Der Bestand in einer Filiale ist keine statische Zahl im Warenwirtschaftssystem. Er entscheidet darüber, ob Kundinnen und Kunden kaufen, ob Teams produktiv arbeiten und wie viel Kapital im Netzwerk gebunden ist. Wer Filialbestände mit Prognosen optimieren will, muss daher mehr tun als Abverkaufsdaten fortzuschreiben: Entscheidend ist, lokale Nachfrage früh zu erkennen und daraus klare Steuerungsentscheidungen abzuleiten.
Für Handelsunternehmen mit großen Filialnetzen liegt genau hier ein erheblicher Ergebniseffekt. Zu geringe Bestände führen zu verlorenen Umsätzen, enttäuschten Kunden und Ausweichkäufen beim Wettbewerb. Zu hohe Bestände erhöhen Abschriften, Lagerkosten und die Gefahr, dass Ware am falschen Ort liegt. Die operative Frage lautet nicht: Wie reduzieren wir Bestand pauschal? Sondern: Wie sichern wir Verfügbarkeit dort, wo Nachfrage tatsächlich entsteht?
Warum Durchschnittswerte im Filialnetz nicht reichen
Viele Bestandsmodelle arbeiten noch immer mit Vergangenheitswerten, saisonalen Regeln und festen Meldebeständen. Das ist besser als reine Intuition, aber in volatilen Märkten nicht ausreichend. Eine Filiale in einer Innenstadtlage folgt anderen Frequenzmustern als ein Standort im Fachmarktzentrum. Ferien, regionale Events, Wetter, Baustellen, Sortimentswechsel und lokale Wettbewerber verändern die Nachfrage oft schneller, als zentrale Planungszyklen reagieren können.
Der zentrale Fehler liegt in der Annahme, dass jede Filiale eine kleinere Version des Gesamtnetzes sei. Tatsächlich ist jeder Standort ein eigener Nachfrageknoten. Ein Artikel kann im nationalen Durchschnitt langsam drehen und gleichzeitig in ausgewählten Filialen ausverkauft sein. Umgekehrt kann ein Bestseller an einem Standort dauerhaft Kapital binden, weil Kundensegment, Lage und Warenpräsentation nicht passen.
Prognosen schaffen hier keine absolute Sicherheit. Sie schaffen eine bessere Entscheidungsgrundlage unter Unsicherheit. Das ist ein wesentlicher Unterschied. Ziel ist nicht die perfekte Vorhersage für jeden einzelnen Artikel, sondern eine Steuerung, die Verfügbarkeit, Risiko und Kapitalbindung je nach Warengruppe und Standort intelligent ausbalanciert.
Filialbestände mit Prognosen optimieren: Die Datenbasis entscheidet
Eine belastbare Nachfrageprognose beginnt mit sauberen Transaktionsdaten, endet dort aber nicht. Abverkauf ist häufig ein verzerrtes Signal: War ein Produkt nicht verfügbar, misst das System keinen fehlenden Bedarf, sondern null Verkäufe. Wer nur Verkaufsdaten betrachtet, lernt deshalb im Zweifel, Unterversorgung fortzuschreiben.
Relevant sind neben historischen Verkäufen insbesondere Bestandsverläufe, Out-of-Stock-Phasen, Lieferfähigkeit, Retouren, Preisaktionen und Sortimentsveränderungen. Hinzu kommen externe und lokale Signale. Dazu zählen Wetterdaten, Feiertage, Schulferien, regionale Veranstaltungen, Frequenzentwicklungen, digitale Suchanfragen oder Kampagnen im Einzugsgebiet. Welche Signale wirklich Wert liefern, hängt vom Geschäftsmodell ab. Im Lebensmitteleinzelhandel kann das Wetter kurzfristig erheblichen Einfluss haben. Im Fashionhandel sind Preisnachlässe, Größenverläufe und Trenddynamiken oft stärker prägend.
Wichtig ist eine klare Datendisziplin. Wenn Filialbestand, Lagerbestand, Reservierungen und Ware im Transit nicht konsistent abgebildet werden, kann kein Prognosemodell verlässlich disponieren. Auch Stammdatenqualität bleibt ein unterschätzter Hebel: Artikelhierarchien, Nachfolgeartikel, Packgrößen, Lieferzeiten und Mindestabnahmemengen müssen stimmen. Künstliche Intelligenz kompensiert keine operative Unklarheit.
Verfügbarkeit korrekt messen
Die Kennzahl Regalverfügbarkeit sollte nicht isoliert stehen. Entscheider brauchen ein Bild, das Nachfrage, Umsatzpotenzial und Bestandsrisiko zusammenführt. Ein Out-of-Stock bei einem margenstarken, häufig nachgefragten Artikel ist anders zu priorisieren als bei einem selten verkauften Long-Tail-Produkt.
Hilfreich ist eine Segmentierung nach Wert und Planbarkeit. Artikel mit hoher Frequenz und stabiler Nachfrage eignen sich für automatisierte Nachschubregeln mit engem Monitoring. Bei saisonalen, trendgetriebenen oder lokal stark schwankenden Artikeln braucht es kürzere Prognosehorizonte, höhere Flexibilität und gegebenenfalls gezielte manuelle Eingriffe. Nicht jeder Bestand sollte mit derselben Logik gesteuert werden.
Vom Forecast zur operativen Entscheidung
Viele Programme scheitern nicht am Modell, sondern an der Übersetzung in die Fläche. Ein Forecast, der einmal pro Woche im Dashboard erscheint, verändert keine Warenverfügbarkeit. Erst wenn Prognosen Nachschub, Umlagerung, Allokation und Flächenplanung konkret steuern, entsteht Geschäftswert.
Das setzt ein klares Operating Model voraus. Wer entscheidet bei prognostizierter Unterdeckung? Welche Schwellenwerte lösen automatische Bestellungen aus? Wann wird aus dem Zentrallager beliefert, wann zwischen Filialen umgelagert? Und in welchen Fällen ist es wirtschaftlicher, einen digitalen Verkauf mit Filialabholung anzubieten, statt Ware auf Verdacht nachzuschieben?
Besonders wirkungsvoll ist eine Steuerung in mehreren Zeithorizonten. Kurzfristige Signale helfen, akute Bedarfe in den nächsten Tagen abzufangen. Mittelfristige Prognosen verbessern Bestellmengen und Allokationen für kommende Wochen. Langfristige Planung unterstützt Einkauf, Sortimentsarchitektur und Kapazitätsentscheidungen. Diese Ebenen dürfen nicht gegeneinander arbeiten. Sonst reagiert die operative Disposition auf ein Problem, das die zentrale Planung gerade verstärkt.
Für die Umsetzung haben sich vier Prinzipien bewährt:
- Ausnahmen priorisieren: Teams sollten nicht jeden Artikel prüfen, sondern die Fälle mit relevantem Umsatz- oder Risikopotenzial bearbeiten.
- Automatisierung gezielt einsetzen: Standardfälle lassen sich automatisieren. Bei Promotions, Sortimentseinführungen oder ungewöhnlichen lokalen Ereignissen braucht es nachvollziehbare Eingriffsmöglichkeiten.
- Umlagerungen wirtschaftlich bewerten: Der Bestand in einer anderen Filiale ist nur dann verfügbarer Bestand, wenn Transportzeit, Handlingkosten und Verkaufswahrscheinlichkeit den Transfer rechtfertigen.
- Lernen fest einplanen: Prognosefehler müssen sichtbar sein. Nicht um Modelle abzustrafen, sondern um Daten, Parameter und Prozesse kontinuierlich nachzuschärfen.
Omnichannel verschärft den Anspruch an Bestandswahrheit
Sobald Filialen gleichzeitig Verkaufsfläche, Abholpunkt und lokale Fulfillment-Einheit sind, reicht klassische Disposition nicht mehr aus. Ein Bestand kann physisch vorhanden sein, aber für Click & Collect reserviert, für Ship-from-Store benötigt oder wegen Inventurdifferenzen nicht verkaufsfähig sein. Ohne eine nahezu aktuelle Bestandswahrheit wird Omnichannel zum Verfügbarkeitsversprechen, das die Organisation nicht halten kann.
Hier geht es nicht nur um Technologieintegration. Es geht um Prioritäten. Soll der letzte verfügbare Artikel im Regal bleiben, für einen Onlineauftrag reserviert werden oder eine Kundenreservierung erfüllen? Die richtige Antwort hängt von Marge, Serviceversprechen, Kundensegment und Wiederbeschaffungszeit ab. Unternehmen brauchen dafür explizite Regeln statt situativer Einzelfallentscheidungen in der Filiale.
Auch die Anreizsysteme müssen passen. Wenn Filialteams ausschließlich am stationären Umsatz gemessen werden, entsteht Widerstand gegen Fulfillment-Aufgaben für digitale Bestellungen. Wenn zentrale E-Commerce-Ziele lokale Personalkapazitäten ignorieren, leiden Service und Ausführung. Prognosegestützte Bestandssteuerung entfaltet ihren Wert erst dann vollständig, wenn Handelskanäle wirtschaftlich und operativ gemeinsam geführt werden.
Die häufigsten Fehlannahmen in der Umsetzung
Ein häufiger Irrtum lautet, eine bessere Prognose löse automatisch das Bestandsproblem. Lieferzeitunsicherheit, begrenzte Lagerkapazitäten, Mindestmengen und unzuverlässige Wareneingänge bleiben operative Restriktionen. Ein sehr präziser Forecast kann sogar Frustration erzeugen, wenn die Supply Chain ihn nicht umsetzen kann. Deshalb müssen Prognosequalität und Ausführungsfähigkeit gemeinsam entwickelt werden.
Ebenso problematisch ist der Versuch, sofort alle Kategorien und Filialen einzubeziehen. Ein fokussierter Start schafft schneller belastbare Erkenntnisse. Sinnvoll sind Kategorien mit klarer kommerzieller Relevanz, ausreichender Datenqualität und erkennbaren Verfügbarkeitsproblemen. Dort lassen sich Effekte auf Umsatz, Abschriften, Bestandsreichweite und Arbeitsaufwand nachvollziehbar messen.
Die dritte Fehlannahme: zentral gesteuerte Algorithmen machen Filialwissen überflüssig. Das Gegenteil ist der Fall. Lokale Teams sehen Veränderungen in der Nachfrage, die nicht unmittelbar in Daten sichtbar sind. Ihre Rolle verändert sich jedoch. Statt Bestellungen vollständig manuell zu planen, liefern sie qualifizierte Kontextsignale und bearbeiten priorisierte Ausnahmen. Das erhöht die Qualität der Steuerung und macht knappe Arbeitszeit produktiver.
Welche Kennzahlen im Vorstandsgespräch zählen
Für ein Executive Team ist nicht die Modellarchitektur entscheidend, sondern der nachweisbare Geschäftseffekt. Die Steuerung sollte deshalb über ein kompaktes Kennzahlenset erfolgen: Regalverfügbarkeit und verlorenes Umsatzpotenzial auf der einen Seite, Bestandsreichweite, Abschriften und Kapitalbindung auf der anderen. Ergänzt werden diese Kennzahlen durch Prognosegüte nach Kategorie und Filialcluster sowie den Anteil automatisiert bearbeiteter Dispositionsentscheidungen.
Entscheidend ist die gemeinsame Betrachtung. Eine sinkende Bestandsreichweite ist kein Erfolg, wenn gleichzeitig die Verfügbarkeit bei strategischen Artikeln einbricht. Eine sehr hohe Lieferbereitschaft ist kein Erfolg, wenn sie durch unverhältnismäßige Sicherheitsbestände erkauft wird. Gute Steuerung macht diesen Zielkonflikt sichtbar und entscheidet ihn bewusst – je Kategorie, Saison und Geschäftsstrategie.
Wer Filialbestände strategisch führen will, braucht deshalb kein weiteres Reporting-Projekt. Er braucht eine verbindliche Verbindung aus Daten, Prognose, Supply-Chain-Prozess und lokaler Umsetzung. Genau diese Verbindung gehört auf die Agenda der Handelsentscheider: als operativer Wachstumshebel, nicht als isoliertes IT-Thema.
Bei RETAIL NXT stehen solche Umsetzungsfragen im Mittelpunkt der richtigen Gespräche: Wie werden aus Prognosen Entscheidungen, aus Daten Verfügbarkeit und aus Filialnetzen leistungsfähige Omnichannel-Strukturen? Der nächste wirksame Schritt ist klein genug, um ihn messbar zu machen – und relevant genug, um daraus einen neuen Standard für das gesamte Netzwerk zu entwickeln.
