Automatisierte Lagerverwaltung: Bestand, Nachbestellung, Alerts

Der Klassiker: Der Shop verkauft fröhlich weiter, im Lager liegt aber längst nichts mehr. Der Kunde wartet, der Support entschuldigt sich, jemand fährt notbestellen. Eine automatisierte Lagerverwaltung verhindert genau diese Momente, weil sie den Bestand in Echtzeit kennt, den Nachbestellzeitpunkt selbst erkennt und Alarm schlägt, bevor das Regal leer ist.

Klingt nach Konzernlogistik mit Roboterarmen. Ist es aber nicht. Den größten Teil des Nutzens holst du dir nicht über teure Lagertechnik, sondern über saubere Daten und ein paar Automatiken, die im Hintergrund mitrechnen. Genau darum geht es hier: was praktisch dahintersteckt, was es bringt, und wo es bei kleineren Betrieben regelmäßig hakt.

Was automatisierte Lagerverwaltung praktisch bedeutet

Im Kern sind es drei Bausteine, die zusammenspielen. Echtzeit-Bestand, automatische Nachbestellung und Alerts. Der Rest baut darauf auf.

Echtzeit-Bestand heißt: Jede Warenbewegung wird im selben Moment im System verbucht. Wareneingang, Einlagerung, Umlagerung, Kommissionierung, Verkauf. Das Lagerverwaltungssystem speichert jede Bewegung sofort, sodass du nicht raten musst, wie viel wirklich da ist. Genau diese Echtzeit-Transparenz ist nach Angaben von Hamburger Software der Hebel, an dem die Kostensenkung hängt. Bestände binden in lagerintensiven Betrieben oft rund ein Viertel der Unternehmensaktiva. Wer hier ungenau plant, parkt Kapital im Regal oder steht ohne Ware da.

Der zweite Baustein ist der Meldebestand, oft auch Bestellpunkt genannt. Das ist die Schwelle, ab der nachbestellt werden muss. Die Formel ist simpel: Meldebestand gleich Sicherheitsbestand plus durchschnittlicher Verbrauch mal Lieferzeit. Ein Beispiel von Mecalux macht es greifbar. Bei 500 Einheiten Tagesbedarf, fünf Tagen Lieferzeit und 100 Stück Sicherheitsbestand liegt der Meldebestand bei 2.600 Einheiten. Sinkt der Bestand darunter, ist Bestellzeit. In der automatisierten Variante rechnet das System diese Schwelle pro Artikel selbst und passt den Sicherheitsbestand an, statt dass jemand mit einer Excel-Liste hinterherläuft.

Der dritte Baustein sind die Alerts. Unterschreitet ein Artikel seinen Meldebestand, geht eine Benachrichtigung raus, oder es wird direkt ein Bestellvorschlag erzeugt. Manche Systeme lösen die Nachbestellung beim Lieferanten vollautomatisch aus, bündeln dabei mehrere Artikel desselben Lieferanten und berücksichtigen Staffelpreise. Wichtig ist die Inventur. Statt einmal im Jahr das ganze Lager stillzulegen und durchzuzählen, läuft eine permanente oder rollierende Inventur mit, die Differenzen laufend aufdeckt.

Warum sich der Aufwand rechnet

Die Zahlen, die in der Praxis am häufigsten auftauchen, drehen sich um Genauigkeit und Zeit. Eine ordentlich geführte automatisierte Lagerverwaltung bringt die Bestandsgenauigkeit oft über 99 Prozent, und die Zeit für manuelle Lagerprozesse sinkt spürbar, in vielen Berichten um etwa 30 Prozent. Ein dokumentiertes Fallbeispiel beschreibt den Sprung von 91 auf 99,3 Prozent Genauigkeit, bei gleichzeitig 43 Prozent weniger ungeplanten Fehlbeständen.

Der zweite Effekt ist die Datenerfassung selbst. Wer per Hand abgleicht, macht Fehler, zahlt sie aber erst, wenn der falsche Bestand zur falschen Bestellung führt. Scanner mit Barcode oder QR-Code nehmen diesen Schritt aus der Hand. RFID geht noch weiter und liest mehrere Etiketten gleichzeitig, ohne Sichtkontakt. Das lohnt sich aber erst bei größeren Mengen, für die meisten kleineren Lager ist Barcode der pragmatische Standard.

Spannend wird es bei der Bedarfsprognose. Statt nur den Durchschnittsverbrauch fortzuschreiben, ziehen lernende Verfahren Verkaufshistorie, Saisonalität und externe Signale heran. Der Unterschied ist messbar. Während ein simpler gleitender Durchschnitt laut Skill-Sprinters bei 25 bis 40 Prozent Prognosefehler liegt, kommen Machine-Learning-Modelle auf 5 bis 15 Prozent. Bei Aktionsware bleibt es allerdings holprig, dort steckt der Fehler weiter bei 15 bis 25 Prozent. KI ersetzt eben kein Bauchgefühl bei echten Ausreißern, sie macht den Normalfall nur deutlich verlässlicher.

Wie weit der Mittelstand hier ist, zeigt Bitkom. In der Logistik nutzen 22 Prozent der Unternehmen bereits KI, weitere 26 Prozent planen oder diskutieren den Einsatz. Die Branche sieht sich zu 56 Prozent als Digitalisierungs-Vorreiter, in der Gesamtwirtschaft sind es nur 32 Prozent. Logistik ist also vorn dabei, was auch heißt: Wer noch von Hand zählt, verliert Anschluss.

Wie du das umsetzt

Fang nicht beim Tool an, sondern bei den Stammdaten. Jeder Artikel braucht eine eindeutige Nummer, eine korrekte Bezeichnung, eine Mengeneinheit und einen Lagerort. Klingt banal, ist aber der Punkt, an dem die meisten Projekte still scheitern. Wer hier am Stammdaten-Chaos spart, automatisiert nur das Chaos.

Im zweiten Schritt legst du pro Artikel oder Artikelgruppe Sicherheitsbestand und Meldebestand fest. Für den Start reicht die einfache Formel, du musst nicht sofort mit Prognosemodellen anfangen. Wichtiger ist, dass die Lieferzeiten realistisch hinterlegt sind. Ein Lieferant, der angeblich in drei Tagen liefert, real aber zehn braucht, sprengt jede Automatik.

Dann verbindest du Lager, Shop und Warenwirtschaft. Hier sitzt der eigentliche Wert, weil der Bestand nur dann stimmt, wenn der Verkauf im Shop sofort im Lager ankommt und umgekehrt. Eine saubere Anbindung an dein ERP-System sorgt dafür, dass Einkauf, Lager und Buchhaltung auf dieselben Zahlen schauen. Für Onlinehändler kommt die Kopplung an den Shop dazu, damit der verfügbare Bestand live stimmt. Wie das im Detail läuft, beschreiben wir bei E-Commerce.

Erst danach schaltest du die Automatiken scharf. Beginn mit Alerts statt vollautomatischer Bestellung. Lass das System eine Weile Vorschläge machen, prüf sie, korrigier die Parameter. Wenn die Vorschläge konstant passen, übergibst du Schritt für Schritt mehr an die Automatik. Eine sinnvolle Prozessautomatisierung entsteht aus diesem Vertrauen, nicht aus einem großen Schalter am Tag eins.

Die Fehler, die immer wieder auftauchen

Der häufigste Fehler ist schlechte Datenqualität. Lernende Prognosen brauchen Historie, sinnvoll sind 12 bis 24 Monate sauberer Verkaufsdaten. Ohne diese Basis prognostiziert kein System verlässlich, es rät nur etwas formaler. Wer ohne historische Daten startet, sollte mit klassischen Meldebeständen anfangen und die Prognose später nachziehen.

Der zweite Fehler ist zu viel Automatik zu früh. Wenn die vollautomatische Bestellung läuft, bevor jemand die Parameter geprüft hat, bestellt das System auch den Unsinn zuverlässig nach. Ein falsch gesetzter Meldebestand multipliziert sich über hunderte Artikel. Genau deshalb ist die Reihenfolge oben kein Zufall.

Der dritte Punkt ist die Sache mit der Lagertechnik. Viele glauben, automatisierte Lagerverwaltung heiße Roboter und Förderbänder. Das ist die teure Endausbaustufe. Der Löwenanteil des Nutzens steckt in Software, Datenpflege und Anbindung. Erst wenn das Volumen wirklich groß wird, lohnt sich die Hardware. Vorher ist sie meist nur ein schönes Foto fürs Pitchdeck.

Womit du anfangen solltest

Wenn du heute von Hand zählst, ist der größte Hebel nicht die KI, sondern die Echtzeit-Verbindung zwischen Lager, Shop und Warenwirtschaft plus ein sauber gepflegter Meldebestand. Das bringt dir die Genauigkeit und die Alerts, die teure Fehlbestände verhindern. Die Prognose kommt danach.

Wenn du wissen willst, ob sich das für dein Lager rechnet und an welcher Stelle du anfangen solltest, schauen wir uns deine Prozesse einmal gemeinsam an. Vereinbar einen Termin, dann sortieren wir die ersten Schritte für dich.