Wie McDonald's KI und Daten zur Optimierung seiner Lieferkette einsetzt

Beginnen Sie mit der Implementierung einer KI-gestützten Nachfrageprognose in allen Restaurants, um Abfall zu reduzieren und die Lieferzuverlässigkeit zu verbessern. Dieser Schritt kann zeigen, wie datengesteuerte Planung in greifbare Vorteile umgesetzt wird: Bereitstellung eines nahezu Echtzeit- Verständnisses der Konsumentennachfrage, Reduzierung von Überbeständen und rechtzeitige Lieferung von Mahlzeiten. In Pilotprogrammen haben Teams die Verschwendung um bis zu 15 Prozent reduziert und gleichzeitig die Auftragsausführungsraten in Hunderten von Restaurants weltweit gesteigert.

McDonald's nutzt KI, um Lagerbestände zu überwachen, den Bedarf an Rohstoffen vorherzusagen und collaborative Datenanalysen zur Optimierung der Zusammenarbeit mit Lieferanten. Dies ermöglicht Transparenz in den Zutatenflüssen und hilft Landwirtschaftsbetrieben und Verarbeitern, sich an die Nachfrage anzupassen. A collaborative Datenplattform verbindet Restaurants, Händler und Lieferanten, verbessert die Transparenz und ermöglicht schnellere Reaktionen auf Störungen. Dies unterstützt eine sozial, einer umweltverträglichen Präsenz weltweit und gleichzeitig einem gleichbleibenden Service über die gesamte Menüauswahl hinweg, einschließlich Salat Optionen.

Mithilfe von Echtzeit-Dashboards erhalten Restaurants Einblicke in die Bedarfsschwankungen, die durch Werbeaktionen, Wetter oder Feiertage verursacht werden. KI-Modelle prognostizieren den täglichen Bedarf auf granularer Ebene und ermöglichen es den Teams, Nachschubzyklen durchzuführen, die deliver die richtigen Artikel zur richtigen Zeit. In Pilotregionen reduzierte dieser Ansatz die Verderblichkeit um einen zweistelligen Prozentsatz und verkürzte die Expresslieferzeiten, was das Kundenerlebnis verbesserte.

Um den Mehrwert zu demonstrieren, erstellen Teams Dashboards, die zeigen, wie KI-gesteuerte Bestandsauffüllung Fehlbestände und Verschwendung reduziert und gleichzeitig die Frische der Artikel bewahrt, von Burgern bis hin zu Salat Grünzeugs. Das System kann Geschäfte auf potenzielle Engpässe aufmerksam machen, bevor Kunden sie bemerken, was eine proaktive Wiederauffüllung und eine bessere Nutzung von frischen Produkten in Salatbars ermöglicht. Dieses proaktive, transparent Ansatz stärkt Konsument Vertrauen und unterstützt langfristiges Wachstum.

Empfehlung: KI-Module im gesamten Netzwerk skalieren und standardisieren, in Datenqualität investieren und die menschliche Aufsicht aufrechterhalten, um schnelle Entscheidungen zu gewährleisten. Bereichsübergreifende Teams (Betrieb, IT, Beschaffung) bilden, um sicherzustellen, dass ein kontinuierlich Feedbackschleife und messen Sie prozentuale Verbesserungen bei Abfall, termingerechten Lieferungen und Kundenzufriedenheit. Verwenden Sie transparent Berichterstattung an Stakeholder und Aufrechterhaltung einer weltweiten Datenstruktur, die Restaurants, Lieferanten und Aufsichtsbehörden miteinander verbindet.

Praktische KI- und Datenanwendungen für Bedarf, Bestand und ethische Beschaffung

Stelle eine datengestützte Bedarfsprognose bereit, die aktuelle Verkaufsdaten, Werbeaktionen und externe Indikatoren kombiniert und Restaurantleitern klare, tägliche Warnmeldungen liefert. Diese Prognosen, die aus POS-Daten, Menü-Performance und Wettersignalen erstellt werden, verbessern die Zuverlässigkeit durch die Verfolgung von Modelldrift und wöchentliche Neukalibrierung. Verwende eine zentrale Datenpipeline, die Einträge validiert, die Datenqualität protokolliert und Daten aus verschiedenen Quellen erfasst, um einen konsistenten Bestand über die gesamte Speisekarte hinweg zu gewährleisten; diese Dinge schaffen Vertrauen bei Betreibern und Köchen.

Bestandsoptimierung nutzt KI, um Sicherheitsbestände und Bestellpunkte pro Artikel und Restaurant festzulegen, wobei Vorlaufzeiten, Nachfragevariabilität und Werbeaktionen in einem einzigen Score zusammengefasst werden. Führen Sie tägliche Kontrollen durch: Wenn die prognostizierte 7-Tage-Nachfrage plus Sicherheitsbestand den aktuellen Bestand übersteigt, lösen Sie eine automatische Nachbestellung aus. Dies dient dazu, Fehlbestände zu reduzieren, die Verschwendung zu minimieren und über Massenartikel und Lebensmittel im Restaurant- und Take-away-Bereich zu skalieren. Nutzen Sie diese Technologien, um Lagerbestände zu verfolgen, Schwellenwerte anzupassen und eine konsistente Verfügbarkeit auf der Speisekarte zu gewährleisten. Beziehen Sie Lieferantendaten aus Hubei und anderen Regionen ein, um Risiken zu diversifizieren und die Zuverlässigkeit zu verbessern. Führen Sie im Hintergrund wöchentliche Simulationen durch, um alternative Bestellregeln zu testen und Verbesserungen zu implementieren.

Ethische Beschaffung stützt sich auf Daten, um Lieferanten anhand von Arbeitsstandards, Zertifizierungen und Umweltauswirkungen zu bewerten. Erstellen Sie Lieferanten-Scorecards mit ESG-Daten, Auditergebnissen und Rückverfolgbarkeitsaufzeichnungen. Nutzen Sie Blockchain oder zentralisierte Rückverfolgbarkeit, um die Herkunft wichtiger Lebensmittel zu überprüfen, einschliesslich Zutaten aus Hubei, und verpflichten Sie die Lieferanten, CO2-Fussabdrücke und Kennzahlen zur Arbeitssicherheit zu veröffentlichen. Setzen Sie sich Diversitätsziele für den Lieferantenstamm, um das Portfolio zu erweitern und das Konzentrationsrisiko zu verringern. Diese Bemühungen erhöhen die Transparenz und reduzieren Risiken, während sie gleichzeitig Kunden und Franchisenehmern eine verantwortungsvolle Beschaffung demonstrieren.

Stellen Sie die Datenqualität durch regelmäßige Kontrollen, Metadatenstandards und Zugriffskontrollen sicher. Verfolgen Sie Zuverlässigkeitsmetriken wie Datenvollständigkeit, Aktualität und Anzahl der Anomalien. Verwenden Sie kürzlich erfasste Daten, um Anomalien schnell zu erkennen; setzen Sie Schutzmaßnahmen ein, um Verzerrungen durch unausgewogene Eingaben zu verhindern. Diese Maßnahmen schaffen Vertrauen bei Lieferanten und Kunden und unterstützen eine einheitliche Ethik in der gesamten Speisekarte.

Umsetzungsplan: Daten aus POS, Lieferanten-Feeds und externen Indikatoren zusammentragen; Bedarfs- und Bestandsmodelle trainieren; Pilotprojekt in verschiedenen Restaurantformaten durchführen; Schwellenwerte und Warnmeldungen festlegen; Lieferanten-Scorecards veröffentlichen und Fortschritte teilen. Mit einem fokussierten Artikelsatz beginnen und innerhalb von 8–12 Wochen auf alle wichtigen Menükategorien ausweiten. Prognosegenauigkeit, Fehlbestandsquoten, Abfall und Lieferantenverlässlichkeit verfolgen, um laufende Verbesserungen zu steuern. Diese Maßnahmen demonstrieren praktische Effizienzsteigerungen und verantwortungsvolle Beschaffung im gesamten Netzwerk.

KI-gestützte Bedarfsprognose zur Minimierung von Verschwendung und Fehlbeständen

Nutzen Sie eine KI-gestützte Bedarfsplanung, die tägliche Prognosen auf Filialebene nach Produktfamilie und Promotionsszenarien ausgibt, und speisen Sie diese in das Nachschubsystem ein, um Verschwendung zu reduzieren und Fehlbestände zu vermeiden.

In der Praxis integrieren Sie Daten aus dem POS, Werbeaktionen, Menüänderungen, Catering-Bestellungen, Treueprogrammen, Wetter, Feiertagen und lokalen Veranstaltungen, um eine robuste Grundlage für den Einkauf zu schaffen. Das System erkennt aktuelle Veränderungen in der Verbrauchernachfrage und saisonale Muster und ermöglicht so eine Planung, die einen nachhaltigen Restaurantbetrieb mit qualitativ hochwertigen Produkten und konsistentem Service in der gesamten Branche gewährleistet.

Um die Wirkung zu maximieren, weisen Sie der Datenpipeline eine klare Verantwortlichkeit zu und führen Sie routinemäßige Überprüfungen der Datenqualität, der Modellleistung und der Prognoseergebnisse durch. Die folgenden Empfehlungen dienen dazu, Risiken zu managen und gleichzeitig einen reibungslosen Logistikfluss und eine zuverlässige Zusammenarbeit mit den Lieferanten aufrechtzuerhalten.

• Dateneingaben und -qualität: tägliche Umsätze nach Artikelnummer und Filiale abrufen, Abfall nach Produkt verfolgen, Promo-Effekt erfassen und externe Signale wie Wetter und Ereignisse einbeziehen. Automatisierte Datenvalidierungsprüfungen implementieren, um Ausreißer und fehlende Werte zu reduzieren und so eine zuverlässige Systemgrundlage zu schaffen.

• Modellierungsansatz: Setzen Sie eine Mischung aus Zeitreihen- und Machine-Learning-Modellen ein, die Saisonalität, Werbeaktionen und die Einführung neuer Produkte berücksichtigen. Nutzen Sie hierarchische Prognosen, um die Nachfrage auf Filialebene mit den Zielen auf Kategorie- und Menüebene abzustimmen und so einen konsistenten Produktmix in allen Restaurants zu unterstützen.

• Ausgaben und Ausführung: Generieren Sie täglich umsetzbare Prognosen mit empfohlenen Bestellmengen, Sicherheitsbeständen und Bestellpunkten. Verknüpfen Sie Prognosen mit Beschaffungs-Dashboards, um schnelle Entscheidungen zu ermöglichen und gleichzeitig das Gleichgewicht zwischen Catering- und Nicht-Catering-Kanälen zu wahren.

• Strategien zur Abfallvermeidung: Einführung dynamischer Losgrößenplanung, First-Expiring-Item-Regeln und Menüpriorisierung während Stoßzeiten, um Verschwendung zu reduzieren. Verwendung von Verfallsindikatoren zur Anpassung der Produktionspläne in Echtzeit und Minimierung des Wasserverbrauchs im Zusammenhang mit unnötigen Vorbereitungen.

• Risikomanagement: Führen Sie Szenarioanalysen für Werbeaktionen, Lieferunterbrechungen und Wetterschocks durch. Erstellen Sie ein Risikodashboard, das Artikel mit prognostizierten Konfidenzlücken kennzeichnet und Notfallpläne empfiehlt.

• Supplier collaboration: Teilen Sie Prognosesignale mit wichtigen Lieferanten, um die Produktion und die eingehende Logistik aufeinander abzustimmen. Planen Sie regelmäßige Treffen mit den Lieferanten, um die Genauigkeit der Prognosen zu überprüfen, die Vorlaufzeiten anzupassen und flexible Mindest-/Höchstmengen auszuhandeln.

• Logistik und Inspektionen: Synchronisieren Sie die täglichen Lieferungen mit der prognostizierten Nachfrage, um die Lieferströme zu optimieren und Veralterung zu reduzieren. Integrieren Sie Qualitätsprüfungen beim Wareneingang, um sicherzustellen, dass hochwertige Zutaten die Spezifikationen erfüllen, bevor die Produktion beginnt.

• Governance und Empfehlungen: Einrichtung eines funktionsübergreifenden Ausschusses zur Überprüfung der Prognoseleistung, Festlegung von Zielen und Anpassung der Modellierungsgrundlage, wenn sich die Märkte weiterentwickeln. Dokumentieren Sie konkrete Empfehlungen und Zeitpläne, um Verbesserungen zu institutionalisieren.

• KPIs zur Verfolgung: Prognosegenauigkeit nach Artikel, Servicelevel, Abfallreduzierung, Fehlbestandsrate, Lagerreichweite und Lieferanten-Lieferzeitabweichungen. Überwachung des Wasserverbrauchs in Getränke- und Zubereitungsbereichen als Nachhaltigkeitsindikator im Zusammenhang mit Effizienzsteigerungen.

Durch die Verknüpfung von KI-Prognosen mit dem täglichen Management von Restaurantabläufen, Catering-Veranstaltungen und Lieferketten verbessern Teams die Reaktionsfähigkeit in den Bereichen Logistik und Beschaffung. Dieser Ansatz verdeutlicht, wie moderne Systeme die Verschwendung minimieren und gleichzeitig die Verfügbarkeit hochwertiger Produkte sicherstellen können, unterstützt durch zuverlässige Inspektionen und ein proaktives Lieferantennetzwerk.

Echtzeit-Bestandsoptimierung im gesamten globalen Filialnetzwerk

Beginnen Sie mit der Bereitstellung einer zentralisierten Echtzeit-Inventar-Engine, die Millionen von Datenereignissen von POS-Systemen, Drive-Thru-Schaltern, Küchendisplays, Lieferanten-Feeds und Regalsensoren im gesamten Netzwerk erfasst. Dies ist eine komplexe Plattform, die eine einzige Quelle der Wahrheit bietet und die Prognose ermöglicht, um Bestellungen vor Ort in Echtzeit anzupassen. Bauen Sie eine robuste Datenpipeline auf, um Lagerbestände, Verderb und Vorlaufzeiten zu verfolgen, damit die Nachfüllung schneller, konsistenter und widerstandsfähiger erfolgt.

Verknüpfen Sie das Ladeninventar mit den Verteilzentren durch dynamische Zuweisungsregeln, die nahezu in Echtzeit auf sich ändernde Nachfragesignale reagieren, wodurch die Vertriebseffizienz verbessert wird. Branchenführer sagten, dass dieser Ansatz sehr greifbare Vorteile bringen könnte. Demonstrieren Sie die Vorteile mit Pilotprojekten in verschiedenen Regionen und skalieren Sie auf Millionen von Transaktionen pro Jahr, wodurch Fehlbestände und Abfall reduziert werden. Diese Effizienzsteigerung stärkt das Serviceniveau für die Verbraucher und unterstützt das Wachstum in allen Filialen.

Künstliche Intelligenz sorgt für präzisere Prognosen, während Robotik die Regalbestückung und Aufgaben im Lager in Umschlagzentren automatisiert. Dieser stringente, kritische Ansatz hält die Produktverfügbarkeit hoch und reduziert den manuellen Arbeitsaufwand. Beteiligte Teams in Filialen und an den Knotenpunkten der Lieferkette handeln schnell; sie passen Bestellungen an veränderte Bedingungen an und gleichen so Angebot und Nachfrage für Millionen von täglichen Interaktionen innerhalb der Ketten ab.

Mit einem straffen Governance-Kreislauf arbeiten: Store-Teams, Datenverantwortliche und Führungssponsoren überprüfen Dashboards, die Prognosegenauigkeit, Fehlbestände und Verschwendung untersuchen. Jährliche Ziele festlegen, das Modell bei Bedarf anpassen und ein erstklassiges Serviceniveau aufrechterhalten, während die Kosten über alle Ketten hinweg kontrolliert werden.

Transparenz in der Beschaffung: Zertifizierungen, Audits und Datenverwaltung

Führen Sie eine formelle Zertifizierung und einen Audit-Turnus für Tier-1-Lieferanten ein, der jährliche Zertifizierungen gemäß ISO 22000 oder GFSI-Standards sowie unangekündigte Audits für risikoreiche Inputs vorsieht. Legen Sie klare Vorgaben für die Beschaffungsteams fest: Jeder Lieferant muss einen Live-Datenfeed bereitstellen, der Herkunft, Standorte, Tests und Outputs abdeckt, die er produziert. Dies schafft eine Baseline für Leistung und Risiko, bietet einen umfassenden Überblick über das Netzwerk und hilft kleinen Lieferanten, die Compliance zu verbessern.

Erstellen Sie einen zentralisierten Data-Governance-Rahmen mit einem Council, das die Datenqualität, Herkunft, Datenherkunft, Zugriffskontrolle und Aufbewahrung überwacht. Erstellen Sie ein universelles Datenmodell mit konsistenten Definitionen für Lieferantentypen, Materialien und Testergebnisse; einschließlich Modellierung zur Vorhersage von Risiken und Leistungen im Vergleich zu den Erwartungen. Dieser Ansatz wird das Verständnis in breiten Lieferantennetzwerken verbessern und die Beschaffungsteams bei der Aufrechterhaltung von Zertifizierungen unterstützen.

Nutzen Sie künstliche Intelligenz, um bei der Modellierung von Risiken, der Vorhersage von Unterbrechungen und der Optimierung von Bestellungen zu helfen. Erstellen Sie Risiko-Dashboards, die die Leistung aufzeigen, einschließlich Wasserverbrauch, Aufbereitungsanlagen und Abfallentsorgung. Dies wird den Beschaffungsteams Echtzeitsignale liefern, um Pläne und Interventionen anzupassen.

Fordern Sie Zertifizierungen durch Dritte und regelmäßige Audits der Lieferantenbetriebe an; überprüfen Sie Prozesskontrollen, Etikettierung, Rückverfolgbarkeit und die Einhaltung definierter Behandlungsstandards. Richten Sie einen Wartungsplan für Korrekturmaßnahmen und Rezertifizierungen ein und teilen Sie die Ergebnisse den Lieferanten mit, um eine kontinuierliche Verbesserung zu fördern. Dieser Ansatz liefert zuverlässige Daten, stärkt die Integrität der Lieferkette und unterstützt produktive Lieferantenbeziehungen.

Setzen Sie klare Erwartungen und pflegen Sie einen Feedback-Kreislauf, in dem Lieferanten Daten mit Beweisen in Frage stellen können. Die Beschaffungsabteilung von McDonald's wird gezielte Schulungen, gemeinsame Vorlagen und fortlaufende Unterstützung anbieten, um Partnern dabei zu helfen, die Compliance aufrechtzuerhalten und Fortschritte nachzuweisen. Auf diese Weise wird das Programm ein Höchstmaß an Engagement für transparente Beschaffung demonstrieren und gleichzeitig eine widerstandsfähige und verantwortungsvolle Lieferbasis erhalten.

KI-gestützte Routenplanung und Flottenmanagement für geringere Emissionen

Nutzen Sie einen KI-gestützten Routenplaner, der sich auf die Minimierung von Kraftstoffverbrauch und Leerlaufzeiten konzentriert, um die Zuverlässigkeit zu erhöhen und eine Reduzierung der Emissionen in globalen Restaurantketten zu erreichen.

Analysen, unterstützt durch ML, bewerten Verkehr, Wetter und Nachfrage, um Leerlaufzeiten zu minimieren, frische Produkte innerhalb sicherer Zeitfenster zu halten und Emissionen zu reduzieren. Das Softwarepaket ist in die Auftragsverwaltung der Stores integriert, um die Abholung mit den Garzyklen abzustimmen, und beinhaltet Behandlungsregeln, die Pläne in Echtzeit an Vorfälle, Störungen oder wetterbedingte Verzögerungen anpassen, wodurch Fehlbestände und unnötige Umwege vermieden werden.

Für globale Filialen verbessert dieser Ansatz die Zuverlässigkeit der Logistik durch die Koordination von Flottenressourcen, einschließlich Transporter, Lkw und Lieferpartner, um Nachfragesignale mit der Verfügbarkeit der Fahrer abzugleichen. Er zeigt, wie die Kontrolle auf Routenebene die Emissionen senkt, indem Ladungen konsolidiert, energieeffiziente Fahrzeuggruppen eingesetzt und Leerfahrten reduziert werden. Drive-Thrus können durch optimierte Abholzeiten und eine Last-Mile-Routenplanung bedient werden, die das Leerlaufen am Straßenrand minimiert.

In den Einstellungen bietet das System solche Routing-Optionen, darunter Zeitfenster-Priorisierung, kraftstoffsparende Geschwindigkeitsprofile und alternative Speditionszuweisungen, um aussagekräftige Reduzierungen bei gleichbleibendem Service zu demonstrieren. Dank umfassenderer Analysen kann das Management Restaurantteams mithilfe von Dashboards unterstützen, die Energieverbrauchstrends und Emissionsersparnisse im gesamten Netzwerk aufzeigen.

Der Ansatz nutzt Echtzeit-Telemetrie aus der Flotte und gewährleistet so kontinuierliche Verbesserung und hohe Bedeutung für die Logistik in breiten Ketten und Drive-Thru-Netzwerken innerhalb des globalen Restaurant-Ökosystems.

Analytik für Verpackungsreduzierung und Abfallmanagement

Implementieren Sie ein zentralisiertes Analyse-Dashboard, um Verpackungsabfälle nach Region und Artikelnummer zu überwachen und vierteljährliche Reduktionsziele festzulegen, um den Fortschritt aufrechtzuerhalten. Im Fast-Food-Bereich verknüpft dieses System Abfalldaten auf Filialebene mit Verpackungsspezifikationen von Lieferanten, was schnelle Entscheidungen ermöglicht, die zu einer messbaren Reduzierung des Materialverbrauchs führen.

Im Schnellrestaurantbetrieb helfen Analysen dabei, zu erkennen, welche Verpackungsformate zur Abfallreduzierung beitragen und gleichzeitig die Produktfrische erhalten. Verwenden Sie Vorhersagemodelle, um Formate (Tablett vs. Beutel, Deckeltypen) zu vergleichen und den Abfall pro Artikel zu prognostizieren, was Substitutionen ermöglicht, die die Frische und Integrität bewahren und einen frischeren Produktumgang für die Kunden gewährleisten.

Funktionsübergreifende Zusammenarbeit fördern partnerships mit Verpackungslieferanten, Recyclingunternehmen und Datenplattformen, um Datenstandards zu harmonisieren, damit Sie die Leistung vergleichen können über Branche Benchmarks. Dieser kollaborative Ansatz erweitert capacity zur Erprobung neuer Materialien und verfolgt den gesamten Lebenszyklus von der Produktion bis zum Ende der Nutzungsdauer, ausgerichtet auf die Bedürfnisse von Geschäften und Vertriebszentren.

Empfehlungen zur Abfallreduzierung umfassen die Umstellung auf leichtere Materialien, die Erhöhung des Recyclinganteils und die Einführung skalierbarer Mehrweglösungen, wo dies machbar ist. Optimieren Sie bei Flüssigkeitsverpackungen die Kappen- und Hülsengestaltung, um den Wasserverbrauch bei der Produktion und Reinigung zu senken. Diese Änderungen sollten in Märkten mit hohem Volumen erprobt werden, um die Auswirkungen auf den Verpackungs-Fußabdruck zu beurteilen und capacity Auslastung und liefert nützliche Erkenntnisse für die Markteinführung.

Erfassen Sie Kennzahlen wie das Verpackungsgewicht pro Einheit, die Recyclingquote und die Deponierungsvermeidung. Die Pflege einer Heatmap von Hotspots rund um die Lagerhallen hilft, Lieferantenverhandlungen und Logistikanpassungen gezielt anzugehen. Nutzen Sie Daten, um Berichte über soziale Auswirkungen und investorenfähige Offenlegungen über die Umweltleistung zu erstellen und so den nachhaltigen Erfolg in allen Filialen und bei allen Lieferanten zu unterstützen.

Angesichts der Veränderungen in den globalen Lieferketten helfen Ihnen Analysen, sich anzupassen, indem sie Materialknappheit und -kosten vorhersagen, so dass Sie Verpackungsformate anpassen können, ohne Kompromisse bei Sicherheit und Geschwindigkeit einzugehen. McDonald’s kündigte an eine Verlagerung hin zu leichteren Verpackungen und mehr wiederverwendbaren Optionen in verschiedenen Märkten, wobei Lieferanten innerhalb von sechs Monaten über eine verbesserte Abfallleistung berichten.

Um Fortschritte zu erzielen, implementieren Sie diese Schritte: Standardisieren Sie die Verpackungsmetadaten über alle Anbieter hinweg; erstellen Sie einen vierteljährlichen Versuchsplan, um neue Materialien zu testen; überwachen Sie die Wasser-, Gewichts- und Abfallkennzahlen; teilen Sie Erkenntnisse über soziale Kanäle und operative Teams, um die Dynamik aufrechtzuerhalten; planen Sie regelmäßige Leistungsüberprüfungen mit Partnern, um den fortgesetzten Erfolg sicherzustellen und neue Möglichkeiten zu identifizieren.