Warum statische Meldebestände im SHK-Grosshandel nicht mehr funktionieren
Kennen Sie das? Im Oktober sind die Lager voll mit Heizkesseln und Wärmepumpen, die niemand bestellt hat. Im November, wenn die Heizungssaison richtig losgeht, fehlen genau diese Artikel. Im Frühjahr stapeln sich Solarthermie-Komponenten, weil der Einkauf im Januar zu optimistisch bestellt hat.
Das Problem liegt selten an den Menschen in der Disposition. Es liegt am System dahinter. Statische Meldebestände, einmal im Jahr festgelegt und dann vergessen, können mit der Dynamik im SHK-Fachgrosshandel schlicht nicht mithalten. Saisonale Schwankungen, wechselnde Lieferzeiten und ein Sortiment mit oft über 100.000 Artikeln machen die manuelle Disposition zu einer Aufgabe, die kein Mensch fehlerfrei bewältigen kann.
Im SHK-Grosshandel liegt die durchschnittliche Kapitalbindung im Lager bei 25 bis 35 % des Jahresumsatzes. Schon eine Reduktion um wenige Prozentpunkte setzt erhebliche Mittel frei, die anderswo produktiver arbeiten.
Wie prädiktive Bestandsplanung funktioniert
Der Grundgedanke ist einfach: Statt fester Schwellenwerte berechnet ein KI-Modell für jeden einzelnen Artikel einen dynamischen Meldebestand. Dieser Wert wird täglich oder sogar stündlich neu ermittelt, basierend auf einer Vielzahl von Faktoren. Das Prinzip kennen Sie vielleicht von Onlinehändlern, die Preise in Echtzeit anpassen. Nur geht es hier nicht um Preise, sondern um Bestellmengen und Bestellzeitpunkte.
Was in die Berechnung einfließt:
- Historische Abverkaufsdaten: Nicht nur Durchschnittswerte, sondern Muster auf Wochen- und Tagesebene
- Saisonale Nachfragekurven: Wärmepumpen im Herbst, Klimageräte im Frühjahr, Sanitärartikel ganzjährig
- Aktuelle Lieferzeiten: Schwankungen bei Herstellern und Speditionen in Echtzeit
- Offene Bestellungen und Wareneingänge: Was ist bereits unterwegs?
- Externe Signale: Wetterprognosen, Förderprogramme, regulatorische Änderungen wie das GEG
- Lieferantenperformance: Wie zuverlässig liefert ein bestimmter Hersteller tatsächlich?
Das Modell lernt aus jedem Bestellzyklus dazu. Wenn ein Lieferant plötzlich zwei Wochen statt einer Woche braucht, passt sich der Meldebestand automatisch an. Wenn eine Hitzewelle angekündigt wird, steigen die Meldebestände für Klimatechnik, bevor die Nachfrage überhaupt eintrifft.
Klingt komplex? Ist es auch, zumindest unter der Haube. Aber genau das ist der Punkt: Die Komplexität steckt im Algorithmus, nicht im Alltag der Disponenten. Für Ihre Mitarbeiter ändert sich vor allem eines: Sie arbeiten mit besseren Vorschlägen und können sich auf die Fälle konzentrieren, die wirklich menschliches Urteilsvermögen erfordern.
Statisch vs. dynamisch: Der Unterschied in der Praxis
Ein Beispiel aus unserer Beratungspraxis macht den Unterschied greifbar.
Ein SHK-Grosshändler mit 14 Standorten in Süddeutschland hatte seinen Meldebestand für eine gängige Wärmepumpen-Baureihe auf 8 Stück pro Lager festgelegt. Dieser Wert basierte auf dem Jahresdurchschnitt der Vorjahresverkäufe.
Das Problem: Im Sommer lag der tatsächliche Bedarf bei 2 bis 3 Stück pro Monat. Im Oktober und November stieg er auf 15 bis 20. Der statische Meldebestand führte im Sommer zu Überbeständen (gebundenes Kapital, Lagerplatzkosten) und im Herbst zu Fehlmengen (verlorene Aufträge, unzufriedene Installateure).
Nach der Einführung dynamischer Meldebestände sank der Wert im Sommer automatisch auf 3 bis 4 Stück und stieg ab September schrittweise auf 18 bis 22. Das Ergebnis: weniger Kapital im Lager, weniger Notbestellungen per Express und eine Lieferfähigkeit, die von 89 % auf 96 % stieg. Für einen Grosshändler mit 14 Standorten bedeutet das allein bei dieser einen Produktgruppe eine Einsparung im sechsstelligen Bereich pro Jahr.
Die besonderen Herausforderungen im SHK-Sortiment
Warum ist die Disposition im SHK-Grosshandel besonders anspruchsvoll? Drei Faktoren machen diesen Bereich komplexer als viele andere Branchen.
Erstens: die Sortimentsbreite. Ein typischer SHK-Grosshändler führt zwischen 80.000 und 150.000 Artikel. Davon sind vielleicht 5.000 echte Schnelldreher. Der Rest bewegt sich im B- und C-Segment, also genau dort, wo Überbestände und Fehlmengen am häufigsten auftreten und am teuersten sind.
Zweitens: die Saisonalität. Kaum eine Branche ist so stark von Jahreszeiten abhängig. Die Nachfrage nach Heizungstechnik folgt anderen Mustern als die nach Sanitärprodukten oder Installationsmaterial. Eine pauschale Saisonkurve reicht nicht; das Modell muss auf Artikelgruppen-Ebene differenzieren.
Drittens: regulatorische Einflüsse. Förderprogramme wie die BEG-Förderung oder gesetzliche Vorgaben wie das Gebäudeenergiegesetz können die Nachfrage innerhalb weniger Wochen massiv verschieben. Erinnern Sie sich an die Panik rund um das GEG im Sommer 2023? Wärmepumpen waren über Monate nicht lieferbar, während gleichzeitig Gas- und Ölheizungen gehortet wurden. Wer hier nicht schnell reagiert, verliert Marktanteile. Ein prädiktives Modell hätte die Nachfrageverschiebung deutlich früher erkennen und die Disposition entsprechend anpassen können.
Wir haben jahrelang nach Bauchgefühl und Excel-Tabellen disponiert. Seit wir dynamische Meldebestände nutzen, schlafen unsere Disponenten besser. Und unsere Installateure bekommen ihre Ware, wenn sie sie brauchen.
Was Sie für die Umsetzung brauchen
Die gute Nachricht: Sie brauchen kein Data-Science-Team und kein millionenschweres IT-Projekt. Die Grundlage liegt in den Daten, die Sie bereits haben. Ihr ERP-System enthält Abverkaufshistorien, Lieferzeiten, Bestellmengen und Bestandsdaten. Das ist in den meisten Fällen mehr als genug für den Start.
Der typische Weg zur KI-gestützten Disposition sieht so aus:
- Datenaudit: Welche Daten sind vorhanden, wie sauber sind sie, wo gibt es Lücken?
- Artikelklassifikation: Segmentierung nach Umschlagshäufigkeit, Marge und strategischer Bedeutung
- Pilotphase: Start mit 500 bis 1.000 Artikeln aus dem A-Segment
- Validierung: Vergleich der KI-Prognosen mit der bisherigen Disposition über 8 bis 12 Wochen
- Rollout: Schrittweise Ausweitung auf das gesamte Sortiment
- Kontinuierliches Lernen: Das Modell wird mit jedem Monat besser
Wichtig: Der Mensch bleibt in der Schleife
Prädiktive Bestandsplanung ersetzt keine Disponenten. Sie gibt ihnen bessere Werkzeuge an die Hand. Erfahrene Mitarbeiter können Ausnahmen bewerten, die kein Algorithmus vorhersehen kann: ein Großprojekt, das ein Installateur ankündigt, ein Lieferant, der Insolvenz anmeldet, eine regionale Besonderheit. Die Kombination aus menschlicher Erfahrung und datenbasierter Prognose liefert die besten Ergebnisse.
Was prädiktive Disposition konkret bringt
Die Zahlen aus unseren Projekten im technischen Grosshandel sprechen eine deutliche Sprache. Unternehmen, die von statischer auf dynamische Disposition umstellen, sehen typischerweise innerhalb des ersten Jahres folgende Verbesserungen:
- 20 bis 30 % weniger Kapitalbindung im Lager, bei gleicher oder besserer Lieferfähigkeit
- Reduktion von Notbestellungen um 40 bis 50 %, was direkt die Beschaffungskosten senkt
- Steigerung der Lieferfähigkeit auf 95 % und mehr, was im B2B-Geschäft ein echter Wettbewerbsvorteil ist
- Weniger Abschreibungen auf Ladenhüter, weil Überbestände früher erkannt werden
- Entlastung der Disposition von Routineentscheidungen, sodass sich Mitarbeiter auf strategische Aufgaben konzentrieren können
Diese Ergebnisse decken sich mit dem, was wir auch in anderen Bereichen des technischen Grosshandels beobachten. Wer datengetrieben entscheidet, gewinnt. Nicht weil die Technologie magisch ist, sondern weil sie Muster erkennt, die in 150.000 Artikeln und 10 Jahren Bestellhistorie verborgen liegen.
Entscheidend ist dabei: Der ROI kommt nicht erst nach Jahren. Unsere Erfahrung zeigt, dass sich die Investition in prädiktive Bestandsplanung typischerweise innerhalb von 6 bis 9 Monaten amortisiert. Bei einem Grosshändler mit 50 Millionen Euro Jahresumsatz und 15 Millionen Euro Lagerbestand kann eine Reduktion der Kapitalbindung um 25 % über 3 Millionen Euro freisetzen. Geld, das Sie in Wachstum, neue Standorte oder bessere Konditionen investieren können.
Fazit: Kleine Schritte, grosse Wirkung
KI-gestützte Disposition ist kein Zukunftsthema mehr. Die Technologie ist verfügbar, die Daten liegen in Ihrem ERP, und die Ergebnisse sind messbar. Der entscheidende Punkt: Sie müssen nicht das gesamte Sortiment auf einmal umstellen. Starten Sie mit einem Piloten, messen Sie die Ergebnisse und skalieren Sie, was funktioniert.
Wenn Sie wissen möchten, wie prädiktive Bestandsplanung konkret in Ihrem Unternehmen aussehen könnte, sprechen Sie mit uns. Wir analysieren Ihre Ausgangslage und zeigen Ihnen, wo die grössten Hebel liegen. Praxisnah, ohne Buzzwords und mit einem klaren Fahrplan für die Umsetzung. Mehr zu unserem Ansatz für datengetriebenes Wachstum finden Sie auf unserer Leistungsseite.
