Bestandsmanagement optimieren
Wie viel liegt wo auf Lager, wann und wie viel wird nachbestellt? Bestandsmanagement wägt Kapitalbindung, Bestell- und Transportkosten und den Preis einer Fehlmenge gegeneinander ab, bei schwankendem Bedarf und schwankender Lieferzeit. In der Fachsprache heißt das Inventory Management; mit Touren zum Kunden wird daraus das Inventory Routing Problem, in einer Kette aus mehreren Stufen der Bullwhip-Effekt (verständlich erklärt, erst für Einsteiger, dann für Fachleute).
Diese Seite zeigt die Kette vom Bedarf bis zur Lieferkette, zwei Fragen als Demo zum Ausprobieren und zwei weitere Fragen, Losgrößen und Sicherheitsbestand, die ich vorab gerechnet, aber nicht als eigene Demo gebaut habe. Alle Modelle sind bewusst einfach, die Parameter erfunden: die Zahlen zeigen, wie groß ein Effekt in diesem Modell ist und wovon er abhängt, nicht, was er in Ihrem Betrieb bringt.
Bestandsmanagement hängt an Nachbarn: Die Prognose liefert den Bedarf (Zeitreihen-Prognose), die Tourenplanung fährt den Nachschub, und in der Lieferkette ist die Bestellung der einen Stufe der Bedarf der nächsten.
Hinweis: Alle Demos rechnen mit synthetischen oder frei verfügbaren Beispieldaten und laufen auf einem externen Anbieter (Datenschutz). Bitte geben Sie darin keine vertraulichen oder personenbezogenen Daten ein. Die Ergebnisse gelten für die jeweilige Demo-Instanz und lassen sich nicht ungeprüft auf reale Fälle übertragen; für darauf gestützte Entscheidungen übernehme ich keine Gewähr.
Zuletzt aktualisiert:
Zum Nachlesen: erst einfach, dann fachlich
Der Bullwhip-Effekt verständlich erklärt
Warum sich Schwankungen in der Lieferkette aufschaukeln und wer die Glättung bezahlt: erst für Einsteiger ohne Formeln, dann für Fachleute mit Modell, Formeln und Messwerten.
Der Weg des Bestands vom Bedarf zur Lieferkette
Am Anfang steht der Bedarf: Eine Prognose sagt, wie viel gebraucht wird und wie sicher das ist. Daraus folgt die Bestandspolitik, also wann und wie viel bestellt wird und wie groß der Puffer sein muss. Der Nachschub bringt die Ware dorthin, wo sie gebraucht wird, per Tour zum Kunden oder als Ausgleich zwischen Standorten. In der Lieferkette schließlich ist die Bestellung der einen Stufe der Bedarf der nächsten, und eine kleine Schwankung am Ende kann sich nach oben aufschaukeln.
Kräftig grüner Rahmen = eigene Demo dieser Seite · grauer Rahmen = Station einer anderen Linie.
Prognose, Sicherheitsbestand und Tourenplanung gehören zu den Linien Zeitreihen und Straße; sie stehen hier, weil der Bestand an ihnen hängt.
Was Bestandsmanagement im Alltag schwer macht
Bedarf und Lieferzeit schwanken
Ein Puffer deckt die Schwankung, kostet aber Lager. Wie groß er sein muss, hängt am Ziel: „95 % Servicegrad“ kann heißen, dass in 95 % der Bestellzyklen nichts fehlt, oder dass 95 % der Menge sofort geliefert werden. Das sind je nach Bedarf sehr verschiedene Puffer.
Lager, Bestellung, Fahrt
Fixe Kosten je Bestellung oder Fahrt sprechen für große Lieferungen, Lagerkosten für kleine. Beim Nachschub per Lkw kommt hinzu, wie voll der Wagen fährt: Ob sich Bündeln lohnt, hängt daran, wie viele Lieferungen ein Wagen fasst.
Mehrere Stufen, mehrere Firmen
In einer Lieferkette bestellt jede Stufe nach den Bestellungen der Stufe darunter. Die Schwankung wächst nach oben, und wer den Aufwand für ruhigere Bestellungen trägt, ist oft nicht der, dem sie nützt.
Nachschub und Lieferkette stellen verschiedene Fragen
Wer gehört heute auf die Tour?
Ein Depot beliefert Kunden mit Tank (Heizöl, Gase, Getränke, Ersatzteile). Kunden gleich mitzunehmen, deren Bestand bald zur Neige geht, statt erst auf die Meldung zu warten, spart im Standardfall 17,0 ± 0,3 % Fahrkosten (200 Instanzen, in keiner ein Verlust). Der Grund sind weniger, volle Touren, nicht mehr Sicherheit: Ohne jede Verbrauchsschwankung bleiben es 16,5 %. Es hängt am Wagen: Fasst er nur eine Lieferung, spart Bündeln 0,4 %, bei dreifacher Menge 17,0 %, bei zehnfacher 33,2 %. Zu großzügiges Mitnehmen kippt bis −30 %, und früher liefern ist 7 bis 27 % teurer als reaktiv. Eine einfache Regel schließt etwa die Hälfte der Lücke zum Optimum einer Kleininstanz. Ausprobieren: Inventory Routing.
Wer zahlt für die Glättung?
In einer Kette Einzelhandel, Großhandel, Distributor und Fabrik schwankt der Kundenbedarf nur leicht, die Bestellungen oben aber immer stärker (Bullwhip-Effekt). Hält man den Servicegrad in jeder Stufe bei 95 %, spart eine halbierte Wiederbeschaffungszeit 65,1 % Kettenbestand, geteilte Bedarfsinformation 26,9 %, Glättung an allen Stufen 15,7 % bis 17,3 %. Die glättende Stufe zahlt selbst (Einzelhändler +16,2 % Lager bei mittlerer Glättung), der Nutzen fällt oben an (Fabrik −30,2 %): ein Anreizproblem, das die Kennzahl Verstärkung nicht zeigt (Rangkorrelation mit dem Kettenbestand 0,45). Ausprobieren: Bullwhip-Effekt.
Beide Demos rechnen mit erfundenen Parametern in stilisierten Modellen (ein Depot, ein Produkt, vier gleiche Stufen); die Prozentzahlen gelten für diese Modelle und wurden über 200 bzw. 500 gepaarte Wiederholungen je Zelle ermittelt.
Nutzen und Kosten liegen selten am selben Ort
In beiden Demos kommt der Effekt nicht dort her, wo man ihn zuerst vermutet. Beim Nachschub ist es kein Sicherheitseffekt, sondern ein Auslastungseffekt: Bündeln spart, weil Wagen voller fahren. Deshalb hängt der Gewinn an der Wagengröße und kaum an der Unsicherheit. In der Lieferkette senkt Glättung den Bestand nur, wenn man den Servicegrad festhält; hält man stattdessen den Sicherheitsfaktor fest, sieht sie billiger aus und verschlechtert dabei den Service in den Stufen.
Wer nur eine Kennzahl ansieht, sieht das nicht. Die Verstärkung der Bestellschwankung ist ein schwacher Stellvertreter für die Kosten, und die Kosten fallen bei der Stufe an, die glättet, während der Nutzen bei einer anderen ankommt. Ein Bestandsmodell braucht deshalb neben der Politik immer die Frage, wer welche Kosten trägt.
Dasselbe Muster (optimal bezüglich einer Sache ist nicht optimal bezüglich aller) trägt auch die Seite Luftfracht optimieren: Volumen gegen Schwerpunkt beim Beladen entspricht dort dem Fall „Verstärkung gegen Kettenbestand“ in der Lieferkette.
Wo Bestandsmanagement an andere Themen anschließt
Vom Tourenplan zum Nachschub
Inventory Routing setzt auf den Tourenbausteinen der Tourenplanung auf und fügt die Bestandsschicht über die Tage hinzu: nicht mehr „welche Kunden fahre ich heute in welcher Reihenfolge“, sondern „welche gehören heute überhaupt auf die Tour“. Mehr auf der Seite Tourenplanung optimieren.
Vom Bedarf zum Bestand
Wie sicher eine Prognose ist, entscheidet, wie groß der Puffer sein muss. In der Zeitreihen-Linie erreicht der Mittelwert der vier Prognosen ohne Sicherheitsbestand einen Servicegrad α von nur 54,7 %, die Faustregel 88,5 %, die konforme Regel 95,0 %; dasselbe Ziel von 95 % heißt mengenmäßig (β) 99,2 %. Ausprobieren: Von der Prognose zum Bestand (mehr in der Linie Zeitreihen-Prognose).
Bestandsausgleich zwischen Orten
Leere Container sind ein Bestand, der zwischen Häfen ausgeglichen werden muss, und die Frage, wie weit man vorausschauen soll, stellt sich hier wie beim Nachschub. Mehr auf der Seite Seefracht optimieren.
Nicht jede Bestandsfrage braucht eine eigene Demo
Zwei Fragen habe ich vorab gerechnet und dann bewusst nicht als eigene Demo gebaut: Bei den Losgrößen zeigt der rollierende Horizont dasselbe Vorschau-Muster wie eine bestehende Demo, der Rest ist Lehrbuchwissen; und die Frage nach dem Sicherheitsbestand beantwortet schon ein Stück der Zeitreihen-Linie. Die Zahlen stammen aus diesen Messreihen und gelten für erfundene Bedarfsmodelle.
Zwei Fragen mit bekannten Antworten und einer Regime-Karte
Wie groß soll eine Bestellung sein?
Der Wagner-Whitin-Plan ist exakt und ein kürzester Weg im Graphen der Perioden (vgl. Dijkstra). Bei regelmäßigem Bedarf liegt die Faustregel Silver-Meal bis zu einem Bestellzyklus von sechs Perioden im Mittel unter 3 % über dem Optimum; bei klumpigem Bedarf und hohen Rüstkosten sind es 8,2 % (Zyklus von sechs Perioden) bis 11,0 % (acht). Der rollierende Horizont zeigt dasselbe Vorschau-Muster wie die Leercontainer-Repositionierung: etwa ein bis 1,3 Zykluslängen Vorschau bringen die Kosten auf höchstens 5 % über das Optimum, für 1 % braucht es 2,3 bis 3,6 Zykluslängen. 400 Bedarfsreihen je Zelle (100 beim rollierenden Horizont), erfundene Muster.
Wie groß muss der Puffer sein?
Bei ruhigem Bedarf (Variationskoeffizient 0,15, 100 Stück je Woche, keine Wiederbeschaffungszeit) heißt „95 %“ nach der einen Definition 26 Stück Sicherheitsbestand, nach der anderen 3: ohne Definition ist das Ziel keins. Die übliche Formel schätzt Mittel und Streuung aus einer Historie; bei 26 Wochen liegt der tatsächliche Servicegrad (Variationskoeffizient 0,25) im Mittel 1,9 bis 4,2 Punkte unter dem Ziel, und während der typische Artikel fast am Ziel liegt, ist ein Zehntel deutlich unterversorgt (bei zwei Wochen Wiederbeschaffungszeit unter 84,8 %). Die Mehrkosten hängen bei normalverteiltem Bedarf nicht am Streuungsgrad, sondern am Verhältnis von Wiederbeschaffungszeit zu Historienlänge. Demo dazu: Von der Prognose zum Bestand.
Beide Fragen sind vorab in Simulation und exakter Rechnung gemessen (Standardbibliothek und NumPy), ohne eigenes Programm. Die Ergebnisse lassen sich nicht ungeprüft übertragen: Bedarfsmuster, Kostenverhältnis und Historie entscheiden, wie groß der Effekt ist.
Wie ich Bestandsfragen angehe
Ziel und Kosten festlegen
Was zählt: Kapital im Lager, Bestell- und Fahrkosten, Fehlmengen? Vor jeder Rechnung wird der Servicegrad genau definiert, denn dasselbe Prozentziel führt je nach Definition zu sehr verschiedenen Beständen.
Modell und Verfahren wählen
Je nach Frage kommen eine exakte Rechnung, eine Simulation oder ein Optimierungsmodell zum Einsatz. Wo Touren dazukommen, verbinde ich die Bestandspolitik mit der Tourenplanung.
Gegenprobe
Die Regeln werden gegen ein exaktes Optimum einer kleinen Instanz und gegen einfache Vergleichsregeln geprüft, damit klar ist, wie viel eine bessere Politik tatsächlich bringt und in welchem Regime sie nichts bringt.
Umgesetzt in Scala oder Python, auf Wunsch als eigener Webservice mit API für Ihre Systeme (mehr unter Leistungen).
Wie die Stücke zusammenhängen
Inventory Routing baut auf der Tourenplanung auf und hebt die Annahme auf, dass es beim Kunden keinen Bestand gibt; das Vorschau-Fenster der Leercontainer-Repositionierung kehrt hier als Frage „wie weit vorausschauen“ wieder. Der Bullwhip-Effekt rechnet die Prognose in der Rückkopplung und übernimmt Servicegrad-Ziel und Sicherheitsfaktor aus dem Stück „Von der Prognose zum Bestand“. Die Losgrößenplanung steht gestrichelt daneben: Sie ist ein kürzester Weg im Graphen der Perioden und zeigt dasselbe Vorschau-Muster wie die Leercontainer-Repositionierung.
Durchgezogen dunkel = baut aus (hebt eine Annahme des Vorgängers auf) · durchgezogen Blau = koppelt (übergibt eine Größe, gedanklich) · gepunktet Grau = Technik aus einer anderen Linie · gestrichelt Gold = Anwendungsfall ohne eigene Demo, der das Modell oder Muster einer vorhandenen Demo teilt.
Zwei Demos zu Nachschub und Lieferkette
Beide Demos laufen als eigenständige Anwendungen: Sie stellen Parameter ein und sehen, wie sich die Regeln unterscheiden.
Inventory Routing: Wer gehört heute auf die Tour?
Stellen Sie Wagengröße, Flotte und Verbrauchsschwankung ein. Die Anwendung beliefert 20 Kunden mit Tank über 120 Tage und vergleicht: nur liefern, wenn sich der Kunde meldet (reaktiv), Kunden mit kleiner Restreichweite gleich mitnehmen (bündeln) oder früher liefern. Bündeln spart im Standardfall 17,0 % Fahrkosten, hängt aber am Verhältnis von Wagen- zu Liefermenge; früher liefern ist 7 bis 27 % teurer; vorgerechnet über 200 Instanzen je Zelle, mit dem exakten Optimum einer Kleininstanz als Maßstab.
Demo starten →Bullwhip-Effekt: Wer zahlt für die Glättung?
Stellen Sie Bedarfsschwankung, Wiederbeschaffungszeit und Prognosefenster einer vierstufigen Lieferkette ein. Die Anwendung rechnet sieben Maßnahmen (Glättung, geteilte Bedarfsinformation, kürzere Wiederbeschaffungszeit, längeres Fenster) bei gleichem Servicegrad in jeder Stufe: kürzere Wiederbeschaffungszeit spart 65 % Kettenbestand, Info teilen 27 %, Glättung überall nur 17 %; die glättende Stufe zahlt selbst, der Nutzen fällt oben an; vorgerechnet über 500 Wiederholungen je Zelle.
Verständlich erklärt: erst für Einsteiger, dann für Fachleute
Demo starten →Verwandte Fragestellungen: Touren zum Kunden auf der Seite Tourenplanung optimieren und Bestandsausgleich zwischen Häfen auf der Seite Seefracht optimieren. Mehr zu den Verfahren dahinter in der Reihe Konzepte: Die Linie Zeitreihen-Prognose liefert Prognose, Unsicherheit und den Weg zum Bestand. Wo in einer Kette ein Puffer stehen soll, kehrt im Bahnbetrieb als Verteilung der Fahrzeitreserve wieder (mehr unter Schienenverkehr optimieren).
Bestandsmanagement: kurze Antworten
Was ist Bestandsmanagement (Inventory Management)?
Bestandsmanagement legt fest, wann wie viel nachbestellt wird und wie viel Puffer nötig ist, sodass Lagerkosten, Bestell- oder Transportkosten und Fehlmengen zusammen möglichst klein bleiben. Bei schwankendem Bedarf und schwankender Lieferzeit gehört es zu den Problemen der Optimierung unter Unsicherheit.
Wie groß muss der Sicherheitsbestand sein?
Das hängt an der Streuung des Bedarfs, der Wiederbeschaffungszeit, dem Preis einer Fehlmenge und an der Definition des Servicegrads. Bei ruhigem Bedarf (Variationskoeffizient 0,15, 100 Stück je Woche, keine Wiederbeschaffungszeit) heißt 95 % nach der einen Definition 26 Stück Sicherheitsbestand, nach der anderen 3. Ohne Definition ist ein Prozentziel deshalb kein Ziel.
Was ist der Bullwhip-Effekt?
Der Bullwhip-Effekt beschreibt, dass die Bestellungen in einer Lieferkette von Stufe zu Stufe stärker schwanken als der Bedarf der Endkunden. Jede Stufe prognostiziert aus den Bestellungen der Stufe darunter und bestellt nach oben, und die Schwankung schaukelt sich auf. Die Demo zeigt, was Glättung, geteilte Information und kürzere Wiederbeschaffungszeit bei gleichem Servicegrad an Kettenbestand kosten oder sparen, und wer dabei zahlt.
Was ist Inventory Routing, und wann lohnt es sich?
Inventory Routing plant Touren und Bestand beim Kunden gemeinsam: Es entscheidet, welche Kunden heute beliefert werden, wie viel sie bekommen und in welcher Reihenfolge. Im Modell der Demo spart das Mitnehmen von Kunden mit kleiner Restreichweite 17,0 % Fahrkosten gegenüber dem Warten auf die Meldung, aber nur, wenn ein Wagen mehr als eine Lieferung fasst; bei Wagen gleich Liefermenge sind es 0,4 %.
Wie viel lässt sich durch Optimierung sparen?
Das hängt stark vom Ausgangszustand und vom Regime ab und lässt sich seriös nur an Ihren Daten beziffern. Die Demos zeigen, wovon ein Effekt abhängt: Das Bündeln beim Nachschub bringt mit der Wagengröße 0,4 % bis 33,2 %, die Glättung in der Lieferkette je nach Regime (Autokorrelation, Prognosefenster, Wiederbeschaffungszeit) von −47 % bis +7 % Kettenbestand.
Wie hängen Bestand, Prognose und Tourenplanung zusammen?
Die Prognose liefert den Bedarf und seine Unsicherheit, aus der die Bestandspolitik den Puffer ableitet. Der Nachschub bringt die Ware per Tour zum Kunden, und die Tourenplanung entscheidet, in welcher Reihenfolge. In der Lieferkette ist die Bestellung der einen Stufe der Bedarf der nächsten.
Bieten Sie fertige Bestandsmanagement-Software an?
Ich entwickle Lösungen nach Maß: Modell, Algorithmus und Software aus einer Hand, auf Wunsch als eigener Webservice mit API für Ihre Systeme. Für Standardfälle ist zusätzlich ein nutzungsbasiertes API-Produkt in Aufbau.
Das könnte Sie auch interessieren
Tourenplanung optimieren
Nah- und Fernverkehr, Elektro-Lkw und der Anschluss an Netz, Hof und Lager: 7 Demos.
Netzwerkdesign optimieren
Warenflüsse und Linien gestalten: Der Fluss ist einfach, das Design ist schwer.
ÖPNV und Fernverkehr optimieren
Liniennetz, Rufbus, Tarif und Takt im Betrieb: 4 Demos.
Schienenverkehr optimieren
Vom Takt bis zur Zugbildung: 7 Demos, jede mit einem gemessenen Befund.
Packen und Zuschnitt optimieren
Container, Paletten und Rollen: weniger Leerraum und Verschnitt, mit mathematischen Untergrenzen.
Lagerlogistik optimieren
Kommissionierung, Tor-Zuordnung, Umschlagpunkte und Wellenfreigabe als Gesamtsystem: 4 Demos.
Hof- und Yard-Management optimieren
Fahraufträge für Wechselbrücken und Ankunftstermine: Fristen halten, Leerfahrten sparen.
Hafenlogistik optimieren
Die ganze Prozesskette vom Kai bis zum Gate: 11 Demos, jede mit einem gemessenen Befund.
Seefracht optimieren
Die Prozesskette einer Reise vom Buchen bis zur Leercontainer-Rückführung: 7 Demos, jede mit einem gemessenen Befund.
Schichtplanung optimieren
Personalbedarf stundengenau decken, und wann eine einfache Rechnung schon exakt ist.
Clusteranalyse
Punkte ohne Vorgaben gruppieren: welches Verfahren zu Ihren Daten passt, von k-Means bis HDBSCAN.
Anomalie-Erkennung
Was aus dem Rahmen fällt, ohne dass vorher jemand sagt, wie es aussieht: neun Verfahren von der robusten Ellipse bis zum Autoencoder.
Luftfracht optimieren
ULD-Beladung, Beladeplan, Gefahrgut-Trennung und Buchungsannahme: 4 Demos, jede mit einem gemessenen Befund.
Ihre Bestände, Ihre Regeln?
Schildern Sie mir kurz, wie Sie heute nachbestellen oder beliefern und was dabei nicht funktioniert. Ob sich eine Optimierung lohnt, lässt sich meist schon im kostenlosen Erstgespräch einschätzen.