Begrenztes Regal, unbegrenzte Kandidaten. Welche SKUs auf die Liste, wie viel Platz für jeden? Klassisches Handels-OR-Problem: Sortiment + Regalfläche.
Kurz gesagt
Kommt Ihnen das bekannt vor?
- Das Geschäft hat 3000 SKUs, nur 1800 Plätze; der Einkäufer verhandelt jeden Monat 'rein' und 'raus'.
- Auf der E-Commerce-Kategorieseite sind 200 Artikel; die Top 20 machen den Umsatz, die letzten 50 erhalten 0-1 Bestellungen/Monat, das Panel ändert sich wöchentlich.
- Ein Lieferant bringt ein neues Produkt; der Kategoriemanager wählt die zu ersetzende SKU per Bauchgefühl.
- Marke A will mehr Regal, Marke B sagt 'Sichtbarkeit gesunken'; beide bieten Listing-Gebühren.
- Verschiedene Filialen brauchen verschiedene Listen, aber 50 unterschiedliche Listen für 50 Filialen sind nicht zu pflegen.
- Saisonwechsel bedeutet 200 Produkte tauschen; entweder Restbestand mitnehmen oder mit Rabatt verkaufen.
- Kunde findet das gewünschte Produkt nicht und wechselt zur Nachbarmarke (Substitution); diesen Verlust messen wir nicht.
Warum es wichtig ist
Wie wird es gelöst?
Technische Tiefe
Wie wird es gelöst?
Technische TiefeIn einem Satz: Findet die Kundin das gewünschte Produkt nicht, wechselt sie oft zur Nachbarware (Substitution) — ein gestrichener Ladenhüter kostet damit nicht nur seine eigenen Verkäufe, sondern bricht eine ganze Kette ab. Umgekehrt hebt eine breitere Regalfläche für den Bestseller die Marge der gesamten Kategorie.
Die OR-Literatur (Operations Research — Disziplin, die mit Mathematik und Computereinsatz Geschäftsentscheidungen löst) behandelt zwei Probleme: Assortment Planning Problem (APP) — welche Produkte auf der Liste; Shelf-Space Allocation Problem (SSAP) — wie viel Platz pro Produkt. Moderne Formulierungen lösen beide gemeinsam. Dreistufige Lösung:
1. Modellierung. Pro SKU: Basisbedarf (erwarteter Absatz im Regal), Space-Elastizität, Substitutionsmatrix, Marge, Regalvolumen, Lieferantenrestriktionen. Pro Filiale/Kategorie: Gesamtregalfläche, Mindest-SKU-Zahl, Markenvielfaltsregeln.
2. Entscheidung mit Solver. Einzel-Filiale / Einzel-Kategorie (50-500 SKU-Kandidaten): MIP/CP in vernünftiger Zeit. Multi-Filiale / Multi-Kategorie: Lagrange-Dekomposition oder Heuristik. MNL-Choice-Modell (multinomial logit — Methode, die die Wahrscheinlichkeit modelliert, welches Produkt die Kundin unter mehreren wählt), das erwarteten Umsatz maximiert. Output: SKU-Liste + Facing-Zahl pro SKU.
3. Feldintegration. Output wird Planogramm (Regallayout) + Sortimentsliste für Filialleiter und Kategoriemanager. Bei Filialvariation getrennter Output. POS-Daten schließen den Feedback-Loop wöchentlich. Im E-Commerce wird die Listing-Reihenfolge automatisch aktualisiert."
Alternativen
Manuell + Tabelle + Erfahrung des Kategoriemanagers
KostenlosKostenlos
Für wen geeignet: Einzelfiliale oder 2-3 Kategorien, wenige SKUs
- + Keine Kosten
- + Lokale Sensitivität
- + Schnelle, flexible Entscheidungen
- − Ab 5 Filialen und 500 SKUs unmöglich
- − Keine Substitutionsmodellierung
- − Lieferantendruck (Slotting Fee) verzerrt
- − Wissen in der Person
Lokale Kategoriemanagement-Software
Enterprise25.000–100.000 TRY Lizenz + 5.000–15.000 TRY/Jahr (TR-Marktbeobachtung)
Für wen geeignet: Mittlerer Händler (10-50 Filialen), planogrammfokussiert
- + Planogramm-Visualisierung + Listing-Tools
- + Lokaler Support, POS-Integration
- + Schnelle Einführung
- − Kein echter Optimierungsalgorithmus
- − Substitution / Space-Elastizität schwach
- − Filialvariation schwer
Internationale Kategoriemanagement- + Sortimentsoptimierungssoftware
Enterprise30.000–250.000 EUR Lizenz + 10.000–40.000 EUR/Jahr
Für wen geeignet: Große Einzelhandelskette, Multi-Kategorie-E-Commerce
- + MNL-Bedarfsmodell, MIP/CP-Optimierung
- + Filialclustering + lokalisiertes Listing
- + A/B-Test-Integration
- − Teuer
- − Einführung 6-12 Monate
- − POS-Datenqualität entscheidend
Open-Source-Solver + Eigenentwicklung
Open SourceLizenz kostenlos; 12-20 Wochen intern oder 350K-1M TRY Beratung
Für wen geeignet: E-Commerce/Händler mit Tech-Team und Sonderregeln
- + Keine Lizenz, volle Anpassung
- + Direkte POS-Integration
- + MNL- und Choice-Bibliotheken Open Source
- − Interne Data-Science + OR nötig
- − Sehr datenqualitätsabhängig
- − Dauerhafte Wartung
Empfehlung
Im Gespräch fragen
- Modellieren Sie Substitution (Wechselwahrscheinlichkeit von X zu Y)? MNL oder vergleichbares Choice-Modell?
- Ist die Space-Elastizität konfigurierbar?
- Filialclustering? Eigenes Sortiment je Cluster?
- Wird das Planogramm direkt per Bildschirm/Drucker in die Filiale geliefert?
- A/B-Test-Unterstützung? Wie werden Pilotgruppen ausgewählt?
- Lieferantenverträge (Min-SKU, Slotting Fee, Exklusivität) als Constraints?
- Wie funktioniert die POS-Integration? Wöchentlicher Datenfluss automatisch?
- Wie bekommen wir SKU-Stammdaten, Sortimentshistorie und Planogramm zurück, wenn wir aufhören?
Technische Details
Anmerkung der Redaktion
Umgangssprachlich „Kategoriemanagement", „Sortimentsentscheidung", „Planogramm". Akademisch zwei verschiedene Probleme: Assortment Planning Problem (APP) und Shelf-Space Allocation Problem (SSAP). Moderne Formulierungen lösen beide zusammen. Wer den Unterschied nicht kennt, akzeptiert „wir machen Planogramme" als ausreichend — nötig ist substitutionsbewusste Sortimentsoptimierung.
Was in der Branche am häufigsten übersehen wird: der Substitutionseffekt. Wer ein Produkt streicht, verliert nicht alle dessen Kunden — einige wechseln zur Nachbarmarke, andere gehen. Modelliert die Software diese Übergangsmatrix oder rechnet sie mit „Durchschnittsabsatz"? Differenz: typisch 30% Prognoseabweichung.
Schritt für Schritt — für das KMU
Stufe 1 — Erst messen. Mind. 12 Wochen POS-Daten: SKU-Tages-/Wochenabsatz, Kategorieumsatz, Filialverteilung, Out-of-Stock-Dauer. Mit Loyalty-Daten Basket-Analyse.
Stufe 2 — Wissensvermögen extrahieren. SKU-Stammdaten (Größe, Marge, Lieferantenrestriktionen), Substitutionsbeobachtungen, Lieferantenverträge, Kategorieziele.
Stufe 3 — Pilot. 8-12 Wochen, 1-3 Kategorien, 5-10 Filialen. Erfolgskriterien vorher: Marge +3% min, Out-of-Stock -20% min, Ladenhüter-Quote -40% min.
Stufe 4 — Roll-out. 3-6 Monate. Monatlicher Review."
Risiken — was schiefgehen kann
- Datenqualität. Out-of-Stock-Perioden zeigen „Null Absatz", obwohl Bedarf existiert. Lost-Sales-Rekonstruktion."
- Lieferantendruck. Marke A drängt, bietet Slotting Fee; wenn die Software-Ausgabe dem nicht standhält, wird sie sinnlos. Verträge als Constraints.
- Substitutionsmodell falsch. MNL-Parameter brauchen Kalibrierung; A/B-Test im Pilot.
- Single-Vendor-Lock-in. Historie und Planogramme kritisch. Standardexport im Vertrag.
Lösungsmethode — technischer Blick
| Ansatz | Typische Größe | Lösezeit | Garantiertes Optimum? |
|---|---|---|---|
| MIP (joint assortment + space) | 50-200 SKU-Kandidaten, eine Filiale | Minuten | Ja (Limit) |
| MNL + Greedy | 100-1000 SKU-Kandidaten | Minuten | Nein, 95%+ |
| Lagrange-Dekomposition (multi-Filiale) | 50-200 Filialen × 500 SKUs | Stunden | Nein, 95-98% |
| Regelbasiert (Marge × Velocity) | Lokale Software | sofort | Nein, 75-85% |
| ML-basiert (Uplift + A/B) | Großes E-Commerce | laufend | Nein, experimentell |
Zielfunktion wählen:
- Ziel 1 — Gesamtmarge: Standard.
- Ziel 2 — Maximaler Umsatz: Volumenfokus.
- Ziel 3 — Kategorievielfalt: Sortimentsausgleich.
- Ziel 4 — Minimaler Out-of-Stock: Servicefokus."
Multi-Objective: gewichtete Summe oder hierarchisch. Ideal: A/B-Test."
Akademische Quellen
Siehe sources im Frontmatter.
Quellen
- Corstjens, M. und Doyle, P. (1981). A model for optimizing retail space allocations. Management Science, 27(7), 822–833.
- Kök, A. G., Fisher, M. L. und Vaidyanathan, R. (2008). Assortment planning: Review of literature and industry practice. Retail Supply Chain Management, 99–153.
- Talluri, K. und van Ryzin, G. (2004). Revenue management under a general discrete choice model of consumer behavior. Management Science, 50(1), 15–33.
- Türkisches Statistikamt — Einzelhandelsumsatzindex (monatlich). Referenz für TR-Handelsumsatz.
- Türkisches YÖK-Thesenzentrum — Stichworte: ‘Sortiment’ oder ‘Regal’ — 25+ Arbeiten. tez.yok.gov.tr
Glossar
- Assortment Planning
- Auswahl der Produkte, die in einem Geschäft oder einer E-Commerce-Kategorie geführt werden, bei begrenztem Regal- oder Seitenplatz.
- Shelf-Space Allocation
- Festlegung, wie viel Regalfläche (wie viele Facings) jedes gelistete Produkt erhält, im Verhältnis zu Bedarf und Marge.
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.
Wann nachbestellen, und wie viel?
Ein Einzelhändler, ein Onlineshop oder ein Distributor mit 200–5.000 Artikeln (SKU). Für jeden Artikel die Frage: wann beim Lieferanten nachbestellen und wie viel? Lieferanten liefern 3–21 Tage nach Bestellung (Lead Time), die Nachfrage schwankt tagesweise, manche Produkte haben ein Verfallsdatum, der Lagerplatz ist begrenzt, die meisten Lieferanten haben eine Mindestbestellmenge (MOQ). Die Entscheidung: welcher Artikel, wann, in welcher Menge, damit 'ausverkauft' (Umsatzverlust) und 'überbestellt' (gebundenes Kapital, Verfall) im Gleichgewicht bleiben. Manuelle Steuerung trägt bis ~50–100 SKUs; darüber bricht 'ich behalte das im Kopf' — entweder zu viel bestellt oder bei einem kritischen Artikel ausverkauft.