Von tausenden einzelnen Kundenentscheidungen zu einer vernetzten Produktion und Lieferung.
Foodify verbindet die flexible Mahlzeitenauswahl mit Lebensmittelproduktion im großen Maßstab. Wir haben die Kundennachfrage mit Rezepturen, Planung, Einkauf, Lager, Produktion, Verpackung und der finalen Kommissionierung verbunden, bis zur Lieferung vor die Haustür.
große Zahl an Gerichten, Varianten und Kalorienstufen
B2C
tausende individuelle Lieferpunkte
Tür zu Tür
Prozessumfang: vom Klick des Kunden bis zur Lieferung
Die Rolle von INVO
Wie wir den Prozesszu einem System verbunden haben
01
Wir haben den operativen Prozess kartiert
Wir haben den Weg einer Bestellung von der Entscheidung des Kunden bis zur Lieferung vor die Haustür abgebildet.
02
Wir haben den Datenfluss entworfen
Wir haben Nachfrage, Rezepturen, Planung, Lager und Logistik zu einem durchgängigen Zielfluss verbunden.
03
Wir haben das System gebaut und angepasst
Wir haben eine Lösung geschaffen, die den tatsächlichen Prozessen von Foodify entspricht.
Wir reduzieren unsere Arbeit nicht auf die Einführung von WMS, MES, Purchasing und Packing. Wir zeigen den Weg: Ein Kunde gibt eine Bestellung auf, Foodify verwandelt tausende einzelne Entscheidungen in einen umsetzbaren Produktionsplan, und wir bilden diesen Prozess ab und verbinden ihn digital von der Nachfrage bis zur finalen Lieferung.
Kundenkontext
B2C-Diätcateringmit hohem Personalisierungsgrad
Foodify ist B2C-Diätcatering. Anders als ein Betrieb, der ein oder wenige Produkte herstellt, muss das Werk jeden Tag eine große Zahl unterschiedlicher Gerichte, Varianten, Kalorienstufen und individueller Kundenkonfigurationen bedienen.
Der Kunde wählt seine Mahlzeiten selbst oder nutzt fertige Diäten und die Empfehlungen eines Assistenten. Jede Bestellung ist zugleich eine Information für die gesamte operative Kette. Das System muss wissen, was der Kunde bestellt hat, für welchen Tag, in welcher Variante, wie viel produziert werden muss, welche Rohstoffe dafür nötig sind, wann die Produktion beginnen muss, wie die Mahlzeiten verpackt werden, welcher Tasche sie zugeordnet sind und wo und wann die Bestellung geliefert wird.
Was wir erreichen wollten
Die Kundennachfrage mit dem Produktionsbedarf verbinden
Eine einzige Quelle für Rezeptur- und Technologiedaten schaffen
Die Nachfrage vor dem Bestellschluss genauer prognostizieren
Einkauf und Lager an den Produktionsplan koppeln
Produktion, Portionierung und Verpackung digital führen
Rückverfolgbarkeit von Produkt und Charge sicherstellen
Individuelle Bestellungen in einem digitalen Prozess kommissionieren
Die Tasche mit Kunde, Route und Lieferung verbinden
Den Kreis schließen, in dem Ist-Daten zurück in die Planung fließen
Methodik
In jedem Bereich haben wirnach fünf Schritten gearbeitet
Jede Zone des Betriebs beschreiben wir in derselben Reihenfolge: vom betrieblichen Kontext über unsere Analyse und die Lösung bis zu der Veränderung, die wir gemeinsam erreicht haben.
01
Kontext
Wie diese Stufe im Alltag von Foodify aussieht.
02
Problem
Was auseinanderläuft, wenn die Stufe nicht mit dem restlichen Prozess verbunden ist.
03
Analyse und Mapping
Wie wir den tatsächlichen Ablauf des Prozesses abgebildet haben.
04
Was wir gebaut haben
Wie das System genau diesen Teil des Betriebs unterstützt.
05
Die wichtigste Veränderung
Was wir im Betrieb durch die Verbindung der Daten real verändert haben.
Werksbereiche
Das Werk von Foodifyals ein Organismus
Wir führen durch das Werk von Foodify entlang des Weges einer einzelnen Bestellung, von der Entscheidung des Kunden bis zur Tasche vor seiner Tür. Wir zeigen das System nicht als Sammlung von Modulen. Wir zeigen, wie unsere Lösung jede konkrete Stufe des realen Prozesses unterstützt.
01
Customer Demand & Planning
Demand Engine: Alles beginnt mit der Bestellung des Kunden
Bei Foodify entsteht die Nachfrage nicht in einer Einrichtung und nicht aus einer institutionellen Sammelbestellung. Sie entsteht aus tausenden individuellen Kundenentscheidungen, die täglich in der App getroffen werden.
Customer Orders
Forecast
Production Demand
Kontext
Ein Kunde kann einzelne Gerichte oder eine fertige Diät wählen, die Zahl der Mahlzeiten, die Kalorienstufe, den Liefertag und die Adresse ändern, Mahlzeiten für mehrere Familienmitglieder bestellen, einen Foodpack oder das Kids Menu hinzufügen und die Bestellung innerhalb der zulässigen Frist ändern.
Problem
Jede dieser Entscheidungen verändert den Produktions-, Rohstoff- und Logistikbedarf. Wenn Bestellungen in einer eigenen E-Commerce-Welt leben, weiß das Werk nur, was verkauft wurde, nicht, was in welcher Menge produziert werden muss.
Analyse und Mapping
Wir haben den Weg der Bestellung vom Klick des Kunden bis zu einer konkreten Position im Produktionsplan abgebildet: was der Kunde bestellt hat, für welchen Tag, in welcher Variante, wie viel produziert werden muss und wann die Produktion beginnen muss.
Was wir für Foodify gebaut haben
Bestellungen direkt mit dem Werk verbunden: Customer Order → Production Demand
System, das Kundenauswahl, Mahlzeitenwechsel, verschobene Liefertage und Familienbestellungen in konkreten Produktionsbedarf umrechnet
Der Bedarf aktualisiert sich mit jeder Änderung
Die wichtigste Veränderung
Wir haben zwei zuvor getrennte Welten, Vertrieb und Produktion, zu einem Ablauf verbunden, in dem die Entscheidung des Kunden sofort zur Information für die gesamte operative Kette wird.
02
Recipes & Dietetics
Recipe & Food Technology: Die Rezeptur als digitale Grundlage der Produktion
Eine große Zahl unterschiedlicher Gerichte, Varianten und Kalorienstufen verlangt eine einzige konsistente Quelle für Rezepturdaten. Eine Rezeptur ist nicht nur eine Zutatenliste. Sie ist ein Modell davon, wie eine Mahlzeit tatsächlich entsteht.
Recipe
Technology
Yield
Nutrition
Cost
Kontext
Ernährungsberatung, Planung, Einkauf, Produktion, Portionierung, Etiketten und die Kundeninformation greifen auf die Rezeptur zu. Alle diese Prozesse müssen dieselben Daten lesen.
Problem
Ohne vollständiges Technologiemodell lassen sich weder Bedarf noch Food Cost korrekt berechnen: Ein Kilogramm Rohstoff ist kein Kilogramm Fertigprodukt, und auf jeder Bearbeitungsstufe entstehen Verluste.
Analyse und Mapping
Wir haben den realen Entstehungsprozess einer Mahlzeit abgebildet: Raw Material → Preparation → Cooking → Cooling → Portioning → Finished Meal, samt Halbfabrikaten, Yield und Verlusten auf den einzelnen Arbeitsgängen.
Was wir für Foodify gebaut haben
Digitales Rezepturmodell mit Rohstoffen, Grammaturen, Kalorien, Makronährstoffen und Allergenen
Herstellungstechnologie, Halbfabrikate, Yield, Verluste, Reihenfolge der Arbeitsgänge und Art der Portionierung
Jede Rezepturänderung mit Food Cost, Rohstoffbedarf, Einkauf und Produktionsplan verknüpft
Dieselbe Änderung mit Portionierung und den Informationen für den Kunden verknüpft
Die wichtigste Veränderung
Wir haben eine einzige Wahrheit über das Produkt geschaffen, sodass dasselbe Gericht in der Ernährungsberatung, in der Küche, im Lager und in der Kunden-App dasselbe bedeutet.
03
Predictive Planning
Predictive Layer: Wie viele Mahlzeiten müssen morgen wirklich produziert werden?
Im Diätcatering ändern sich Bestellmenge und Menüstruktur jeden Tag. Es genügt nicht, die Gesamtzahl der Kunden zu kennen.
Customer Orders
Demand Forecast
SKU Demand
Recipe Explosion
Material Requirements
Production Plan
Schedule
Kontext
Man muss wissen, wie viele Stück eines konkreten Gerichts gebraucht werden, in welchen Varianten und Kalorienstufen, welche Halbfabrikate vorher entstehen müssen, wann die einzelnen Elemente fertig sein sollen und welche Arbeitsplätze ausgelastet werden.
Problem
Eine Planung allein auf Basis abgeschlossener Bestellungen bedeutet, dass das Werk zu spät reagiert: Für Rohstoffe, Personal und Zeitplan bleibt dann zu wenig Zeit.
Analyse und Mapping
Wir haben die Rechenkette von den Kundenbestellungen über die Rezepturauflösung bis zum Zeitplan gebaut, sodass jedes Element des Plans eine eindeutige Quelle in realer oder prognostizierter Nachfrage hat.
Was wir für Foodify gebaut haben
Prädiktive Schicht, die historische Daten nutzt, um die Nachfrage vor dem Bestellschluss vorherzusagen
Foodify kann Produktion, Rohstoffe, Ressourcen, Personal, Einkauf und Verpackung früher vorbereiten
Der Plan aktualisiert sich mit den eingehenden realen Bestellungen
Die wichtigste Veränderung
Wir haben die Planung vom Reagieren auf abgeschlossene Bestellungen zur frühzeitigen Vorbereitung des Werks auf die erwartete Nachfrage verlagert.
04
Purchasing
Purchase Engine: Ein Einkauf, der sich daraus ergibt, was Foodify produzieren will
Der Produktionsplan übersetzt sich automatisch in Materialbedarf. Der Einkäufer muss nicht mehr jedes Gericht von Hand analysieren.
Production Demand
Recipes
Material Requirement
Current Stock
Purchase Requirement
Kontext
Bei einer großen Zahl von Gerichten und Varianten ist die manuelle Rohstoffberechnung die langsamste und riskanteste Stufe der Beschaffung.
Problem
Ohne Verbindung zwischen Produktionsplan und Einkauf fehlt die eindeutige Antwort darauf, was fehlt, in welcher Menge und bis wann. Entscheidungen fallen aus Erfahrung statt aus Daten.
Analyse und Mapping
Wir haben den Bedarf aus Rezepturen und Produktionsplan den aktuellen Lagerbeständen gegenübergestellt und daraus eine einzige, automatisch berechnete Einkaufsliste gemacht.
Was wir für Foodify gebaut haben
Lösung, die dem Einkäufer zeigt, was fehlt, in welcher Menge und bis wann
Bei welchem Lieferanten es verfügbar ist, zu welchem Preis und welche Alternativen es gibt
Liste editierbar gemacht und ihre Umwandlung in Bestellungen ermöglicht
Die wichtigste Veränderung
Wir haben den Einkauf direkt mit der realen und prognostizierten Kundennachfrage verknüpft.
05
Warehouse & Receiving
Digital Receiving & Inventory: Rohstoff genau dann verfügbar, wenn die Produktion ihn braucht
Eine Rohstofflieferung ist digital mit der vorangegangenen Bestellung verknüpft, und nach dem Wareneingang steht das Produkt sofort für Planung und Produktion zur Verfügung.
Planned Delivery
Arrival
Verification
Quantity & Quality Check
Lot / Expiry
Inventory
Kontext
Der Wareneingang ist der Moment, in dem die Kontrolle über Rohstoffkosten, Qualität und Chargenrückverfolgbarkeit entsteht oder verloren geht.
Problem
Wenn eine Lieferung verspätet ins System gelangt, sind die Lagerbestände nicht mehr verlässlich, und Planung und Produktion arbeiten mit veralteten Daten.
Analyse und Mapping
Wir haben den gesamten Wareneingangsprozess geordnet, von der geplanten Lieferung über die Bestandsaktualisierung bis zu den Qualitätsdaten des Lieferanten, und darauf aufbauend die operativen Oberflächen gestaltet.
Was wir für Foodify gebaut haben
Digitaler Wareneingang, der bestellte gegen gelieferte Mengen, Preis, Qualität und Temperatur prüft
Prüfung von Charge, Haltbarkeitsdatum und Lagerort
Vollständige Historie sowie Möglichkeit einer Teilannahme oder Zurückweisung der Lieferung
Die wichtigste Veränderung
Wir haben die Rückverfolgbarkeit von Charge, Datum und Lagerort für jeden Rohstoff sichergestellt und die Produktionsplanung auf den aktuellen statt auf einen geschätzten Bestand gestellt.
06
Raw Material Issue & Production
Issue Queue + MES: Vom Plan zur tatsächlichen Ausführung in der Halle
Das Lager wartet nicht, bis die Produktion telefonisch Bedarf meldet. Das System weiß vorher, welcher Rohstoff, in welcher Menge, zu welcher Stunde, für welches Gericht und an welchen Arbeitsplatz gehen soll.
Material Ready
Prepare
Cook
Measure
Finish
Kontext
In der Halle arbeiten Vorbereitung, warme Küche und kalte Küche parallel, jede mit eigener Arbeitsgangfolge und eigenem Materialbedarf.
Problem
Zu früh ausgegebenes Material belegt Platz in der Produktion, zu spät ausgegebenes hält die Küche an, und eine nachträglich gemeldete Ausführung gibt der Leitung kein reales Bild der Lage.
Analyse und Mapping
Wir haben den Produktionsplan mit einer digitalen Ausgabewarteschlange verknüpft (Production Schedule → Material Queue → Picking → Production Station) und jedes Gericht mit Rezeptur, Charge, Arbeitsplatz, Arbeitsgangfolge, geplanter Zeit und erwartetem Yield.
Was wir für Foodify gebaut haben
Ausgaben auf dem mobilen Gerät für die Lageristen, jeder Vorgang aktualisiert den Bestand und hinterlässt eine digitale Spur
Digitale Anweisungen für die Produktionsmitarbeiter
Aktuelles Bild über Arbeiten, Verzögerungen und Bereitschaft der Komponenten für die Leitung
Erfassung des gesamten Ablaufs: Start → Execution → Time → Weight → Yield → Loss → Finish
Die wichtigste Veränderung
Wir haben die Produktion vom Plan mit nachträglichen Berichten zur digitalen, in Echtzeit überwachten Ausführung überführt.
07
Portioning & Packing
Portioning & Packing Control: Tausende wiederholbare Portionen und das richtige Etikett
Ein fertiges Gericht muss in die passende Zahl wiederholbarer Portionen überführt werden und anschließend mit dem korrekten Etikett in die richtige Verpackung gelangen.
Ready Meal
Portion
Pack
Label
Quality Check
Finished Meal
Kontext
Bei einer großen Zahl von Varianten und Kalorienstufen entscheidet die Wiederholbarkeit der Grammatur über die Produktqualität und über den realen Food Cost.
Problem
Ohne digitale Kontrolle ist unbekannt, wie viele Portionen aus einer Charge tatsächlich entstanden sind, wie groß die Gewichtsabweichung war und ob das Produkt das richtige Etikett erhalten hat.
Analyse und Mapping
Wir haben Portionierung und Verpackung mit Produktionscharge und Rezeptur verbunden, sodass sich Soll- und Ist-Werte gegenüberstellen lassen.
Was wir für Foodify gebaut haben
Portionierungskontrolle, die das Gericht und die erforderliche Portionszahl erkennt
Erkennung der Grammatur und der zugehörigen Charge
Gegenüberstellung von Expected Portions und Actual Portions sowie Expected Weight und Actual Weight
In der Verpackung: Verpackungsart, Grammatur, Charge, Datum, Etikett und erforderliche Produktinformationen
Die wichtigste Veränderung
Wir haben die Kontrolle über Abweichungen und realen Yield ermöglicht und jede Verpackung digital mit Produkt und Charge verknüpft.
08
Bag Assembly
Order Fulfilment: Von der einzelnen Schale zur kompletten Kundenbestellung
Das ist einer der wichtigsten Unterschiede zwischen Foodify und klassischer Lebensmittelproduktion. Fertige Mahlzeiten gehen nicht anonym ins Lager: Sie müssen nach individuellen Bestellungen kommissioniert werden.
Packed Meals
Customer Order
Picking
Bag Assembly
Verification
Closed Bag
Kontext
Eine Beispiel-Kommissionierliste für Kunde 12487, Dienstag: Breakfast A, Lunch C, Dinner B, Snack D, Foodpack 03.
Problem
Ein Kommissionierfehler wird erst beim Kunden sichtbar. Eine fehlende oder vertauschte Mahlzeit ist kein Produktionsproblem, sondern ein Problem der Kundenerfahrung.
Analyse und Mapping
Wir haben die Kundenbestellung in eine digitale Kommissionierliste verwandelt, die mit einem konkreten Tag, Kunden und einer konkreten Tasche verknüpft ist.
Was wir für Foodify gebaut haben
Prozess, in dem der Mitarbeiter alle einem Kunden zugeordneten Produkte kommissioniert
Prüfung der Vollständigkeit der Bestellung, des richtigen Tages und des richtigen Kunden
Prüfung der Produktzahl, der Zusatzpositionen und der Zuordnung zu einer konkreten Tasche
Die wichtigste Veränderung
Wir haben den Betrieb von der Produktion einzelner SKUs auf das Kommissionieren einer individuellen, lieferfertigen Bestellung umgestellt.
09
Dispatch, Delivery & Data
Logistics + Analytics: Die richtige Tasche vor der richtigen Tür und Daten, die zurück in den Plan fließen
Foodify liefert nicht eine große Zahl an Mahlzeiten an ein Krankenhaus, sondern bedient eine sehr große Zahl individueller Lieferpunkte. Deshalb muss die Produktion mit Kunde, Adresse, Tasche und Route verbunden sein.
Finished Bag
Dispatch
Route
Refrigerated Transport
Customer Door
Kontext
Das finale operative Produkt ist nicht eine Schale mit Essen, sondern eine korrekt kommissionierte Bestellung, geliefert an den richtigen Kunden am richtigen Tag.
Problem
Ohne gemeinsame Datenschicht beantwortet jede Stufe nur ihre lokalen Fragen, und es ist nicht sichtbar, wo Verluste, Verzögerungen und Fehler wirklich entstehen.
Analyse und Mapping
Wir haben die Daten der gesamten Kette verbunden: Customer Demand → Recipe → Purchase → Inventory → Production → Packing → Bag → Delivery.
Was wir für Foodify gebaut haben
Jede Tasche mit Empfänger, Adresse, Tag, Gebiet und Route verknüpft
Analytikschicht mit Forecast gegen Actual, Food Cost und realem Rohstoffverbrauch
Yield, Verluste, Produktionszeiten und Arbeitsplatzleistung
Bestellvollständigkeit, Verpackungsleistung, Kommissionierfehler und Prognosegenauigkeit
Die wichtigste Veränderung
Wir haben den Datenkreis geschlossen: Die Ist-Daten fließen in die nächsten Pläne zurück, sodass jeder Produktionstag den folgenden verbessert.
The Connected Flow
Connected Food Operations System
Den größten Wert haben wir nicht in einem einzelnen Modul geschaffen, sondern durch die Verbindung des gesamten Prozesses. Wir haben die Änderung einer Kundenbestellung mit der Nachfrage verknüpft, die Nachfrage mit dem Produktionsplan, den Plan mit Rohstoffen und Einkauf und die Ausführungsdaten wieder mit der Planung.
Kundennachfrage
01Customer / Order
02Demand
03Recipes
04Production Forecast
Beschaffung
05Production Plan
06Material Requirements
07Purchasing
08Receiving & Warehouse
Ausführung und Lieferung
09Production / MES
10Portioning & Packing
11Bag Assembly
12Dispatch & Delivery
Lernschleife
13Data → Better Forecast
Wir haben die Daten aus Produktion, Verpackung und Lieferung mit der Prognose verbunden, um die Treffsicherheit jedes nächsten Planungszyklus zu erhöhen.
Projektergebnisse
Acht Veränderungen,die wir gemeinsam mit Foodify erreicht haben
Vorher
Nachher
Kundenbestellungen als eigene E-Commerce-Welt
Kundennachfrage direkt mit dem Produktionsbedarf verbunden
Die Rezeptur als Zutatenliste
Die Rezeptur als digitales Modell von Technologie, Yield und Kosten
Planung erst nach Bestellschluss
Prognostizierte Nachfrage und ein früh vorbereitetes Werk
Einkauf von Hand, Gericht für Gericht gerechnet
Einkaufsbedarf aus Produktionsplan und Beständen berechnet
Lieferungen und Lagerbestände verspätet aktualisiert
Digitaler Wareneingang mit Charge, Haltbarkeitsdatum und aktuellem Bestand
Produktion nachträglich gemeldet
Digitale Ausführung mit Erfassung von Zeit, Gewicht, Yield und Verlusten
Produktion einzelner SKUs
Die komplette, individuelle Kundenbestellung in einer Tasche
Daten in einzelnen Stufen eingeschlossen
Eine Datenschicht von der Nachfrage bis zur Lieferung und zurück zur Prognose
Hinweis
In dieser Phase beschreiben wir die erreichten Effekte qualitativ. Konkrete Zahlen und KPIs ergänzen wir, sobald Foodify die Daten bestätigt hat.
Verbinden Sie die Kundennachfrage mit Produktion und Lieferung.
Wir beginnen mit der Analyse und dem Mapping Ihrer Prozesse, genauso wie bei Foodify.
