00:00:00 Einleitung
00:02:01 Zeitplan und Schwerpunkt des Kooperationsprojekts
00:03:03 Klassischer Lokad-Umfang und umgekehrte Verkäufe
00:04:18 Lagerzugänge, Bedarfsprognose und KI-Hype
00:06:00 Wahrscheinlichkeitsalgorithmen und Teileklassifizierung
00:07:30 Versandempfehlungen
00:09:15 Automatisierung, KI-Ausführung und Lagerbestandsverschiebung
00:12:26 Abschätzung von Lagerbeständen und Verkaufsszenarien
00:13:48 Langfristige Lagerbestandsbewertung und ROI-Logik
00:15:13 Strafe bei Lagerausfall und Kundenvertrauen
00:17:07 Projektabschluss 2025 und Expansion
Zusammenfassung
In einem kürzlichen Interview haben Fabian Hoehner, Commercial Director bei Lokad, und Elliot Langella, Lead Supply Chain Scientist bei Lokad, ihre Teilnahme an der ATR Digital Conference in Athen erörtert, die von der Tokic group, einem kroatischen Unternehmen im automobilen Aftermarket, veranstaltet wurde. Sie hoben die Integration von KI im automobilen Aftermarket-Sektor hervor und konzentrierten sich auf ihre dreijährige Zusammenarbeit mit Tokic. Diese Partnerschaft, die Ende 2021 begann, hatte zum Ziel, Lagerbestände zu optimieren und die supply chain Effizienz durch KI-gesteuerte Entscheidungsfindung und Bedarfsprognosen zu verbessern. Die Ergebnisse umfassten einen 5%igen Anstieg der Service Levels und einen 10%igen Umsatzanstieg, was das transformative Potenzial von KI im supply chain management demonstriert.
Vollständiges Transkript
Fabian Hoehner: Hallo, hier aus unserem Pariser Büro.
Elliot, wir waren vor ein paar Wochen zusammen in Athen, gemeinsam mit Josip von der Tokic group, und jetzt, nun ja, sind wir hier in unserem neuen, schönen Studio und sprechen darüber, was wir in Athen gemacht haben. Kannst du uns aus deiner Perspektive einen kleinen Einblick geben? Was hast du dort gemacht?
Elliot Langella: Athen war eine Konferenz über KI im automobilen Aftermarket, mit Ergebnissen und Einblicken von den verschiedenen teilnehmenden Unternehmen. Und so waren wir dort mit Tokic und präsentierten das Ergebnis unserer dreijährigen Zusammenarbeit.
Fabian Hoehner: Vielleicht kannst du uns beginnen, indem du die Tokic group noch einmal vorstellst. Josip hat es bereits getan, aber wer sind sie, insbesondere aus Sicht der supply chain? Gib uns einfach einen Eindruck.
Elliot Langella: Die Tokic group ist einer der führenden Einzelhändler für Autoteile in Kroatien und Slowenien. Mehr als 130 Filialen, denke ich, und sie wachsen. Mehr als 150.000 Teile im Katalog. Multipliziert man das mit der Anzahl der Filialen, hat man eine Menge Varianten, oder? Eine Menge.
Sie arbeiten also mit mehreren Hundert Lieferanten zusammen, bieten entweder, weißt du, übliche Werkstattprodukte – lediglich Ersatzteile, die man zur Reparatur von Autos verwendet – aber auch einige Spezialprodukte wie landwirtschaftliche Trucks an. Somit bedienen sie offensichtlich die lokale Nachfrage aus Kroatien und Slowenien, aber auch Exportkunden. Sie sind also ein wichtiger Akteur auf den Balkanmärkten.
Fabian Hoehner: Wenn wir über ihre Kunden sprechen, nun, jetzt haben wir einen super schicken Bildschirm im Hintergrund. Ist das das Bild, das wir uns von ihren Kunden machen sollen? Sind das die Art von Produkten?
Elliot Langella: Ja, genau. Das ist tatsächlich ein großer Teil ihrer Kunden. Mechaniker und, weißt du, lokale Werkstattbesitzer, die einfach in den Tokic-Laden kommen und alles kaufen, was sie in den nächsten Wochen zur Reparatur der Autos ihrer Kunden benötigen.
Fabian Hoehner: Okay, dann sprechen wir etwas konkreter über die Zusammenarbeit mit Lokad. Was war das Projekt? Wie sah der Zeitplan aus? Gib uns ein paar Ideen.
Elliot Langella: Wir begannen Ende 2021, und das war eine sehr schwierige Zeit für die supply chain zu diesem Zeitpunkt. Weißt du, COVID störte das Gleichgewicht von Angebot und Nachfrage, offensichtlich durch Lockdowns. Es war also eine herausfordernde Zeit für Einzelhandelsunternehmen. Man wusste nicht, ob sich sowohl Angebot als auch Nachfrage wieder normalisieren würden.
Das erste, woran wir mit Tokic arbeiteten, war die Bearbeitung der Durchlaufzeiten der Lieferanten und die Schätzung des Lieferanten-Service-Levels, damit sie ein besseres Gefühl dafür bekommen konnten, wie weit sie von den optimalen Lagerbeständen entfernt sind, die sie halten sollten. Nach einigen Monaten gingen wir in eine Pilotphase für die Lagerauffüllung live, also den täglichen Transfer der Bestände vom Lager zu den Filialen. Und einige Monate später sind wir nun sowohl bei der Einkaufsplanung als auch beim täglichen Versand vollständig live.
Fabian Hoehner: Okay, das klingt nach einem ziemlich klassischen Lokad-Umfang. Gab es etwas Besonderes? Ich meine, ihr habt im Laufe der Jahre schon einige Implementierungen durchgeführt. Was war für euch interessant? War das etwas, das ihr noch nicht zuvor gesehen hattet?
Elliot Langella: Ich finde, was die Tokic group als Reverse Sales bezeichnet, ist ziemlich interessant. Wir alle haben schon einmal online bei Amazon oder Zalando eingekauft, und manchmal gibt es ein Problem – es ist nicht die richtige Größe – und man kann die Produkte zurücksenden. Das ist bei Autoteilen, Ersatzteilen, nicht so einfach umzusetzen und den Kunden anzubieten. Aber was die Tokic group macht, ist, ihren Kunden die Möglichkeit zu bieten, einfach hereinzukommen und ein paar mehr Einheiten zu erhalten, als sie heute bezahlen würden.
Weißt du, sie erhalten im Grunde genommen die Zahlung drei Wochen später oder am Monatsende, und erst dann können sie sich entscheiden, das Teil tatsächlich zu kaufen oder es zurück in den Tokic-Laden zu bringen.
Fabian Hoehner: Das gilt auch für das Physische, also im stationären Handel – ich meine, im E-Commerce, denke ich, ist das bei Autoteilen sogar gesetzlich vorgeschrieben – aber das machen sie in ihren stationären Filialen?
Elliot Langella: Direkt in den stationären Geschäften. Man könnte buchstäblich, weißt du, zusätzliche Kupplungen und Filter erhalten. Du nimmst 10 statt der paar, die du ursprünglich geplant hattest, und drei Wochen später kannst du zwei zurückgeben, weil du letztlich drei statt vier verbraucht hast.
Fabian Hoehner: Okay, und was bedeutet das für dich aus der Perspektive eines Supply Chain Scientist? Welche Komplexitäten entstehen dadurch?
Elliot Langella: Das schafft zusätzliche Lagerzugänge und -abflüsse, die sowohl in der Einkaufsplanung auf zentraler Lager-Ebene als auch, was am wichtigsten ist, bei der täglichen Lagerauffüllung der Filialen berücksichtigt werden müssen. Wenn du denkst, dass ein bestimmter Laden heute einen Mangel an Bestand hat, wäre die normale Entscheidung, mehr aus dem Lager zu schicken. Aber du musst auch berücksichtigen, dass vielleicht einige Kunden einen Teil der derzeit vorhandenen Einheiten zurückgeben. Am Ende des Tages musst du diese beiden Zu- und Abflüsse ausbalancieren.
Fabian Hoehner: Also die Beeinflussung der Bedarfsprognose und dieser Projektionen?
Elliot Langella: Bedarfsprognose und Entscheidungsfindung auf täglicher Basis.
Fabian Hoehner: Okay, also wenn wir über die Entscheidungsfindung sprechen – wir waren auf einer KI-Konferenz. Also sag mal, was macht ihr überhaupt? Ich meine, jetzt ist alles KI, alles ist vollständig automatisiert. Ja, also alles ist automatisiert und ihr macht nichts mehr. Warum bezahlen wir euch dann noch?
Elliot Langella: Nein, nein, nein. Also, zum einen ist KI super bekannt, weißt du, im Trend gerade. Und die Leute assoziieren KI normalerweise als Schlagwort für…
Fabian Hoehner: Also sagst du mir, dass wir keine KI machen, oder was meinst du damit?
Elliot Langella: Gib mir ein paar Sekunden. Heutzutage assoziieren die Leute KI hauptsächlich mit LLMs, also ChatGPT, Chatbots, Agenten – im Grunde genommen oder Roboter oder was auch immer. Was wir bei Lokad machen, ist teilweise das, aber das ist nicht das Kernprodukt, das wir für Tokic entwickelt haben. Es geht vielmehr um KI in der Entscheidungsfindung und in der Bedarfsprognose. Das geschieht unter der Haube, im Backend der Software, und wird dann in den Benutzeroberflächen sichtbar, die die Endanwender täglich nutzen.
Wichtige Bestandteile, würde ich sagen, sind die Prognose des Bedarfs. Dazu verwenden wir probabilistische Algorithmen und, weißt du, wir stützen uns auf das, was wir differentielle Programmierung nennen, eine Art Variante von deep learning, um dies zu erreichen.
Fabian Hoehner: Ja, naja, wer sich dafür interessiert, kann sich Johans Erklärungen dazu nochmal anhören, aber…
Elliot Langella: Wir haben ein paar Stunden Material zu diesem Thema.
Fabian Hoehner: Okay, wo siehst du sonst noch Anwendungsmöglichkeiten?
Elliot Langella: Wir nutzen auch LLMs und, weißt du, klassische Clustering-Algorithmen zur Klassifizierung von Teilen, time series und Kategorisierung der Produkte. Es ist also sowohl für die Bedarfsprognose als auch – sagen wir – zur numerisch fundierten Optimierung der Kauf- und Versandvorschläge, die wir täglich bei Tokic durchführen, von großer Bedeutung.
Denn in der Denkweise von Lokad gibt es nicht mehr exakt eine ABC-Kategorisierung. Es ist vielmehr ein Wettbewerb zwischen all den verschiedenen SKUs um gemeinsame Ressourcen, sei es die Kapazität im Lager oder der verfügbare Platz im Geschäft. Und nun muss man abwägen, dass vielleicht ein großes Teil einen hohen Gewinn erzielt, aber den Platz beansprucht, der von vielen kleineren Teilen genutzt werden könnte, die ebenfalls die Kundennachfrage erfüllen würden.
Fabian Hoehner: Also letztlich, eine große Vielfalt an, naja, verschiedenen Arten von KI, und es ist deine Aufgabe als Supply Chain Scientist, die passenden Werkzeuge auszuwählen, um auf jede Fragestellung zu reagieren, sei es Datenbereinigung oder der Entscheidungsfindungsprozess?
Elliot Langella: Genau. Um einen produktionsreifen Prozess zu gewährleisten, verwendet das Tokic-Team täglich, an jedem Werktag morgens, unsere Versandempfehlungen. Sie müssen also um 6:00 Uhr bereitstehen, wenn das Lager öffnet. Wir können nicht einfach mit ausgefallenen Algorithmen spielen. Es muss produktionsreif sein und jeden Tag konsistent gute Ergebnisse für das Geschäft liefern.
Fabian Hoehner: Okay, was würde passieren, wenn ihr nicht liefert? Wenn sie die Daten nicht um 6:00 Uhr morgens erhalten?
Elliot Langella: Wir haben einige Backup-Logiken, um sicherzustellen, dass immer etwas vorhanden ist, auf das sie sich verlassen können, oder wir können einfach einige Prozesse beschleunigen, um ein paar Dinge zu approximieren, so dass, weißt du, eine Stunde, eineinhalb Stunden später etwas vorhanden ist, auf das sie sich verlassen können und, weißt du, sie den Rest des Tages durchkommen.
Fabian Hoehner: Okay, aber ihr müsst sicherstellen, dass sonst, naja, ein paar LKWs nicht abfahren.
Elliot Langella: Ja, oder nicht liefern. Es gibt einfach viel Realität in der supply chain, die drängt. Es passiert jeden Tag, also müsst ihr liefern.
Fabian Hoehner: Okay, nun vom alltäglichen Geschäft gehen wir zur Makroebene über. Ich nehme an, es funktioniert, sonst stünden wir nicht hier. Welche Ergebnisse kannst du uns nennen?
Elliot Langella: Ich würde sagen, das erste Wichtige ist Transparenz und Bedienkomfort im Alltag. Das Tokic-Team ist von der Datenabfrage aus Datenbanken, dem Verarbeiten in Excel-Tabellen, dem Durchführen einiger, weißt du, alltäglicher Berechnungen, zu verlagernd, sodass kaum noch Zeit für wirkliche Analysen auf höherer Ebene bleibt. Sie loggen sich morgens bei Lokad ein. Die meisten Empfehlungen, die wir ihnen geben, sind zu 100% verwendbar, und es gibt nur wenige Anpassungen hier und da, mit denen sie arbeiten sollten, da sie zusätzliches Wissen von ihrem Lieferanten haben.
Dieser Lieferant wird sich verspäten oder, weißt du, es müssen bestimmte Einkaufskonditionen erfüllt werden. Die realen Gegebenheiten, die in den von uns verwendeten Daten widerspiegelt werden können, aber denen sie durch ihre Expertise oder das tägliche Krisenmanagement in der operativen Realität Rechnung tragen. So wird es für sie viel komfortabler, jetzt mit Lokad zu arbeiten.
Fabian Hoehner: Also Transparenz, Automatisierung, Zeit jenseits des Krisenmanagements.
Elliot Langella: Und der Fokus liegt auf strategischeren Aufgaben, weißt du, wie zum Beispiel bei der Definition dessen, was sie tun wollen, beim Erhalt guter Informationen vom Markt, von den Lieferanten, während die Ausführung, die operative Umsetzung, der KI überlassen wird.
Fabian Hoehner: Okay, und na klar, wir sind Zahlenmenschen. Hast du irgendwelche Zahlen, die wir teilen können, irgendetwas Konkretes?
Elliot Langella: Also, ich würde sagen, es gibt zwei Blickwinkel. Einer betrifft die operative Umsetzung, wie das Lager es geschafft hat, von dem, sagen wir, COVID-Sortiment auf das neue Sortiment umzuschwenken, auf das sich die Tokic group jetzt stützt.
Was wir Tokic ermöglichen, ist im Grunde, etwa 40% ihres Sortiments zu verlagern – neue Filialen zu eröffnen, ältere Produkte durch neue zu ersetzen – und das wurde in Zusammenarbeit mit ihnen gemacht, um das Lager nicht zu überlasten.
Das bedeutet, was die Kapazität betrifft, dass sie einfach nicht 40% mehr Personal hatten, um diese großen Umstellungen zu bewältigen. Also haben wir den Rhythmus optimiert, in dem wir die Bestände an die Filialen sendeten, um dem Lager etwas mehr Spielraum zu verschaffen.
Ich würde sagen, der zweite Blickwinkel betrifft eher die üblichen supply chain Kennzahlen, weißt du, jene, die Supply Chain Directors und COOs wöchentlich genau verfolgen.
Ich spreche vom Service Level. Ein Schlüsselelement war, dass nachdem wir mit der Pilotphase für diese Lagerauffüllung von Lager zu Filialen live gingen, wir messen konnten – und noch heute messen – dass das Service Level der Top Mover in allen Filialen um 5% gestiegen ist.
Das bedeutet also, dass du buchstäblich mehr aus derselben Menge an Lagerbestand herausholst, weil du ihn besser timst oder relativ gut im Lager investierst, sodass du ihn im Netzwerk verteilen kannst, und das führt zu mehr Verkaufsabschlüssen.
Letztlich war es also eine sehr große Wachstumsphase für Tokic. Es basiert auf Schätzungen, aber die Idee ist, dass wir die optimistischsten Lagerwert-Simulationen, die das Tokic-Team durchgeführt hat, um 28 % übertroffen haben.
Das bedeutet, dass wir am Ende mit weniger Lagerbestand dastehen als erwartet, und das hat tatsächlich dazu geführt, etwa 10 % mehr Verkäufe zu generieren.
Fabian Hoehner: Wie kommen wir da hin? Was sind also die kleinen Dinge, die wir anders machen, um diesen Punkt zu erreichen?
Elliot Langella: Zwei Hauptbestandteile: probabilistische Lagerbestandsbewertung und ROI-Schätzung.
Fabian Hoehner: Okay, ich werde hier Beispiele brauchen.
Elliot Langella: Ja, bei der probabilistischen Bestandsprognose geht es darum, alle möglichen Nachfrage Szenarien mit Wahrscheinlichkeiten zu skizzieren. Nehmen wir also an, es ist nicht eine einzelne Zahl pro Tag, wie wenn du morgen zwei verkaufst. Es wird für diese SKU in diesem Geschäft zwischen einer und drei Einheiten liegen, aber mit bestimmten Wahrscheinlichkeitsgewichten.
Basierend darauf, weißt du, dass, wenn du als supply chain director einen Servicegrad von 95 % in deinem Geschäft erzielen möchtest, es Lokad tatsächlich möglich ist, exakt zu schätzen, wie viel Lagerbestand du dafür benötigst, da wir die Wahrscheinlichkeitsgewichte haben und sie bis zu 95 % aufsummieren können.
Fabian Hoehner: Wäre es also fair zu sagen, dass es eine genauere Darstellung der Zukunft ist?
Elliot Langella: Eine genauere Darstellung, und ich würde sagen, besser informiert für die zweite Ebene, auf die ich mich beziehe, nämlich diese ROI-Schätzung. Jetzt, wo du verschiedene Verkaufsszenarien hast, bei denen du weißt, dass du 10 %, 5 % oder 0,01 % Verkaufswahrscheinlichkeit hast, kannst du auch abschätzen, wie sich die Investition auszahlen wird, wenn du dich entscheidest, diese zusätzlichen Einheiten an ein bestimmtes Geschäft zu schicken.
Wenn diese Einheit eine Verkaufswahrscheinlichkeit von 1 % hat, bedeutet das, dass sie wahrscheinlich nicht viel Marge für das Unternehmen generiert. Du musst also Lagerhaltungskosten und Logistikkosten bezahlen, um diese Entscheidung zu treffen, und sie wird nicht viel zurückgeben.
Umgekehrt, wenn du dieses Problem vom Lager aus betrachtest und einen begrenzten Vorrat hast, möchtest du offensichtlich nicht diese zusätzliche Einheit an ein Geschäft schicken, das nur eine Verkaufswahrscheinlichkeit von 1 % hat.
Du möchtest sie lieber in ein anderes Geschäft geben, vielleicht etwas weiter im Netzwerk, das eine Verkaufswahrscheinlichkeit von 10 % oder 20 % für diese Einheit hat. Es geht also auch um die Abwägung bei Knappheit, und allgemein gesprochen ist es ein gutes Rahmenwerk für das Tokic-Team, um zu simulieren und abzuschätzen, wie viel zusätzlicher Lagerbestand sie – sagen wir langfristig über ein ganzes Jahr – basierend auf dieser ROI-Schätzung benötigen würden.
Fabian Hoehner: Für mich liegt der Sinn darin, dass du deinen Lagerbestand dort platzierst, wo die höchste Verkaufswahrscheinlichkeit besteht. Aber fließen noch andere wirtschaftliche Komponenten mit ein, wenn du sagst, dass es ROI-gesteuert ist?
Elliot Langella: Es gibt definitiv die Marge, die du generieren wirst. Es gibt auch die Lagerhaltungskosten, also Logistikkosten, wie viel es dich kostet, im Lager zusammenzustellen und zu verpacken, es auf den LKW zu laden, den LKW in Fahrt zu bringen und es im Geschäft einzulagern.
Fabian Hoehner: Also zusammengefasst: Etwas Intelligentes, das die Realität widerspiegelt, indem du nicht eine Einheit an ein Geschäft schickst, das, sagen wir, einen halben Tag entfernt liegt und das du dann bündelst, erst dann, wenn es Sinn macht. Das ist es, was du mit dieser ROI-gesteuerten Logik in Betracht ziehen kannst.
Elliot Langella: Wir beziehen auch Finanzaspekte mit ein. Ich meine, das ist heutzutage ein großes Thema, weißt du, bei einer Inflation, die gestiegen ist und sich jetzt vielleicht stabilisiert – wer weiß. Kapitalkosten sind wichtig. Außerdem gibt es Opportunitätskosten, du weißt schon, wenn du in diesen Lagerbestand von einem Lieferanten investierst, hast du vielleicht nächstes Jahr kein Budget mehr, um zusätzliche Deals mit anderen Lieferanten zu suchen und deinen Katalog zu erweitern.
Es geht also darum, die beste Art und Weise zu finden, dein Kapital zu nutzen. Und ich würde sagen, dass es eine letzte Komponente dieser ROI-Schätzung gibt, die interessant zu diskutieren ist, denn wir haben zuvor über die Rücklaufverkäufe gesprochen. Es ist das, was wir Fehlbestand Strafgebühr nennen.
Es ist eher eine Art Karma-Punkte-Ansatz. Wenn in einem Geschäft die Ware ausgeht, verlierst du das Vertrauen deiner Kunden, und sie fangen an zu denken, dass du kein One-Stop-Shop mehr bist. Es gibt also neben den finanziellen Aspekten und der Marge einen Mehrwert darin, zur richtigen Zeit am richtigen Ort vorrätig zu sein, da dies zu wiederholten Käufen deiner Kunden führt.
Und außerdem kann ein Produkt auch den Verkauf anderer Artikel ankurbeln. Wir möchten nicht den Umsatz bei deinem Kerngeschäft verlieren, also jenem Artikel, den die Leute in deinem Laden erwarten zu finden, denn wenn sie ihn finden, kaufen sie vielleicht noch etwas dazu – Öle, Scheibenwischer und dergleichen –, Dinge, bei denen sie sich nicht ganz sicher sind, ob sie sie benötigen, die sie aber zur Sicherheit mitnehmen.
Fabian Hoehner: Okay, und all das fließt in dieselbe Formel, in denselben Algorithmus, um letztlich eine Entscheidung zu treffen?
Elliot Langella: Ja.
Fabian Hoehner: Okay, was bleibt den Managern also? Welche Entscheidungen treffen sie?
Elliot Langella: Strukturelle Bewertung. Im Grunde delegierst du das Alltägliche in der Berechnung an Lokads KI und konzentrierst dich darauf, was die Entscheidung für dieses Szenario wäre. Können wir das als Unternehmen umsetzen? Ist es die Richtung, in die wir gehen wollen?
Können wir die zusätzliche Aufnahme von Lagerbestand finanzieren? Wird sie zusätzlichen Wert für die Kunden generieren? Ist das das, worauf wir uns als Unternehmen konzentrieren wollen, oder möchten wir uns auf das Sortiment, auf andere Geschäftsbereiche fokussieren?
Fabian Hoehner: Also weniger Alltägliches und mehr, naja, Strategisches, Wirkungsvolleres.
Okay, ja, das ist ziemlich klar, wo wir heute im Projekt stehen. Wohin gehen wir? Haben wir alles erledigt oder gibt es noch etwas zu tun?
Elliot Langella: Anfang 2025 werden wir den Rollout der Projekte vom Croatian supply chain zum zusammengeführten Croatian and Slovenian supply chain abschließen. Tokic ist auf dem slowenischen Markt gewachsen, und nun streben sie einen Zwischenzustand an, in dem sie von verschiedenen Einstiegspunkten einkaufen – also von zwei unterschiedlichen Lagern, die grenzüberschreitende Ströme ermöglichen, um die Geschäfte von einem Land ins andere zu versorgen.
Dies macht die Dinge offensichtlich aus der Perspektive der supply chain etwas komplexer, aber es ist einfacher, dorthin zu gelangen, wenn du bereits seit mehreren Jahren mit Lokad an dem, sagen wir, ersten Parameter arbeitest, der gut läuft.
Ich würde sagen, die anderen Herausforderungen, bei denen wir unseren Kunden generell helfen können, betreffen alles, was mit der Bewältigung der Komplexität zusammenhängt, die diese Kompatibilität von Teilen schafft. Ich meine, im automotive supply chain ist das entscheidend. Manchmal sind für die Erfüllung eines Kundenbedarfs 10 verschiedene Teile notwendig. Welche davon sollte in das Sortiment in diesem Geschäft, in den anderen Geschäften aufgenommen werden? Das sind große Herausforderungen.
Weiterhin spielt auch die Preisgestaltung eine Rolle, die immer kritisch ist. Selbst für Tokic gibt es online einen hohen Wettbewerb. Jetzt kann man Teile auch im E-Commerce kaufen, daher sollte es als Einzelhändler für dich Teil deiner Strategie sein, zu wissen, wie du dich positionieren kannst, angesichts des Wertversprechens, das du mit diesen Reverse Sales bietest, bei denen wir Tokic in ihren Geschäften die höchste Verfügbarkeit bieten können.
Das ist offensichtlich für Autoliebhaber und Werkstätten einfacher, von Tokic zu kaufen, aber du weißt, es gibt immer ein Gleichgewicht zwischen dem Preis, den sie bereit sind zu zahlen, und dem Komfort, den uns das bietet.
Fabian Hoehner: Das Ziel ist also, immer mehr in denselben numerischen Entscheidungsprozess einzusteigen. Nun, das klingt, als hättet ihr noch einiges an Arbeit vor euch. Also, lasst uns 2025 wieder zusammensitzen und sehen, wie es weitergeht. Danke fürs Zuschauen, und bis zum nächsten Mal.
