Der Betrieb eines Fast - Food Restaurants erfordert ein hohes Maß an Planungsgeschick, denn Schnelligkeit und Kosteneffizienz spielen hier eine große Rolle. Auf der einen Seite ist ein Schnell-Restaurant gezwungen, die Wartezeiten nach einer Bestellung minimal zu halten, während auf der anderen Seite die Produktqualität überzeugen muss, um eine nachhaltige Kundenbindung zu erzielen. In der Praxis wird das durch einen Kompromiss gelöst, indem Waren auf Vorrat zubereitet werden. Um dennoch die Qualität der Produkte zu gewährleisten, werden die Waren nur eine bestimmte Zeit in den allerseits bekanten Rutschen aufbewahrt. Werden sie während der maximalen Aufbewahrungszeit nicht verkauft, so werden die Waren entsorgt.
Planungstechnisch stellt das eine Herausforderung dar, weil der Planer abschätzen muss, wie viele Waren auf Vorrat vorzubereiten sind, um eine maximale Ausnutzung bei minimaler Wartezeit zu erhalten. Aus diesen Gründen hat das GECO►C Team die Verkaufsdaten der Produkte statistisch ausgewertet. Ziel war es, ein System zu entwickeln, dass anhand vergangener Verkaufszahlen und unter Berücksichtigung anderer einflussnehmender Faktoren, wie z.B. Wetter, Wochentag oder Sonderaktionen, einen Vorschlag für die Vorratsproduktion generiert.
Um die Aufgabe zu lösen, wurden Künstliche Neuronale Netze (KNN) in Kombination mit statistischen Verfahren eingesetzt. Die Neuronalen Netze sorgten dafür, dass die in den Verkaufszahlen enthaltene Information bzgl. des Kaufverhaltens in der Vergangenheit extrahiert wurden, um daraus eine Prognose für die Vorratsproduktion zu generieren. Die erzielten Ergebnisse wiesen eine deutliche Übereinstimmung zwischen den prognostizierten und den in der Realität erreichten Verkaufszahlen auf.
