Lieferzeiten im Forecast zu berücksichtigen heißt, die Nachfrage für den Zeitraum zwischen Bestellung und buchbarem Wareneingang zu prognostizieren. Der Bestellpunkt ergibt sich aus dem erwarteten Bedarf in dieser Wiederbeschaffungszeit plus Sicherheitsbestand. Bei acht Wochen Lieferzeit brauchst du einen Prognosehorizont von mindestens acht Wochen, sonst bestellst du zu spät oder zu früh.
- Der Bestellpunkt ist der Bedarf während der Lieferzeit plus Sicherheitsbestand, nicht der Moment, in dem der Bestand null erreicht.
- Ein Durchschnittswert genügt nur bei stabilen Lieferanten. Bei starker Streuung brauchst du Minimum, Median und Maximum.
- Verkaufshistorie, Saisonalität, Kampagnen, Mindestbestellmengen, Retouren und Out-of-Stock-Phasen gehören getrennt in die Reorder-Logik.
- Ein Sicherheitsbestand puffert Schwankungen, korrigiert aber keine verzerrten Daten.
- Gleiche Plan- und Ist-Lieferzeit bei jedem Wareneingang ab.
Definition: Was bedeutet es, Lieferzeiten im Forecast zu berücksichtigen?
Lieferzeiten im Forecast zu berücksichtigen ist eine Planungsmethode, die den Prognosehorizont an die Wiederbeschaffungszeit koppelt. Du prognostizierst nicht den Bedarf von heute, sondern den Bedarf, der bis zur Ankunft der Ware anfällt. Ein Forecast ist laut allybc.de ein Instrument, das Abweichungen früh sichtbar macht, damit Entscheidungen rechtzeitig angepasst werden.
Im Supply-Chain-Kontext umfasst Forecasting laut AutoStore die Prognose von Kundennachfrage, Lieferbedarf und Lageranforderungen auf Basis historischer Daten, Markttrends und externer Faktoren. Die AWS-Grundsätze zur Zeitreihenprognose zeigen, warum Datenqualität und zusätzliche Einflussgrößen das Ergebnis prägen.
Ablauf: So fließt die Lieferzeit in die Nachbestellung ein
Der Ablauf trennt Nachfrageprognose und Beschaffungslogik. Die Lieferzeit bestimmt nicht, wie viel du verkaufst, sondern wann du spätestens bestellen musst. Als Datenbasis nennt der Voids.Ai-Leitfaden Verkäufe, Saisonalität, Kampagnen, Lieferzeiten, Mindestbestellmengen, Retouren und Out-of-Stock-Phasen, die getrennt betrachtet werden müssen.
Ablauf / Funktionsweise der Reorder-Logik
- Lieferzeit definieren: Miss vom Bestelldatum bis zum verfügbaren Bestand im Lager. Produktion, Transport, Zoll und Wareneingang gehören dazu.
- Streuung erfassen: Halte pro Lieferant und Artikel Minimum, Median und Maximum fest.
- Bedarf über die Wiederbeschaffungszeit prognostizieren: Der Forecast deckt genau den Zeitraum ab, in dem keine neue Ware eintrifft.
- Bestellpunkt ableiten: Bedarf in der Lieferzeit plus Sicherheitsbestand, abzüglich Bestand und offener Bestellungen.
- Überprüfen: Bei stabilen Lieferanten quartalsweise, bei schwankenden monatlich.
Fehlende Verkäufe während eines Lieferengpasses sind keine fehlende Nachfrage. Markiere Out-of-Stock-Tage, sonst rutscht die Nachfragehistorie nach unten. Bestandsbewegungen prüfst du im Shopify-Bestandsmanagement.
Wie sieht ein Rechenbeispiel für den Bestellpunkt aus?
Ein Rechenbeispiel macht die Logik greifbar. Die Zahlen sind illustrativ gewählt, keine Marktdaten. Ein Artikel verkauft sich 40 Stück pro Woche, die Lieferzeit liegt im Median bei 8 Wochen, im Maximum bei 11 Wochen. Der Bedarf in der Lieferzeit beträgt 320 Stück beim Median und 440 Stück beim Maximum.
| Rechengröße | Wert | Wirkung |
|---|---|---|
| Bedarf bei Median (8 Wochen) | 320 Stück | Basis des Bestellpunkts |
| Bedarf bei Maximum (11 Wochen) | 440 Stück | Obergrenze für den Worst Case |
| Differenz | 120 Stück | Orientierung für den Sicherheitsbestand |
| Bestellpunkt mit vollem Puffer | 440 Stück | Höhere Kapitalbindung, weniger Fehlbestand |
Wer nur mit dem Durchschnitt rechnet, bestellt bei 320 Stück und riskiert drei Wochen Fehlbestand, sobald der Lieferant am Maximum liefert. Wie viel Puffer du wirklich hältst, entscheidet das Verhältnis aus Fehlbestandskosten und Kapitalbindung.
Entscheidungskriterien
Welche Methode passt, hängt von Streuung, Datenqualität und Artikelrelevanz ab. Je stärker die Lieferzeit schwankt, desto weniger trägt ein einzelner Durchschnittswert die Bestellplanung.
| Option | Passt wenn | Grenze / Risiko |
|---|---|---|
| Durchschnitt je Lieferant | kleines Sortiment, stabile Lieferanten | Ausreißer bleiben unsichtbar |
| Lieferzeit je SKU und Lieferant | mehrere Lieferanten, unterschiedliche Produktarten | Pflegeaufwand, Lücken bei neuen Artikeln |
| Verteilung mit Sicherheitsbestand | hohe Streuung, teure Out-of-Stocks | Kapitalbindung, braucht Bestelldaten |
Eine ABC-Einteilung konzentriert den Aufwand auf Artikel mit hohem Umsatz oder langer Vorlaufzeit. Für Randartikel genügt ein grober Wert.
Checkliste: Sind deine Lieferzeitdaten forecast-tauglich?
- Lieferzeit je Lieferant und Artikel liegt vom Bestelldatum bis zum Wareneingang vor.
- Minimum, Median und Maximum sind aus den letzten Bestellungen berechnet.
- Out-of-Stock-Phasen sind in den Verkaufsdaten markiert.
- Mindestbestellmengen und offene Bestellungen sind im Bestellpunkt berücksichtigt.
- Es ist festgelegt, wer Bestellungen freigibt und wann Werte geprüft werden.
Beispiele: Welche Fälle brauchen welche Lieferzeitlogik?
Einsteigerfall: Ein Shop mit 50 SKUs und einem Lieferanten rechnet mit fester Lieferzeit plus Puffer. Das reicht, solange die Zeit stabil bleibt. Komplexer Fall: Mehrere Lieferanten, Seefracht und Kampagnen erfordern Lieferzeit je SKU samt Streuung. Die INFORM-Studie beschreibt zunehmende Komplexität in der Fahrzeuglogistik, ein Hinweis auf anfälligere Planungsannahmen.
Nicht passender Fall: Bei Einmalartikeln ohne Nachbestellung bringt Lieferzeitlogik kaum Nutzen. Branchenstudien wie die Dataforce Studien mit über 250 befragten Fuhrparkverantwortlichen und einem Forecast bis 2026 ordnen Märkte ein, ersetzen aber keine eigene Datenprüfung.
Risiken und Grenzen
Ein Sicherheitsbestand puffert Schwankungen, korrigiert aber keine falsche Nachfragebasis. Er bindet Kapital und deckt systematische Fehler nur zufällig ab. Zu spät bestellte Ware kostet Umsatz, zu früh bestellte bindet Kapital.
Lieferzeiten sind Messwerte, keine Konstanten. Heute gilt: Zusagen von Lieferanten ersetzen keine echten Wareneingangsdaten. Wer einen Plattformwechsel plant, etwa weg von Stocky, findet Hinweise im Shopify Help Center zur Migration.
Was kostet es, Lieferzeiten im Forecast zu pflegen, und was bringt es?
Der Hauptaufwand liegt in Datenpflege, nicht in Lizenzen. Wareneingänge je Lieferant erfassen, Werte quartalsweise oder nach Auffälligkeiten prüfen und Fehlbestandskosten gegen Kapitalbindung abwägen. Je höher Marge und Wiederkaufwert eines Artikels, desto eher lohnt genauere Planung.
Wann ist ein Tool nicht die richtige Wahl?
Ein Tool lohnt sich nicht, wenn die Basis fehlt. Hast du nur wenige Artikel, kaum Verkaufshistorie oder nie dokumentierte Lieferzeiten, bringt eine Tabelle mit Bestellpunkt-Formel mehr als ein Modell. Schwanken Lieferanten ohne Vorwarnung stark, klärst du zuerst die Lieferantenbeziehung, denn kein Forecast ersetzt verlässliche Zusagen.
Erst wenn du viele SKUs mit unterschiedlichen Lieferanten führst und Lieferzeiten sowie Bestellungen in Tabellen abgleichst, wird der manuelle Aufwand zum Engpass. Dann ist eine Software für Demand Forecasting und Bestandsplanung im E-Commerce wie voids.ai eine Option. Prüfe zuerst die Checkliste oben.
Häufige Fragen (FAQ) zu Lieferzeiten im Forecast berücksichtigen
Diese Antworten fassen die wichtigsten Entscheidungspunkte zu Lieferzeiten im Forecast berücksichtigen kurz und konkret zusammen.
Wie berücksichtige ich Lieferzeiten im Forecast für meine Nachbestellungen?
Prognostiziere den Bedarf über die Lieferzeit und vergleiche ihn mit dem Bestand. Addiere einen Puffer und bestelle, wenn der Bestand darunter fällt.
Reicht eine durchschnittliche Lieferzeit für die Bestellplanung aus?
Nur bei stabilen Lieferanten. Schwanken die Zeiten, sind Bandbreiten oder Perzentile aussagekräftiger.
Wie oft sollte ich Lieferzeiten meiner Lieferanten überprüfen?
Prüfe sie mit jedem Wareneingang und gleiche sie regelmäßig ab, etwa quartalsweise. Vor Saisonspitzen lohnt eine zusätzliche Kontrolle.
Was bedeutet Lieferzeit im Forecast für den Bestellzeitpunkt?
Der Bestellzeitpunkt liegt um die Lieferzeit vor dem erwarteten Bedarf. Je länger sie ist, desto früher und unsicherer wird die Entscheidung.
Welche Daten brauche ich neben Lieferzeiten für die Reorder-Logik?
Verkaufshistorie, Saisonalität, Kampagnen, Mindestbestellmengen, Retouren und Out-of-Stock-Phasen. Bestand und offene Bestellungen gehören dazu.
Kann ein Sicherheitsbestand schlechte Forecast-Daten ausgleichen?
Nein, er puffert nur Abweichungen. Eine verzerrte Datenbasis bleibt verzerrt und kostet zusätzlich Kapital.
Verfügbarkeit erhöhen. Kapitalbindung senken.
Finde in einem Inventory Audit deinen größten Einkaufshebel.
Jannik Semmelhaack · CEO & Founder, VOIDS
Jannik ist Gründer und CEO von VOIDS. Er verbindet tiefes Verständnis für KI-gestütztes Demand Forecasting mit hands-on E-Commerce-Erfahrung und hilft DTC-Brands dabei, datengetriebene Entscheidungen in der Supply Chain zu treffen.
Redaktionell geprüft durch die VOIDS Redaktion.
VOIDS unterstützt Consumer Brands dabei, fundierte Einkaufs- und Bestandsentscheidungen zu treffen. Unsere Inhalte werden auf Klarheit, Praxisrelevanz und sachliche Richtigkeit geprüft.
HYROX