Für jeden von hunderten Artikeln: wann nachbestellen und wie viel — Abwägung zwischen Lieferunfähigkeit und im Lager gebundenem Kapital (in der Literatur: (s,S)-Politik).
Kurz gesagt
Kommt Ihnen das bekannt vor?
- 'Wann war dieser Artikel ausverkauft' hat keine klare Antwort — man merkt es bei der nächsten Inventur
- Manche Artikel liegen 6–12 Monate im Lager; Kapital ist gebunden, während Lieferantenrechnungen drücken
- Sie haben 3–8-mal im Monat 'Kunde wollte, war aus' — ein Teil dieser Kunden kommt nicht zurück
- Eilbestellungen kosten zusätzliche Fracht oder einen Aufschlag — und sie sprengen das Budget
- Die Lieferanten-MOQ ist hoch; bei langsamen Artikeln überbestellen Sie nur, um die Mindestmenge zu erreichen
- Vor der Saison hängt 'wie viel von welchem Artikel halten' an Bauchgefühl und brüchigen Vorjahresdaten
- Auslaufende Artikel werden reduziert oder abgeschrieben — die Schwundquote liegt bei 3–8 %
Warum es wichtig ist
Wie wird es gelöst?
Technische Tiefe
Wie wird es gelöst?
Technische TiefeIn einem Satz: Lege je Artikel zwei Zahlen fest — eine Bestellschwelle (fällt der Bestand darauf, wird bestellt) und eine Auffüllgrenze (so weit soll die Lieferung den Bestand anheben). Je schwankender die Nachfrage und je langsamer der Lieferant, desto höher die Bestellschwelle — sonst läuft das Lager leer.
Was die Software wirklich tut: dieselbe wann/wie-viel-Entscheidung, die Ihr Einkäufer aus dem Kopf für 50 Artikel trifft, trifft sie für 5.000 in Sekunden und aktualisiert sie nachts. Drei Stufen:
1. Daten zusammenführen. Pro SKU: 6–12 Monate Verkaufshistorie, Lieferanten-Lead-Time und Lead-Time-Streuung, MOQ und Preisstaffeln, ggf. Haltbarkeit, Lagerplatzgrenzen und ein Zielservicegrad (z. B. 95 % — 95 von 100 Kunden finden, was sie suchen). Die Daten kommen aus Kasse, Onlineshop oder ERP automatisch — oder werden einmal sauber in eine Tabelle gepflegt.
2. Politik pro SKU berechnen. Die Software schaut nicht jeden Tag auf jeden Artikel — das ist mathematisch unnötig. Sie nutzt Bestandsmodellierung — eine bewährte Teildisziplin der Operations Research (Disziplin, die mit Mathematik und Computereinsatz Geschäftsentscheidungen löst) — und berechnet pro SKU zwei Werte: s (Meldebestand — bei diesem Stand bestellen) und S (Bestellzielniveau — bis hierhin auffüllen). Beide Werte ergeben sich aus Nachfrageschwankung, Lead Time und gewünschtem Servicegrad. Wenn Nachfrage, Lead Time oder Lieferantenbedingungen sich verschieben, aktualisiert die Software die Werte automatisch.
3. Bestellliste landet jeden Morgen auf dem Schreibtisch. Die Software zeigt, welche Artikel heute zu bestellen sind, bei welchem Lieferanten, in welcher Menge. Sie sagen ‘ja, abschicken’, das System leitet die Bestellung an den Lieferanten und übernimmt das Liefertracking. Verspätet sich der Lieferant oder ändert sich die MOQ, meldet die Software es.
Sie ersetzt Ihr Urteil nicht; denken Sie an einen Taschenrechner, der das, was Sie für 50 SKUs aus dem Kopf machen, auf 5.000 skaliert und keinen einzigen vergisst. Die Entscheidung bleibt bei Ihnen, aber für jeden Artikel liegt immer eine aktuelle Tabelle vor."
Alternativen
Tabellenkalkulation + Bauchgefühl des Einkäufers
KostenlosKostenlos
Für wen geeignet: 10–100 SKUs, stabile Nachfrage, lange Haltbarkeit
- + Keine Kosten
- + Flexibel — Überschreiben aus dem Bauch heraus einfach
- + Keine Investitionsentscheidung
- − Qualität sinkt schnell oberhalb von ~100 SKUs
- − Nachfrageschwankung und Lead-Time-Unsicherheit werden nicht berücksichtigt
- − Saisonwechsel überraschen den Einkäufer
- − Gebundenes Kapital pro SKU ist nicht sichtbar
ERP-Bestandsmodul
Enterprise1.500–8.000 EUR Einrichtung + 200–700 EUR/Monat (regionale KMU-Preise)
Für wen geeignet: 100–1.000 SKUs, stabiler Lieferantenstamm
- + Deutsche Oberfläche und Support
- + Mit Buchhaltung und Faktura verdrahtet
- + Meldebestand-Benachrichtigungen meistens vorhanden
- − Nachfrageprognose meist 'letzter Monat × 1,1'
- − Servicegrad- und Sicherheitsbestandsrechnung fehlt oder ist rudimentär
- − Mehrstufen (Zentrallager + Filialen) schwach abgebildet
Internationale spezialisierte Bestands- und Beschaffungs-Software
Enterprise5–25 EUR/SKU/Monat Abo oder 30.000–200.000 EUR/Jahr Lizenz
Für wen geeignet: 1.000–50.000 SKUs, mehrere Lager, prognosegetriebene Planung
- + Ausgereift: statistische Nachfrageprognose, Mehrstufen-Optimierung, Alarmsystem voll unterstützt
- + Lieferantenanbindung (EDI, API) enthalten
- + Trennt Saisonalität vom Grundtrend
- − Hohe Lizenz- und Beratungskosten
- − Einführung 3–6 Monate
- − Deutscher Support kann eingeschränkt sein
Eigenbau auf Open-Source-Solver
Open SourceLizenz kostenlos; 8–16 Wochen interne Entwicklung oder 50.000–250.000 EUR Beratung
Für wen geeignet: Kette mit Data-Science-Team oder Onlinehandel mit ungewöhnlichen Bedingungen
- + Keine Lizenzkosten
- + Voll anpassbar an die eigene Sortimentsstruktur
- + Cloud oder eigener Server
- − Echte Daten- und OR-Kapazität im Haus nötig
- − Laufende Wartung — jede Lieferantenänderung zählt
- − Prognose und Politik sind zwei Disziplinen; beide Teams aufzubauen ist teuer
Empfehlung
Im Gespräch fragen
- Welches Modell liegt der Nachfrageprognose zugrunde — einfacher Mittelwert, saisonale Zerlegung, maschinelles Lernen? Welches greift in welcher Größenordnung?
- Wie geht die Lead-Time-Streuung in den Sicherheitsbestand ein? Lässt sich der Servicegrad pro SKU einstellen?
- Werden Mindestbestellmengen (MOQ), Losgrößen und Preisstaffeln unterstützt?
- Wie wird Mehrstufen (Zentrallager + mehrere Filialen oder Zentrallager + Onlineshop) modelliert?
- Wie funktioniert die Prognose für neue Artikel ohne Historie? Gibt es Ähnlichkeitsmatching?
- Für SKUs nahe am Verfallsdatum: schlägt das System automatische Aktionen vor (Rabatt, Umlagerung, Bestellstopp)?
- Wie ist der Pilot aufgebaut — wie viele SKUs, wie viele Wochen, was ist die Erfolgsschwelle?
- Wenn wir die Zusammenarbeit beenden, wie bekommen wir Artikel-, Lieferanten- und Bewegungsdaten zurück? Gibt es einen Standard-Export?
Technische Details
Anmerkung der Redaktion
Auf dem Einkäufer-Schreibtisch heißt dieses Problem “Lagerauffüllung”, “Bestellmanagement” oder “was kommt als Nächstes ins Regal”. Der akademische Name ist Inventory Replenishment mit (s,S)-Politik — Meldebestand- und Bestellzielregel. Seit den 1950ern eine der ältesten Säulen der Operations Research. Ohne dieses Vokabular lässt sich in einer Demo nicht prüfen, ob das angebotene “Bestandsmodul” wirklich statistische Nachfrageprognose und Sicherheitsbestand rechnet — oder nur ein hübsch verpackter Low-Stock-Alarm ist.
Der in diesem Segment am häufigsten übersehene Punkt: viele Produkte werben mit ‘Bestandsmanagement’, arbeiten darunter aber nur mit physischer Zählung + Alarmschwelle — also “melde mir, wenn Bestand unter 10 fällt”. Das funktioniert bei flacher Nachfrage; sobald Nachfrage schwankt oder Lead Times variieren, bricht die Planqualität ein. Verlangen Sie in jeder Demo, dass der Anbieter ein Beispiel mit 20 SKUs unterschiedlicher Nachfrage- und Lead-Time-Streuung durchspielt und erklärt, wie der Meldebestand pro Artikel berechnet wird.
Schritt-für-Schritt-Pfad für ein KMU
Phase 1 — Erst messen, dann planen. Über mindestens 12 Wochen vier Dinge erfassen:
- Tägliche/wöchentliche Stückzahlen pro SKU (aus Kasse oder Inventur)
- Bestell-zu-Liefer-Zeit pro Lieferant (Mittelwert und Streuung)
- Anzahl Lieferunfähigkeiten und Ursache (Prognosefehler, Lieferantenslip, plötzliche Aktion)
- Liste der SKUs, die 90+ Tage im Lager liegen, und das gebundene Kapital
Ohne diese Basislinie können Sie nicht beurteilen, welche Software welches Ergebnis liefert.
Phase 2 — ABC-Analyse durchführen. Rund 80 % vom Umsatz kommen aus ~20 % der SKUs (A-Gruppe). A-SKUs brauchen eine enge Politik; B-SKUs mittel; C-SKUs einfach. Klassifizieren Sie selbst zuerst, dann erklären Sie es der Software — automatische ABC ist in Ordnung, aber Ihre operative Sicht verbessert das Ergebnis.
Phase 3 — Pilot. Starten Sie mit 30–50 A-SKUs über 8–12 Wochen. Erfolgskriterium schriftlich, vor dem Start: z. B. “in 90 Tagen Lieferunfähigkeit in der A-Gruppe minus 50 %, Durchschnittsbestand minus 15 %”. Wird die Marke nicht erreicht, endet der Pilot — sichern Sie dieses Recht im Vertrag.
Phase 4 — Rollout. Bei erfolgreichem Pilot über 2–4 Monate auf das gesamte Sortiment ausrollen. Operationsteam-Schulung 1–2 Wochen; Lieferantenanbindung (EDI oder API) dauert in der Regel 4–8 Wochen.
Risiken — was schiefgehen kann
- Schlechte Daten. Wenn die Verkaufshistorie Lieferunfähigkeits-Phasen enthält, fällt die Prognose zu niedrig aus — die Software bestellt zu wenig — Teufelskreis. Die Historie muss um Lieferunfähigkeiten korrigiert werden; ein gutes System macht das selbst.
- Widerstand im Operationsteam. “Der Computer sagt 50 Stück, mein Gefühl sagt 20” ist häufig. Gehen Sie die Ergebnisse im Pilot gemeinsam durch; die Software muss transparent zeigen, welche Regel angewandt wurde.
- Lieferanten-Pushback. Kleinere, häufigere Bestellungen können an Lieferanten-MOQ oder Fracht-Tarife stoßen. Die Neuverhandlung der Lieferantenkonditionen gehört in den Piloten."
- Lieferantenabhängigkeit. Software, die Bewegungsdaten und Lieferantendaten in proprietärem Format speichert, erschwert einen späteren Wechsel. Schreiben Sie in den Vertrag: “Wir können unsere Daten jederzeit in offenen Standardformaten (CSV oder ähnlich) exportieren.”
Verwandte Lehre aus der Praxis (wird verlinkt, sobald veröffentlicht): “Ein 5.000-SKU-Händler, der seine Bestandssoftware nach 14 Monaten verworfen hat — was übersehen wurde.”
Technischer Blick auf die Lösungsmethode
Dieser Abschnitt enthält, was Sie im Gespräch mit Software-Team oder Berater brauchen. Es ist nicht das, was das Operationsteam täglich sieht — es ist der Motor hinter dem Vorhang.
Hauptansätze für die Lagerauffüllung:
| Ansatz | Typischer Einsatz | Datenbedarf | Entscheidungslogik |
|---|---|---|---|
| EOQ-Formel | Stabile Nachfrage, ein Artikel | Niedrig | Eine Formel, sofort |
| (s,S)-Politik | Schwankende Nachfrage, viele Artikel | Mittel | Stochastisches Modell + Sicherheitsbestand |
| (R,Q)-Politik | Feste Bestelltage | Mittel | Periodisches Überprüfen |
| Newsvendor / Einperiode | Verderbliche oder saisonale Artikel | Mittel | Nachfrageverteilung + Kostenverhältnis |
| Mehrstufen-MIP | Lager + Filialnetz | Hoch | Volle Netzwerk-Optimierung |
Faustregel: Unter 500 SKUs mit stabilen Lieferantenbedingungen reicht (s,S) oder (R,Q). Über 1.000 SKUs oder in Mehrstufen-Netzen ist eine kommerzielle Demand-Planning-Lösung mit Mehrstufen-Optimierung vorzuziehen. Für verderbliche Ware werden Newsvendor-Varianten eingesetzt.
Die Wahl der Zielfunktion verändert die Lösungsform:
- Gesamtbestandskosten: “Gebundenes Kapital minimieren” — passt zu kapitalknappen Betrieben
- Servicegrad (z. B. 95 % Fill-Rate): “Kein Kunde geht leer aus” — passt zu marktanteilorientierten Betrieben
- Erwarteter Gewinn (inkl. Umsatzverlust und Abschriften): “Gesamtgewinn maximieren” — passt zu margenstarken Händlern
- Lieferunfähigkeits-Kosten vs. Abschrift-Kosten: “Strategie für Verderbliche” — passt zu Frische oder Pharma
Die meisten realen Einsätze verwenden eine gewichtete Mischung der vier.
Akademische Quellen
Im sources-Block dieser Seite gelistet. Das Bestandsmanagement ist eines der ältesten und immer noch aktiven Felder der Operations Research (seit den 1950ern); INFORMS Interfaces und das Archiv des European Journal of Operational Research enthalten Fallstudien zu realen Handels- und Supply-Chain-Operationen.
Quellen
- Silver, E. A., Pyke, D. F. und Thomas, D. J. (2017). Inventory and Production Management in Supply Chains (4. Auflage). CRC Press. Das Standardlehrbuch im Feld.
- Zipkin, P. H. (2000). Foundations of Inventory Management. McGraw-Hill. Mathematische Referenz für ein- und mehrperiodische Bestandsmodelle.
- Nahmias, S. und Olsen, T. L. (2015). Production and Operations Analysis (7. Auflage). Waveland Press. Darstellung nahe an der KMU-Praxis.
- INFORMS Interfaces — Fallstudien zu Operations-Research-Einsätzen im Handel und in der Supply Chain. informs.org/Publications/Interfaces
Glossar
- EOQ
- Die klassische Bestandsformel für die wirtschaftlichste Bestellmenge bei einem Lieferanten.
- Sicherheitsbestand
- Zusätzlicher Bestand gegen Nachfrage- und Lead-Time-Unsicherheit — schützt vor Lieferunfähigkeit bei unerwarteten Schwankungen.
- MIP
- Optimierungsmodell, bei dem ein Teil der Entscheidungsvariablen ganzzahlig sein muss (z. B. Anzahl LKW, Anzahl Schichten).
Ähnliche Probleme
Dutzende SKUs von einem Lieferanten — Mit welcher Frequenz bestellen, damit LKW- und Lagerkosten gemeinsam minimal sind?
Diese Seite richtet sich an KMU-Großhändler, Importeure oder Hersteller, die 50-500 SKUs vom selben Lieferanten beziehen — typischerweise über 3-15 Hauptlieferanten verteilt. Die Frage ist jede Woche dieselbe: Welche Artikel werden heute bei diesem Lieferanten bestellt, welche warten bis nächste Woche? Wenn jeder Artikel seine eigene Bestellung auslöst, schickt derselbe Lieferant drei LKWs und drei Zollanmeldungen pro Woche; ein LKW, eine Zollanmeldung und ein Rüstvorgang könnten alles abdecken, wenn die Gruppen stimmen. Manuelle Planung bricht ab 50 SKUs zusammen: mal halbleere LKWs, mal drei Bestellungen hintereinander — Fixkosten landen als 5-15% der Stückkosten zurück.
Saisonende naht und der Lagerbestand schmilzt nicht — wann und wie tief reduzieren, damit Marge hält und Dead Stock klein bleibt?
Diese Seite richtet sich an KMU im Modehandel mit Saisonkollektion, an Bekleidungs-/Schuh-/Accessoires-Ketten mit 30-100 Filialen oder an Frischwarenketten (Obst-und-Gemüse, Bäckerei, Metzger). Der klassische Schmerzpunkt: eine Kollektion mit 200-1.000 SKU verkauft sich 4-12 Wochen, danach wird der unverkaufte Bestand zum Problem — zu früh reduzieren erodiert die Bruttomarge, zu spät reduzieren hinterlässt einen Haufen Dead Stock am Saisonende. Entscheidung: welcher Artikel, wann, mit welcher Prozentreduktion? Bei einer mittelgroßen Modekette mit Bauchgefühl-Regeln landen 20-35% des Saisonendbestands im Restwert; ein sauberer Reduktionsfahrplan hebt die Bruttomarge um 5-15%, senkt den Dead Stock um 20-30% und bringt bei typischem Umsatzniveau 15-60 Millionen TRY operativen Deckungsbeitrag pro Jahr.