenheit der Mitarbeiter zu verbessern.

Hierbei gibt es drei zentrale Herausforderungen bei der Mitarbeiterplanung, die Supermärkte daran hindern, ein höheres Maß an Effizienz zu erreichen:

  • Prognosen auf der Basis unterschiedlicher Bedarfstreiber pro Filiale
  • Erstellen von Schichten, die die verschiedenen Bedarfstreiber pro Filiale berücksichtigen 
  • Priorisierung und Zuweisung von Aufgaben innerhalb von Schichten 

Es stellt sich also die Frage, wie genau diese Probleme angegangen werden können, um die Disposition im Supermarkt effizienter zu gestalten. Schauen wir uns die Rolle der automatisierten Personaleinsatzplanung im Folgenden genauer an:

PROGNOSEN FÜR UNTERSCHIEDLICHE BEDARFSTREIBER PRO FILIALE

Supermärkte haben verschiedene Abteilungen, die jeweils unterschiedliche Nachfragetreiber für Arbeit, Aufgaben und erforderliche Fähigkeiten sind. Die Bäckerei zum Beispiel verkauft frisches Brot und Gebäck, wofür Mitarbeiter mit den Fähigkeiten zur Bedienung eines Ofens benötigt werden. Die Anzahl der Kassierer ist jedoch nicht davon abhängig, wie viel Brot in einer Stunde verkauft wird, sondern von der Anzahl der durchgeführten Transaktionen. Dies kann noch weiter heruntergebrochen werden, indem man die Nachfrage nach Tageszeit definiert. Brot ist vielleicht am Morgen beliebter, während Wurstwaren eher am späten Nachmittag verkauft werden. Diese Muster sind für jede Filiale und jeden Standort einzigartig. Durch diese klare Unterscheidung können Supermärkte ihr Personal besser auf Spitzen oder schwächere Zeiten in allen Abteilungen einstellen. 

Um solche granularen Prognosen zu erstellen, müssen wir über die manuelle Vorhersage hinausgehen und die KI-Technologie nutzen. Die Verwendung von POS-Daten oder Besucherzahlen aus der Vergangenheit reicht nicht aus, da sie den Einfluss von lokalem Wetter, Veranstaltungen und anderen Faktoren außer Acht lässt. Da unterschiedliche Nachfragetreiber jeweils ihre eigenen Datenmuster haben, erfordern sie auch unterschiedliche Prognosemethoden, um zu den genauesten Ergebnissen zu gelangen. Das bedeutet nicht, dass die historische Mittelwertbildung nicht in manchen Fällen die richtige Methode sein kann. Die Methode kann sich je nach Bedarfstreiber und Zeitspanne unterscheiden.

KI-gesteuerte Prognosen oder das, was wir standort- und abteilungsbasiertes (hyperlokales) Forecasting nennen, ermöglichen es Ihnen, die genauesten Ergebnisse zu erzielen und gleichzeitig automatisch die richtige Prognosemethode für jeden einzelnen Standort auszuwählen.

ERSTELLEN VON SCHICHTEN, DIE DIE VERSCHIEDENEN BEDARFSTREIBER PRO FILIALE ABDECKEN

Nachdem Sie nun wissen, wie Ihr Bedarf pro Bedarfstreiber aussieht und die erforderliche Mitarbeiterzahl (gemäß Arbeitsstandards) definiert wurde, können Sie Schichten erstellen, um diesen Bedarf zu decken. Die korrekte Personalbesetzung gegen den Bedarf verhindert eine übermäßige Über- oder Unterbesetzung und hat einen erheblichen Einfluss auf Ihre Servicelevel und Arbeitskosten. 

Der Prozess der Erstellung von Schichten gegen den Bedarf läuft oft suboptimal ab, da wir dazu neigen, uns auf "Faustregeln" zu verlassen. Faustformeln bedeuten, dass wir einen Tag nehmen, sehen, wo der Bedarf offen ist, und Schichten erstellen, um diesen Bedarf zu decken. Dann folgt eine Überprüfung auf mögliche Regelverstöße rund um erforderliche Pausen, minimale und maximale Schichtlängen. Sobald die Schichten für den ersten Tag abgeschlossen sind, beginnt man wieder für den nächsten Tag. 

Diese eigenständige und isolierte Herangehensweise ist anfällig für Fehler und suboptimale Ergebnisse, da einzigartige Situationen und Bedarfsmuster leicht übersehen werden können. Dieser Ansatz führt zu unfairen Schichtplänen für Ihre Mitarbeiter, Pausen, die zu Spitzenzeiten eingeplant werden, und Schichtplänen, die sich nur schlecht an einzigartige Situationen anpassen. 

Es ist wesentlich besser, einen ganzheitlichen Ansatz zu wählen und fortschrittliche Algorithmen zur Berechnung von Szenarien mit Raum für Anpassungen zu verwenden. Dieser Ansatz ermöglicht es Ihnen, automatisch alle Zeiträume, Rollen, Fähigkeiten und relevanten Geschäftsregeln zu berücksichtigen. Indem Sie verschiedene Lösungen unterschiedlich gewichten, erhalten Sie Verschiebungen, die den Bedarf genau nach Ihren Wünschen abdecken. Wenn es beispielsweise ein Geschäftsziel für Ihren Supermarkt ist, Umsatzverluste zu minimieren, können Sie die Prioritäten entsprechend setzen und Schichten erstellen, die die Nachfragekurve vollständig abdecken, mit der Prämisse, mehr und längere Schichten zu fahren und Unterbesetzung zu vermeiden. Je mehr Mitarbeiter Sie haben, desto geringer ist die Chance, dass Regale leer sind, Mitarbeiter gleichzeitig Pausen haben und Kunden warten müssen.

Der vielleicht vielversprechendste Teil ist, dass Sie, auch wenn Sie überbesetzt sind, mit einem ganzheitlichen und algorithmischen Ansatz die kleinstmögliche Anzahl von Schichten unter Berücksichtigung der Schichtlängen, der Minimierung von Überstunden und aller anderen Faktoren erstellen können. Dieser Ansatz ist flexibel beim Hinzufügen von Präferenzen pro Supermarkt, pro Standort, pro Mitarbeitertyp.  Er berücksichtigt auch automatisch die Präferenzen der Mitarbeiter und schafft so faire Lösungen für alle Beteiligten.

PRIORISIERUNG UND ZUWEISUNG VON AUFGABEN INNERHALB VON SCHICHTEN 

Um ein noch besseres Kundenerlebnis zu schaffen, müssen Sie auch die Aufgaben nach ihrer Priorität aufschlüsseln. Es kann sicher davon ausgegangen werden, dass niemand von ungefegten Gängen profitiert, aber leere Regale sind zu jeder Zeit ein wichtigerer Punkt der Aufmerksamkeit. Es gibt zwei wesentliche Herausforderungen, wenn es um die Planung von Aufgaben geht:

  • Priorisierung von Aufgaben 
  • Aufgaben zuordnen

Priorisierung von Aufgaben

Bei der Priorisierung wollen Sie sicherstellen, dass die Aufgaben, die sich auf den Servicegrad auswirken, zuerst erledigt werden. Einige Aufgaben müssen innerhalb bestimmter Zeitfenster erledigt werden, wie z. B. das Entladen von LKWs. Andere Aufgaben sind eher bedarfsorientiert, wie leere Regale, die sofort nachgefüllt werden müssen. 

Aufgaben zuordnen

Die Gruppierung von Aufgaben ist eine Methode, mit der KI dieses komplexe Rätsel löst. Algorithmen können automatisch alle Aufgaben und ihre jeweiligen Bearbeitungszeiten, Zeitfenster oder die Nachfrage sowie die erforderlichen Fähigkeiten zur Ausführung dieser Aufgaben berücksichtigen. Um die Aufgaben zu gruppieren, berücksichtigen die Algorithmen auch die Wegzeiten. So wird vermieden, dass die Mitarbeiter von einer Seite des Supermarkts zur anderen laufen müssen, um die Aufgaben zu erledigen, was wiederum dazu beiträgt, die Produktivität zu verbessern und Leerlaufzeiten zu reduzieren. 

Sobald diese Prioritätsgruppen definiert sind, welche Mitarbeiter weisen Sie welcher Aufgabengruppe zu? Jede Gruppe hat unterschiedliche erforderliche Fähigkeiten. Die Herausforderung besteht nun darin, diese Anforderungen mit den Fähigkeiten Ihrer Mitarbeiter abzugleichen. Ähnlich wie bei der Erstellung von Schichten wird der "Faustregel"-Ansatz zu suboptimalen Ergebnissen führen. Deshalb plädieren wir wieder dafür, das Ganze ganzheitlich zu betrachten. Dieser algorithmische Weg ermöglicht es Supermärkten, alle Aufgaben mit hoher Priorität bei Bedarf zu erledigen und Mitarbeiter einzusetzen, die dazu in der Lage sind. Am wichtigsten ist vielleicht, dass dieser Ansatz die Mitarbeiter auf der Grundlage ihrer Vorlieben und Verfügbarkeit gerecht auf die Aufgaben verteilen kann, um sicherzustellen, dass nicht nur der Betrieb reibungslos läuft, sondern auch Ihre Mitarbeiter produktiv und zufrieden sind.

 

Automatisieren Sie noch heute Ihre Mitarbeiterplanung

KI-gesteuerte Personaleinsatzplanung ist die Antwort auf komplexe Herausforderungen bei der Prognose und der Personaleinsatzplanung. Die Automatisierung dieses Prozesses ist für kleine aber besonders für Supermarktketten mit einem großen Mitarbeiterpool und mehreren Standorten von Vorteil, da sie hilft, Umsatzverluste zu minimieren, die Mitarbeiterzufriedenheit zu verbessern und die lokalen Arbeitsgesetze zu den niedrigsten Kosten vollständig einzuhalten - und das in nur 15 Minuten.

Quinyx KI kann Ihnen bereits mit den Daten aus Ihrem POS- oder WFM-System helfen, loszulegen. Anhand dieser Daten erhalten Supermärkte Dienstpläne, die auf ihre strategischen Geschäftsziele zugeschnitten sind. Fordern Sie unten eine Demo an, um zu erfahren, wie KI-gesteuerte Personaleinsatzplanung für Sie von Vorteil sein kann und um ein umfassendes Verständnis unserer Lösungen zu erhalten.

Demo buchen

 

Wir freuen uns, Sie kennenzulernen!

Mit Sicherheit finden wir auch für Ihr Unternehmen die beste Lösung. Vereinbaren Sie jetzt Ihren Termin für eine kostenlose, unverbindliche Produktdemo.