Großhandel: Nachfrage präzise prognostizieren – nie wieder zu viel oder zu wenig

Ein Industriegroßhändler mit 600 Mitarbeitenden und 180.000 Artikeln hält im Jahresdurchschnitt Lagerbestände von 28 Mio. €. Davon sind 22 % als Slow-Mover oder totes Kapital klassifiziert — Artikel, die zu viel eingekauft wurden, weil die Nachfrageplanung auf Erfahrungswissen und Excel-Tabellen beruhte.

Gleichzeitig gab es rund 8 % Lieferunfähigkeit bei Schnelldrehern — Artikel, für die zu wenig bestellt worden war. Beides kostet: überschüssige Bestände binden Kapital, Lieferunfähigkeit kostet Kunden.

Kundendaten und Lieferantenkonditionen als Kronfelde der Geschäftslogik

Abverkaufsdaten, Kundenumsätze nach Produkt und die Konditionenverhandlungen mit Lieferanten sind die sensibelsten Geschäftsinformationen des Händlers. Eine Analyse durch externe Cloud-Dienste kam nicht in Betracht.

Lokale Nachfrageprognose mit SoverIQ

SoverIQ Stack ist mit ERP und Warenwirtschaftssystem verbunden — lokal. Das Modell analysiert:

• Historische Abverkaufsdaten nach Artikel, Kunde, Region, Saison
• Offene Auftragsbestände und bekannte Kundenprojekte
• Externe Signale: Bauindex, Industrieproduktion, Rohstoffpreise (lokal als Datenfeed)
• Lieferzeiten und Mindestbestellmengen der Lieferanten

Das Ergebnis: wöchentliche Bestellvorschläge mit Konfidenzintervallen — für jeden Artikel automatisch, mit Begründung.

Ergebnis

Slow-Mover-Quote sank von 22 % auf 11 % in 18 Monaten. Freigesetztes Kapital aus reduziertem Überbestand: 3,8 Mio. €. Lieferunfähigkeit bei Schnelldrehern sank von 8 % auf 2,1 %. Der Einkauf verbringt jetzt Zeit mit Lieferantenverhandlungen statt mit manueller Bestandspflege.