{"id":1426,"date":"2021-03-01T09:07:52","date_gmt":"2021-03-01T08:07:52","guid":{"rendered":"https:\/\/www-stage.inovex.de\/?post_type=case_studies&p=1426"},"modified":"2024-08-14T10:54:40","modified_gmt":"2024-08-14T08:54:40","slug":"rewe-digital-demand-forecasting-fuer-den-rewe-lieferservice","status":"publish","type":"case_studies","link":"https:\/\/www.inovex.de\/de\/referenzen\/case-studies\/rewe-digital-demand-forecasting-fuer-den-rewe-lieferservice\/","title":{"rendered":"REWE digital: Demand Forecasting f\u00fcr den REWE-Lieferservice"},"content":{"rendered":"
\n
\n

REWE und inovex treiben seit 2015 gemeinsam verschiedene Big-Data-Initiativen voran, um die Supply Chain der Einzelhandelskette weiter zu optimieren.<\/p>\n

Dazu z\u00e4hlen Trainings sowie die Einf\u00fchrung von Data Science und Big-Data-Technologien \u2013 inklusive der Entwicklung darauf aufbauender Anwendungen.<\/p>\n

Besonders intensiv hat inovex im Bereich der Supply-Chain-Optimierung mit der REWE-IT-Tochter REWE digital zusammengearbeitet.<\/a>\u00a0Bei REWE digital werden alle strategischen Online-Aktivit\u00e4ten der REWE Group geb\u00fcndelt.<\/p>\n

Im Rahmen des aktuellen Projektes wurde die Absatzprognose (Demand Forecasting) f\u00fcr den REWE-Lieferservice neu entwickelt. Die Implementierung der L\u00f6sung sollte mit Hilfe von Big-Data-Technologien eine einfache Skalierbarkeit erm\u00f6glichen.<\/p>\n<\/div>\n<\/div>\n

\n

Kostenoptimaler Trade-off zwischen Verf\u00fcgbarkeit und Abschriften<\/h2>\n
\n

Die Kernaufgabe eines jeden H\u00e4ndlers ist es, optimal auf seine Kundschaft zugeschnittene Lieferketten zu betreiben und sie stetig an den sich \u00e4ndernden Kundenwunsch anzupassen. Zwei ma\u00dfgebliche Kennzahlen f\u00fcr die Qualit\u00e4tsmessung der Bestandsplanung sind dabei die Verf\u00fcgbarkeitsquote und die Abschriftenquote. Sie messen, ob eine Prognose zu hoch war und die Kunden weniger gekauft haben als prognostiziert (\u00dcberdeckung des Lagerbestands) oder ob sie zu niedrig war und somit die Waren ausverkauft waren, bevor die komplette Nachfrage bedient wurde (Unterdeckung des Lagerbestands). Beide Situationen erzeugen Kosten f\u00fcr den H\u00e4ndler und stellen einen Trade-Off dar. Ziel des Demand Forecastings ist es, diese Kosten in Summe zu minimieren.<\/p>\n<\/div>\n<\/div>\n

\n

Online-Handel vs. station\u00e4rer Handel<\/h2>\n
\n

Im Fall des REWE-Lieferdienstes gibt es hinsichtlich des Demand Forecastings einige Besonderheiten zu beachten, da die Kundschaft ihren Einkauf mittels Online-Bestellung abwickelt. Bestellungen auf der Shop-Seite werden immer f\u00fcr die Zukunft abgegeben. Einkaufende geben im Voraus eine Bestellung ab und w\u00e4hlen einen (sp\u00e4teren) Zeitpunkt f\u00fcr den gew\u00fcnschten Liefertermin. Auch wenn die meisten Auftr\u00e4ge kurzfristig f\u00fcr eine Zustellung in den n\u00e4chsten drei Tagen erteilt werden, hat der Online-H\u00e4ndler einen entscheidenden Vorteil gegen\u00fcber dem station\u00e4ren Handel: Er kennt bereits einen Teil der zuk\u00fcnftigen Nachfrage.<\/p>\n

Zudem l\u00e4sst sich im Online-Gesch\u00e4ft mehr \u00fcber den Kundenwunsch erfahren als im station\u00e4ren Markt. Der urspr\u00fcngliche Warenkorb der Eink\u00e4ufer:innen gibt Auskunft \u00fcber ihre wahren W\u00fcnsche \u2013 auch wenn sie schlie\u00dflich wegen mangelnder Verf\u00fcgbarkeit einzelner Artikel noch einmal ihren Warenkorb im Checkout anpassen. Da diese Information im station\u00e4ren Markt nur schwer zu erhalten ist, sind sogenannte Out-of-Stock-Situationen offline nur schwer identifizierbar.<\/p>\n

Auf beide Besonderheiten wurde bei der Konzeptionierung der Prognose-Modelle R\u00fccksicht genommen. Dadurch erreicht REWE vergleichsweise pr\u00e4zise Prognosen zum zuk\u00fcnftigen Warenabsatz.<\/p>\n<\/div>\n<\/div>\n

\n

Dynamische und vollautomatisierte Prognose-Modelle<\/h2>\n
\n

Das REWE-Produktsortiment ist mit ca. 30.000 Artikeln in einem Vollsortiment-Markt sehr umfangreich. Das Sortiment der Lieferlager ist demgegen\u00fcber zwar leicht eingeschr\u00e4nkt, enth\u00e4lt jedoch s\u00e4mtliche bei REWE \u00fcblichen Produktgruppen. Damit bedient auch der Lieferdienst den f\u00fcr Einzelh\u00e4ndler typischen Long-Tail des Artikelabverkaufs. Ein relativ kleiner Anteil der Artikel wird sehr h\u00e4ufig nachgefragt, w\u00e4hrend ein gro\u00dfer Teil des Sortiments moderat bis wenig Nachfrage erf\u00e4hrt. Des Weiteren unterscheiden sich Artikel stark in ihrem Abverkaufsverhalten. Das Abverkaufsniveau, Saisonalit\u00e4t, Trends und andere Einflussfaktoren, wie z. B. Preis und Werbung, spielen dabei eine wesentliche Rolle.<\/p>\n<\/div>\n<\/div>\n

\n
\"Grafik
Unterschiede im Abverkaufsverhalten verschiedener Produkte<\/figcaption><\/figure>\n<\/div>\n
<\/div>\n
\n
\n
\n

Bei diesen Unterschieden l\u00e4sst sich erahnen, dass ein einheitliches Prognosemodell f\u00fcr alle Artikel wenig Sinn macht. Diese mit Hilfe statistischer Verfahren belegte Hypothese hat zur Entwicklung einer ganzen Reihe von sehr unterschiedlichen Modellen gef\u00fchrt. Diese Modelle werden nun dynamisch und vollautomatisiert den Artikeln so zugeordnet, dass REWE individuell eine maximale Prognoseg\u00fcte erreicht.<\/p>\n

Um den Trade-off zwischen \u00dcber- und Unterdeckungskosten optimal zu steuern, k\u00f6nnen die Prognosemodelle ein beliebiges Zielquantil sch\u00e4tzen. Dieses Zielquantil entspricht dem Service-Level der REWE gegen\u00fcber dem Kunden, also der Wahrscheinlichkeit, dass ein Kunde vor einem leeren Regal steht, der Artikel also in eine Out-of-Stock-Situation ger\u00e4t.<\/p>\n<\/div>\n<\/div>\n

\n

Technologie-Stack<\/h2>\n
\n

Technologisch wurde das neue Demand Forecasting auf Basis moderner verteilter Systeme mittels Apache Spark in Kombination mit Scikit-Learn und Pandas implementiert. Die Nutzung von Spark erm\u00f6glicht und garantiert die ann\u00e4hernd lineare Skalierung des Systems, wenn neue Lieferlager oder Artikel im Sortiment hinzugef\u00fcgt werden. Scikit-Learn in Kombination mit Pandas \u2013 dem aktuellen Standard unter den Python-Bibliotheken f\u00fcr maschinelle Lernalgorithmen \u2013 wurde sowohl im Prototyping als auch in der produktiven Implementierung eingesetzt. Die \u00dcberf\u00fchrung eines Prototyps in die Produktion war somit einfach, da kein sogenannter Language Gap \u00fcberwunden werden musste. PySpark sorgt f\u00fcr die Interoperabilit\u00e4t zwischen Spark und dem Python Stack.<\/p>\n

Neben diesen zentralen Werkzeugen wurden noch eine Reihe weiterer Komponenten aus der Open-Source-Gemeinde verwendet.<\/p>\n<\/div>\n<\/div>\n

\n

Agile Umsetzung<\/h2>\n
\n

Das Projekt wurde agil mit dem Scrum-Framework als Organisationsmodell entwickelt. Dabei hat man sich der aktuellen L\u00f6sung in mehreren Iterationen angen\u00e4hert. Insbesondere im Data-Science-Kontext ist die Komplexit\u00e4t der L\u00f6sung zu Beginn eines Projektes nur schwer einsch\u00e4tzbar. Die G\u00fcte und damit die N\u00fctzlichkeit von Prognosemodellen sind erst dann messbar, wenn sie existieren. Daher war die agile Arbeitsweise aus unserer Sicht ma\u00dfgeblich f\u00fcr die erfolgreiche Umsetzung.
\nIm Mittelpunkt des Projekts standen stets der Kundennutzen und eine einfach zu implementierende L\u00f6sung. W\u00e4hrend des Projektverlaufs wurden nicht nur die G\u00fcte der Absatzprognosemodelle verbessert, sondern auch die Integration in die bestehende REWE-Systemlandschaft durchgef\u00fchrt. Ebenso wurden manuelle Eingriffsm\u00f6glichkeiten und ein umfangreiches Monitoring zur \u00dcberwachung der Modelle und ihrer Prognosen entwickelt.<\/p>\n

Das erste produktive Rollout fand in einem Lieferlager f\u00fcr ca. 50% des Artikelsortiments statt. In der Folgezeit wurden sukzessive die weiteren Lieferlager aufgeschaltet und die Sortimentsabdeckung auf mittlerweile mehr als 95% ausgebaut. Zum Umfang geh\u00f6ren sowohl Waren des t\u00e4glichen Bedarfs als auch das Frischesortiment sowie Obst und Gem\u00fcse. Manuelle Eingriffe durch Filial- oder Logistikmitarbeiter in die Prognose sind nur noch in Ausnahmef\u00e4llen n\u00f6tig.<\/p>\n

Die Qualit\u00e4t der neuen Prognose-L\u00f6sung wurde an den zuvor genannten Kennzahlen gemessen. Insbesondere die Verf\u00fcgbarkeitsquote wurde dabei in den Vordergrund gestellt. Die Menge an nicht verf\u00fcgbaren Artikeln konnte bei gleichbleibenden Abschriften mit Hilfe der neuen Prognose halbiert werden.<\/p>\n<\/div>\n<\/div>\n

\n

Verwendete Technologien<\/h2>\n
\n
    \n
  • Zeppelin<\/li>\n
  • Jupiter<\/li>\n
  • Grafana<\/li>\n
  • Prometheus<\/li>\n
  • Java<\/li>\n
  • Scikit-Learn<\/li>\n
  • Python<\/li>\n
  • R<\/li>\n
  • Apache Spark<\/li>\n
  • Apache Kafka<\/li>\n
  • PySpark<\/li>\n
  • Google Cloud Platform<\/li>\n
  • hadoop<\/li>\n<\/ul>\n<\/div>\n<\/div>\n<\/div>\n","protected":false},"excerpt":{"rendered":"

    Im Rahmen des aktuellen Projektes wurde die Absatzprognose (Demand Forecasting) f\u00fcr den REWE-Lieferservice neu entwickelt. Die Implementierung der L\u00f6sung sollte mit Hilfe von Big-Data-Technologien eine einfache Skalierbarkeit erm\u00f6glichen.<\/p>\n","protected":false},"featured_media":22368,"parent":0,"template":"","case_studies_category":[],"customer":[434],"industry":[73],"service":[76,431],"class_list":["post-1426","case_studies","type-case_studies","status-publish","has-post-thumbnail","hentry","customer-rewe","industry-einzelhandel","service-artificial-intelligence","service-data-science"],"acf":[],"yoast_head":"\nDemand Forecasting f\u00fcr REWE | Case Study - inovex GmbH<\/title>\n<meta name=\"description\" content=\"inovex hat die Absatzprognose (Demand Forecasting) f\u00fcr den REWE-Lieferservice neu entwickelt, um die Supply Chain weiter zu optimieren.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.inovex.de\/de\/referenzen\/case-studies\/rewe-digital-demand-forecasting-fuer-den-rewe-lieferservice\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Demand Forecasting f\u00fcr REWE | Case Study - inovex GmbH\" \/>\n<meta property=\"og:description\" content=\"inovex hat die Absatzprognose (Demand Forecasting) f\u00fcr den REWE-Lieferservice neu entwickelt, um die Supply Chain weiter zu optimieren.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.inovex.de\/de\/referenzen\/case-studies\/rewe-digital-demand-forecasting-fuer-den-rewe-lieferservice\/\" \/>\n<meta property=\"og:site_name\" content=\"inovex GmbH\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/inovexde\" \/>\n<meta property=\"article:modified_time\" content=\"2024-08-14T08:54:40+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.inovex.de\/wp-content\/uploads\/2021\/03\/logo-case-study-rewe-digital.png\" \/>\n\t<meta property=\"og:image:width\" content=\"1920\" \/>\n\t<meta property=\"og:image:height\" content=\"1080\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:image\" content=\"https:\/\/www.inovex.de\/wp-content\/uploads\/2021\/03\/logo-case-study-rewe-digital-1024x576.png\" \/>\n<meta name=\"twitter:site\" content=\"@inovexgmbh\" \/>\n<meta name=\"twitter:label1\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data1\" content=\"5\u00a0Minuten\" \/>\n\t<meta name=\"twitter:label2\" content=\"Written by\" \/>\n\t<meta name=\"twitter:data2\" content=\"Frederik Timm\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/www.inovex.de\\\/de\\\/referenzen\\\/case-studies\\\/rewe-digital-demand-forecasting-fuer-den-rewe-lieferservice\\\/\",\"url\":\"https:\\\/\\\/www.inovex.de\\\/de\\\/referenzen\\\/case-studies\\\/rewe-digital-demand-forecasting-fuer-den-rewe-lieferservice\\\/\",\"name\":\"Demand Forecasting f\u00fcr REWE | Case Study - inovex GmbH\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/www.inovex.de\\\/de\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/www.inovex.de\\\/de\\\/referenzen\\\/case-studies\\\/rewe-digital-demand-forecasting-fuer-den-rewe-lieferservice\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/www.inovex.de\\\/de\\\/referenzen\\\/case-studies\\\/rewe-digital-demand-forecasting-fuer-den-rewe-lieferservice\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/www.inovex.de\\\/wp-content\\\/uploads\\\/2021\\\/03\\\/logo-case-study-rewe-digital.png\",\"datePublished\":\"2021-03-01T08:07:52+00:00\",\"dateModified\":\"2024-08-14T08:54:40+00:00\",\"description\":\"inovex hat die Absatzprognose (Demand Forecasting) f\u00fcr den REWE-Lieferservice neu entwickelt, um die Supply Chain weiter zu optimieren.\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/www.inovex.de\\\/de\\\/referenzen\\\/case-studies\\\/rewe-digital-demand-forecasting-fuer-den-rewe-lieferservice\\\/#breadcrumb\"},\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/www.inovex.de\\\/de\\\/referenzen\\\/case-studies\\\/rewe-digital-demand-forecasting-fuer-den-rewe-lieferservice\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\\\/\\\/www.inovex.de\\\/de\\\/referenzen\\\/case-studies\\\/rewe-digital-demand-forecasting-fuer-den-rewe-lieferservice\\\/#primaryimage\",\"url\":\"https:\\\/\\\/www.inovex.de\\\/wp-content\\\/uploads\\\/2021\\\/03\\\/logo-case-study-rewe-digital.png\",\"contentUrl\":\"https:\\\/\\\/www.inovex.de\\\/wp-content\\\/uploads\\\/2021\\\/03\\\/logo-case-study-rewe-digital.png\",\"width\":1920,\"height\":1080,\"caption\":\"Logo von REWE digital\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/www.inovex.de\\\/de\\\/referenzen\\\/case-studies\\\/rewe-digital-demand-forecasting-fuer-den-rewe-lieferservice\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\\\/\\\/www.inovex.de\\\/de\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"REWE digital: Demand Forecasting f\u00fcr den REWE-Lieferservice\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/www.inovex.de\\\/de\\\/#website\",\"url\":\"https:\\\/\\\/www.inovex.de\\\/de\\\/\",\"name\":\"inovex GmbH\",\"description\":\"\",\"publisher\":{\"@id\":\"https:\\\/\\\/www.inovex.de\\\/de\\\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/www.inovex.de\\\/de\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"de\"},{\"@type\":\"Organization\",\"@id\":\"https:\\\/\\\/www.inovex.de\\\/de\\\/#organization\",\"name\":\"inovex GmbH\",\"url\":\"https:\\\/\\\/www.inovex.de\\\/de\\\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\\\/\\\/www.inovex.de\\\/de\\\/#\\\/schema\\\/logo\\\/image\\\/\",\"url\":\"https:\\\/\\\/www.inovex.de\\\/wp-content\\\/uploads\\\/2021\\\/03\\\/inovex-logo-16-9-1.png\",\"contentUrl\":\"https:\\\/\\\/www.inovex.de\\\/wp-content\\\/uploads\\\/2021\\\/03\\\/inovex-logo-16-9-1.png\",\"width\":1921,\"height\":1081,\"caption\":\"inovex GmbH\"},\"image\":{\"@id\":\"https:\\\/\\\/www.inovex.de\\\/de\\\/#\\\/schema\\\/logo\\\/image\\\/\"},\"sameAs\":[\"https:\\\/\\\/www.facebook.com\\\/inovexde\",\"https:\\\/\\\/x.com\\\/inovexgmbh\",\"https:\\\/\\\/www.instagram.com\\\/inovexlife\\\/\",\"https:\\\/\\\/www.linkedin.com\\\/company\\\/inovex\",\"https:\\\/\\\/www.youtube.com\\\/channel\\\/UC7r66GT14hROB_RQsQBAQUQ\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Demand Forecasting f\u00fcr REWE | Case Study - inovex GmbH","description":"inovex hat die Absatzprognose (Demand Forecasting) f\u00fcr den REWE-Lieferservice neu entwickelt, um die Supply Chain weiter zu optimieren.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.inovex.de\/de\/referenzen\/case-studies\/rewe-digital-demand-forecasting-fuer-den-rewe-lieferservice\/","og_locale":"de_DE","og_type":"article","og_title":"Demand Forecasting f\u00fcr REWE | Case Study - inovex GmbH","og_description":"inovex hat die Absatzprognose (Demand Forecasting) f\u00fcr den REWE-Lieferservice neu entwickelt, um die Supply Chain weiter zu optimieren.","og_url":"https:\/\/www.inovex.de\/de\/referenzen\/case-studies\/rewe-digital-demand-forecasting-fuer-den-rewe-lieferservice\/","og_site_name":"inovex GmbH","article_publisher":"https:\/\/www.facebook.com\/inovexde","article_modified_time":"2024-08-14T08:54:40+00:00","og_image":[{"width":1920,"height":1080,"url":"https:\/\/www.inovex.de\/wp-content\/uploads\/2021\/03\/logo-case-study-rewe-digital.png","type":"image\/png"}],"twitter_card":"summary_large_image","twitter_image":"https:\/\/www.inovex.de\/wp-content\/uploads\/2021\/03\/logo-case-study-rewe-digital-1024x576.png","twitter_site":"@inovexgmbh","twitter_misc":{"Gesch\u00e4tzte Lesezeit":"5\u00a0Minuten","Written by":"Frederik Timm"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/www.inovex.de\/de\/referenzen\/case-studies\/rewe-digital-demand-forecasting-fuer-den-rewe-lieferservice\/","url":"https:\/\/www.inovex.de\/de\/referenzen\/case-studies\/rewe-digital-demand-forecasting-fuer-den-rewe-lieferservice\/","name":"Demand Forecasting f\u00fcr REWE | Case Study - inovex GmbH","isPartOf":{"@id":"https:\/\/www.inovex.de\/de\/#website"},"primaryImageOfPage":{"@id":"https:\/\/www.inovex.de\/de\/referenzen\/case-studies\/rewe-digital-demand-forecasting-fuer-den-rewe-lieferservice\/#primaryimage"},"image":{"@id":"https:\/\/www.inovex.de\/de\/referenzen\/case-studies\/rewe-digital-demand-forecasting-fuer-den-rewe-lieferservice\/#primaryimage"},"thumbnailUrl":"https:\/\/www.inovex.de\/wp-content\/uploads\/2021\/03\/logo-case-study-rewe-digital.png","datePublished":"2021-03-01T08:07:52+00:00","dateModified":"2024-08-14T08:54:40+00:00","description":"inovex hat die Absatzprognose (Demand Forecasting) f\u00fcr den REWE-Lieferservice neu entwickelt, um die Supply Chain weiter zu optimieren.","breadcrumb":{"@id":"https:\/\/www.inovex.de\/de\/referenzen\/case-studies\/rewe-digital-demand-forecasting-fuer-den-rewe-lieferservice\/#breadcrumb"},"inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.inovex.de\/de\/referenzen\/case-studies\/rewe-digital-demand-forecasting-fuer-den-rewe-lieferservice\/"]}]},{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/www.inovex.de\/de\/referenzen\/case-studies\/rewe-digital-demand-forecasting-fuer-den-rewe-lieferservice\/#primaryimage","url":"https:\/\/www.inovex.de\/wp-content\/uploads\/2021\/03\/logo-case-study-rewe-digital.png","contentUrl":"https:\/\/www.inovex.de\/wp-content\/uploads\/2021\/03\/logo-case-study-rewe-digital.png","width":1920,"height":1080,"caption":"Logo von REWE digital"},{"@type":"BreadcrumbList","@id":"https:\/\/www.inovex.de\/de\/referenzen\/case-studies\/rewe-digital-demand-forecasting-fuer-den-rewe-lieferservice\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/www.inovex.de\/de\/"},{"@type":"ListItem","position":2,"name":"REWE digital: Demand Forecasting f\u00fcr den REWE-Lieferservice"}]},{"@type":"WebSite","@id":"https:\/\/www.inovex.de\/de\/#website","url":"https:\/\/www.inovex.de\/de\/","name":"inovex GmbH","description":"","publisher":{"@id":"https:\/\/www.inovex.de\/de\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.inovex.de\/de\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"de"},{"@type":"Organization","@id":"https:\/\/www.inovex.de\/de\/#organization","name":"inovex GmbH","url":"https:\/\/www.inovex.de\/de\/","logo":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/www.inovex.de\/de\/#\/schema\/logo\/image\/","url":"https:\/\/www.inovex.de\/wp-content\/uploads\/2021\/03\/inovex-logo-16-9-1.png","contentUrl":"https:\/\/www.inovex.de\/wp-content\/uploads\/2021\/03\/inovex-logo-16-9-1.png","width":1921,"height":1081,"caption":"inovex GmbH"},"image":{"@id":"https:\/\/www.inovex.de\/de\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/inovexde","https:\/\/x.com\/inovexgmbh","https:\/\/www.instagram.com\/inovexlife\/","https:\/\/www.linkedin.com\/company\/inovex","https:\/\/www.youtube.com\/channel\/UC7r66GT14hROB_RQsQBAQUQ"]}]}},"_links":{"self":[{"href":"https:\/\/www.inovex.de\/de\/wp-json\/wp\/v2\/case_studies\/1426","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.inovex.de\/de\/wp-json\/wp\/v2\/case_studies"}],"about":[{"href":"https:\/\/www.inovex.de\/de\/wp-json\/wp\/v2\/types\/case_studies"}],"version-history":[{"count":6,"href":"https:\/\/www.inovex.de\/de\/wp-json\/wp\/v2\/case_studies\/1426\/revisions"}],"predecessor-version":[{"id":57250,"href":"https:\/\/www.inovex.de\/de\/wp-json\/wp\/v2\/case_studies\/1426\/revisions\/57250"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.inovex.de\/de\/wp-json\/wp\/v2\/media\/22368"}],"wp:attachment":[{"href":"https:\/\/www.inovex.de\/de\/wp-json\/wp\/v2\/media?parent=1426"}],"wp:term":[{"taxonomy":"case_studies_category","embeddable":true,"href":"https:\/\/www.inovex.de\/de\/wp-json\/wp\/v2\/case_studies_category?post=1426"},{"taxonomy":"customer","embeddable":true,"href":"https:\/\/www.inovex.de\/de\/wp-json\/wp\/v2\/customer?post=1426"},{"taxonomy":"industry","embeddable":true,"href":"https:\/\/www.inovex.de\/de\/wp-json\/wp\/v2\/industry?post=1426"},{"taxonomy":"service","embeddable":true,"href":"https:\/\/www.inovex.de\/de\/wp-json\/wp\/v2\/service?post=1426"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}