Blogartikel
ABC-XYZ-Analyse: Definition, Berechnung und Matrix
Die ABC-Analyse trennt Artikel nach Umsatzanteil, die XYZ-Analyse nach der Schwankung ihrer Nachfrage. Zusammen ergeben sie ein Raster aus neun Feldern, das zeigt, welche Planungsentscheidung bei welchem Artikel zu prüfen ist. Dieser Artikel erklärt beide Verfahren mit Formel und Rechenbeispiel und benennt, was die Kennzahlen aussagen und was nicht.
Wer 8.000 Artikel führt und alle nach demselben Muster disponiert, zahlt zweimal. Einmal für die Fehlmenge beim Renner, einmal für den Überbestand beim Langsamdreher, dessen Restlaufzeit vor dem Abverkauf endet. Die Aufmerksamkeit des Disponenten ist die knappste Ressource in der Bestandsplanung, und sie verteilt sich in den meisten Betrieben nach Gewohnheit statt nach Wirkung. In der Erhebung Supply Chain Planning 2026 der Boston Consulting Group (BCG) nennen 78 Prozent der befragten Planungsverantwortlichen Prognoseabweichungen und fehlende Abstimmung als größte interne Herausforderung. Die Artikelklassifikation löst das nicht, aber sie ist die Vorarbeit: Sie kostet keine neue Software und macht sichtbar, wo eine Planungsentscheidung überhaupt ansteht.
Was ist die ABC-XYZ-Analyse? Definition und Unterschied
Die ABC-XYZ-Analyse kombiniert zwei getrennte Klassifikationen desselben Sortiments. Die ABC-Analyse ordnet Artikel nach ihrem wirtschaftlichen Gewicht, die XYZ-Analyse nach der Schwankung ihrer Periodennachfrage. Die beiden Ergebnisse sind voneinander unabhängig, und erst gemeinsam ergeben sie ein Bild, aus dem sich Planungsentscheidungen ableiten lassen.
Was ist die ABC-Analyse?
Die ABC-Analyse ist ein Verfahren der Artikelklassifikation, das ein Sortiment nach dem Anteil am Gesamtwert in drei Klassen teilt. A-Artikel tragen den höchsten Wertanteil bei kleiner Artikelzahl, C-Artikel den niedrigsten bei der größten Artikelzahl, B-Artikel liegen dazwischen. Als Orientierungswerte gelten rund 70 bis 80 Prozent des Werts für die A-Klasse, etwa 15 bis 25 Prozent für B und 5 bis 10 Prozent für C.
Als Verfahren der Materialwirtschaft und Logistik ist die ABC-Analyse nicht auf Artikel beschränkt, sie wird ebenso auf Kunden, Lieferanten und Lagerplätze angewendet. Dieser Artikel behandelt die Artikelklassifikation für die Bestandsplanung.
Das Ziel ist keine Statistik, sondern eine Zuweisung von Aufmerksamkeit. Steht fest, welche Artikel den Wert tragen, lässt sich begründen, wo engere Ausnahmegrenzen, kürzere Prüfintervalle und ein sauber gerechneter Sicherheitsbestand ihren Aufwand wert sind.
Das Pareto-Prinzip als Grundlage der ABC-Analyse
Hinter der ABC-Analyse steht das Pareto-Prinzip, oft als 80/20-Regel bezeichnet: Ein kleiner Teil der Artikel erzeugt einen großen Teil des Umsatzes. Als Faustformel heißt das, rund 20 Prozent der Artikel stehen für etwa 80 Prozent des Umsatzes.
Diese Zahlen sind eine Beobachtungsregel, kein Naturgesetz. Wo wenige Marken das Sortiment dominieren, kann die Kurve deutlich steiler verlaufen und ein noch kleinerer Artikelanteil die 80 Prozent tragen; bei breiter Sortimentsaufstellung mit vielen Nischenartikeln verläuft sie flacher. Wer die 80/20-Verteilung als Zielwert behandelt und die Klassengrenzen verschiebt, bis sie erreicht ist, dreht die Methode um. Dann bestimmt die Erwartung die Klasse und nicht die Zahl.
Die Prüffrage für Ihren Betrieb: Wissen Sie, wie viele Ihrer Artikel tatsächlich 80 Prozent Ihres Umsatzes ausmachen, oder nehmen Sie 20 Prozent an?
Was ist die XYZ-Analyse?
Die XYZ-Analyse klassifiziert Artikel nach der relativen Schwankung ihrer Periodennachfrage. X-Artikel schwanken wenig, Y-Artikel mittel, Z-Artikel stark, oft mit langen Perioden ohne Bedarf. Gemessen wird das mit dem Variationskoeffizienten, also der Standardabweichung der Periodennachfrage geteilt durch ihren Mittelwert. Als Orientierungswerte gelten X unter 0,5, Y zwischen 0,5 und 1,0 und Z ab 1,0; diese Schwellen sind betriebsspezifisch anzupassen und keine Studienbenchmarks. Die Klassifikation von Artikeln nach ihrer relativen Nachfragestreuung ist als Standardverfahren der Bestandsplanung bei Silver, Pyke und Thomas (2017) dokumentiert.
Hier ist eine Einschränkung wichtig, die in der Praxis oft untergeht. Der Variationskoeffizient misst, wie stark eine Reihe streut, nicht warum sie streut. Er unterscheidet nicht zwischen einer Saison, einem Aktionsausschlag, einem sporadischen Bedarf und reinem Zufall. Zwei Artikel können denselben Variationskoeffizienten haben und sich in ihrer Prognostizierbarkeit deutlich unterscheiden. Die XYZ-Klasse ist damit ein erster Hinweis auf die Stabilität einer Zeitreihe, aber kein Beweis für ihre Planbarkeit.
Ein hoher Variationskoeffizient heißt deshalb ausdrücklich nicht, dass sich ein Artikel nicht prognostizieren lässt. Für unregelmäßige, intermittierende Nachfrage existiert eine eigene Verfahrensfamilie, die Boylan und Syntetos (2021) systematisch darstellt; welches Verfahren trägt, hängt an Merkmalen der Reihe wie dem Abstand zwischen Bedarfsereignissen, der Länge der Historie und dem Prognosehorizont. Petropoulos und andere (2014) zeigen für die Methodenwahl allgemein, dass sich die Eignung eines Verfahrens aus den Eigenschaften der Zeitreihe ergibt und nicht aus einer pauschalen Regel. Saisonale Nachfrage ist ohnehin strukturiert und mit einem passenden Modell gut planbar.
Unterschied zwischen ABC-Analyse und XYZ-Analyse
Der Unterschied lässt sich in einem Satz fassen: Die ABC-Analyse misst, was ein Artikel wert ist, die XYZ-Analyse, wie stark seine Nachfrage schwankt. Beide greifen auf dieselbe Absatzhistorie zu, verwenden sie aber unterschiedlich. Die ABC-Analyse verdichtet sie zu einer einzigen Summe pro Artikel, dem Jahreswert. Die XYZ-Analyse interessiert sich für genau das, was diese Verdichtung wegwirft, nämlich die Verteilung über die Perioden.
Keines der beiden Verfahren ersetzt also das andere. Die ABC-Klassifikation ist schnell gerechnet und liefert eine Prioritätenliste. Die XYZ-Klassifikation braucht saubere Periodendaten, sagt dafür etwas über die Struktur der Nachfrage und darüber, wo ein genauerer Blick auf das Prognoseverfahren lohnt.
ABC-Analyse berechnen: Formel und Beispiel
Drei Formeln tragen die gesamte Rechnung:
Artikelwert = Absatzmenge × Preis
Wertanteil = Artikelwert ÷ Gesamtwert × 100
Variationskoeffizient = Standardabweichung ÷ Mittelwert
Die ABC-Klassifikation folgt daraus in vier Schritten. Bilden Sie zuerst je Artikel den Jahreswert. Sortieren Sie die Artikel anschließend absteigend nach diesem Wert. Der dritte Schritt bildet den kumulierten Wertanteil, den laufend aufaddierten Prozentwert vom Gesamtwert. Erst im vierten Schritt kommen die Klassengrenzen ins Spiel, angelegt an diesem kumulierten Wert: A bis etwa 80 Prozent, B bis etwa 95 Prozent, C der Rest.
Welche Wertgröße Sie einsetzen
Die Formel sagt „Preis“, und genau hier entstehen die stillen Fehler. Wer die historische Menge mit dem heutigen Preis multipliziert, bekommt bei Preisänderungen ein verzerrtes Ergebnis, weil eine Preiserhöhung dann rückwirkend die Vergangenheit umschreibt. Sauberer ist der tatsächlich erzielte Nettoumsatz der Periode oder ein historischer Durchschnittspreis je Periode.
Welche Größe überhaupt sinnvoll ist, hängt von der Frage ab. Der Nettoumsatz zeigt das Vertriebsgewicht, der Einstandswert die Kapitalbindung im Lager, der Deckungsbeitrag die Ertragswirkung. Bei stark unterschiedlichen Spannen innerhalb eines Sortiments führt der Umsatz systematisch in die Irre, weil ein umsatzstarker Artikel mit dünner Spanne dann dieselbe Aufmerksamkeit bekommt wie ein ertragsstarker. Legen Sie die Wertgröße einmal fest, dokumentieren Sie sie, und rechnen Sie alle Klassifikationen danach.
Rechenbeispiel
Das folgende Beispiel ist konstruiert und zeigt zehn Artikel bei einem Gesamtwert von 1.000.000 Euro:
Artikel | Jahreswert | Wertanteil | kumuliert | Klasse |
|---|---|---|---|---|
1 | 400.000 € | 40,0 % | 40,0 % | A |
2 | 220.000 € | 22,0 % | 62,0 % | A |
3 | 120.000 € | 12,0 % | 74,0 % | A |
4 | 70.000 € | 7,0 % | 81,0 % | A |
5 | 60.000 € | 6,0 % | 87,0 % | B |
6 | 45.000 € | 4,5 % | 91,5 % | B |
7 | 35.000 € | 3,5 % | 95,0 % | B |
8 | 25.000 € | 2,5 % | 97,5 % | C |
9 | 15.000 € | 1,5 % | 99,0 % | C |
10 | 10.000 € | 1,0 % | 100,0 % | C |
Artikel 4 überschreitet die 80-Prozent-Marke und zählt noch zur A-Klasse, weil der kumulierte Anteil erst mit ihm die Schwelle erreicht. Legen Sie diese Konvention einmal fest und behalten Sie sie bei, sonst wandern Artikel bei jeder Neuberechnung über die Grenze.
Zwei Hinweise zum Lesen des Beispiels. Bei zehn Artikeln fällt die A-Klasse mit vier Positionen zwangsläufig breit aus, und die Klassen treffen die genannten Orientierungsbereiche nicht genau: Die A-Klasse trägt hier 81 Prozent, die B-Klasse 14 Prozent. Bei mehreren tausend Artikelnummern zeigt die Verteilung ihre typische Schiefe deutlich stärker.
Der zweite Hinweis betrifft die Datengrundlage und nicht die Rechnung. Bei Sortimenten mit regelmäßigem Aktionsgeschäft kann ein Artikel allein durch zwei Aktionen in die A-Klasse rutschen. Gerechnet ist die Klassifikation dann richtig, beschrieben hat sie die Aktionshistorie und nicht die Grundnachfrage.
Klassengrenzen betriebsspezifisch setzen
Die Werte 80 und 95 Prozent sind Orientierungsgrößen aus der Literatur, keine verbindlichen Schwellen. Betriebsspezifische Grenzen sind sinnvoll, wenn die Wertverteilung im Sortiment es hergibt, etwa weil die Kurve so steil verläuft, dass bei 80 Prozent nur eine Handvoll Artikel in der A-Klasse landet.
Was die Grenze dagegen nicht bestimmen sollte, ist die verfügbare Arbeitszeit. Es liegt nahe, die A-Grenze so lange nach unten zu ziehen, bis die A-Klasse in den Arbeitstag passt. Damit vermischen Sie aber zwei Dinge, die getrennt gehören: Die Klassifikation beschreibt das wirtschaftliche Gewicht, die Kapazitätssteuerung entscheidet, wie viel Prüfaufwand ein Artikel bekommt. Rechnen Sie die Klassen also nach einer stabilen, dokumentierten Wertlogik, und regeln Sie die Arbeitslast anschließend über Prüfintervalle und Ausnahmegrenzen. Sonst heißt derselbe Artikel im nächsten Quartal B, weil jemand Urlaub hatte.
XYZ-Analyse berechnen: Variationskoeffizient und Beispiel
Für die XYZ-Klassifikation brauchen Sie die Periodennachfrage, nicht die Jahressumme. Üblich sind zwölf bis 24 Monatswerte, bei kurzen Bestellzyklen auch Wochenwerte. Der Rechenweg hat drei Schritte: Mittelwert der Periodennachfrage bilden, Standardabweichung über alle Perioden berechnen, beide Werte dividieren.
Drei konstruierte Beispiele mit je zwölf Monatswerten:
Beispielartikel 1 | Beispielartikel 2 | Beispielartikel 3 | |
|---|---|---|---|
Monatswerte | 100, 105, 95, 110, 98, 102, 97, 108, 103, 99, 101, 96 | 30, 40, 70, 140, 260, 320, 300, 210, 90, 45, 30, 25 | 0, 240, 0, 0, 60, 0, 0, 420, 0, 0, 30, 0 |
Mittelwert | 101,2 | 130,0 | 62,5 |
Standardabweichung | 4,5 | 108,0 | 126,4 |
Variationskoeffizient | 0,04 | 0,83 | 2,02 |
Klasse | X | Y | Z |
Beispielartikel 1 läuft über das ganze Jahr fast gleichmäßig und fällt klar in die X-Klasse. Beispielartikel 2 folgt einem Kalendereffekt mit ausgeprägtem Sommergipfel und landet mit 0,83 in Y, obwohl seine Schwankung strukturiert und damit gut modellierbar ist. Beispielartikel 3 wird nur in vier von zwölf Monaten abgerufen und ist mit 2,02 ein eindeutiger Z-Artikel; für eine solche Reihe kommen Verfahren für intermittierende Nachfrage in Betracht, nicht der Verzicht auf eine Prognose.
Zwei technische Punkte gehören dazu. Verwendet wurde die Standardabweichung über alle zwölf Perioden, nicht die Stichprobenvariante; bei zwölf Werten verschiebt das den Variationskoeffizienten je nach Streuung um wenige Hundertstel bis knapp ein Zehntel. Und der Variationskoeffizient ist bei einem Mittelwert von null nicht definiert, weil dann durch null geteilt würde. Artikel ohne jeden Bedarf in der Betrachtungsperiode werden deshalb nicht klassifiziert, sondern gesondert geführt und auf Auslistung geprüft.
ABC-XYZ-Matrix: neun Klassen richtig interpretieren
Wer beide Klassifikationen übereinanderlegt, erhält ein Raster aus neun Feldern. Jedes Feld beschreibt eine Kombination aus Wert und Schwankung. Was es nicht liefert, ist ein fertiges Verfahren je Feld: Welches Prognosemodell, welcher Sicherheitsbestand und welches Prüfintervall passen, hängt an Lieferzeit, Prognosefehler, Servicezielen und Lieferantenrestriktionen und nicht allein an der Matrixposition. Die Matrix ist deshalb als Raster von Prüffeldern zu lesen, das die Frage stellt, nicht die Antwort gibt.
Drei Felder zeigen das Prinzip besonders deutlich.
AX ist der Fall mit dem höchsten Schaden bei Fehlmenge und gleichzeitig der besten Datenlage. Weil die Reihe stabil ist, trägt hier eine Steuerung nach dem Ausnahmeprinzip: Der Bestellvorschlag wird laufend berechnet, und die Aufmerksamkeit des Disponenten geht an die Fälle, die aus definierten Grenzen laufen. Wie sich diese Grenzen sinnvoll setzen lassen, behandelt der Artikel zu Management by Exception in der Disposition.
Beim AZ-Artikel ist der Wert hoch und der Bedarf unregelmäßig. Das ist das Feld, in dem sich eine Ursachenanalyse pro Artikel am ehesten rechnet, denn hinter der Unregelmäßigkeit steht häufig ein einzelner Großkunde mit schwankendem Abrufverhalten. Ist das die Ursache, hilft eine Abrufabsprache mehr als jede Modelländerung. Bleibt die Nachfrage auch danach intermittierend, ist das ein Fall für die dafür entwickelten Prognoseverfahren und nicht automatisch für manuelle Disposition.
CZ führt zur Sortimentsfrage. Niedriger Wert, sporadischer Bedarf, und bei Artikeln mit begrenzter Restlaufzeit zusätzlich ein Abschriftenrisiko. Kommen Lieferantenrestriktionen wie eine hohe Mindestbestellmenge hinzu, verschärft sich die Rechnung, weil der Betrieb mehr Menge einkaufen muss als die sporadische Nachfrage abruft. Für viele CZ-Artikel ist die ehrlichste Entscheidung, sie nicht mehr zu bevorraten.
Vorteile und Nachteile der ABC-XYZ-Analyse
Der Nutzen ist konkret: Die Klassifikation ersetzt eine Gewohnheit durch eine dokumentierte Regel. Ohne sie verteilt sich die Dispositionszeit gleichmäßig über das Sortiment, und diese Gleichverteilung ist bei einer schiefen Wertverteilung immer falsch. Sie schafft außerdem eine gemeinsame Bezugsgröße zwischen Einkauf, Lager und Controlling, die sonst mit drei verschiedenen Vorstellungen davon arbeiten, welche Artikel wichtig sind. Sie ersetzt diese Sichten nicht, denn Marge, Volumen, Kritikalität und Kapitalbindung bleiben eigene Kriterien, aber sie gibt allen dieselbe Ausgangsliste.
Damit zu den Grenzen. Bei Sortimenten mit regelmäßigem Aktionsgeschäft ist die ABC-Analyse allein nicht nur unvollständig, sie führt in die Irre. Sie sortiert nach Wert, und der Wert eines Artikels sagt unter diesen Bedingungen mehr über die Aktionshistorie als über die Grundnachfrage. Ein Artikel, der wegen zweier Aktionen in die A-Klasse rutscht, bekommt Aufmerksamkeit für eine Nachfrage, die es ohne Aktion nicht gibt. Umgekehrt kann ein C-Artikel geschäftskritisch sein, wenn seine Fehlmenge eine Listung gefährdet. Der Wertanteil misst diesen Zusammenhang nicht.
Die XYZ-Dimension ergänzt eine zweite Sicht, ist aber selbst begrenzt. Der Variationskoeffizient beschreibt die Streuung, nicht ihre Ursache, und er trennt strukturierte Schwankung nicht von zufälliger. Ein Artikel mit ausgeprägter, aber gleichmäßig verlaufender Saison kann unter 0,5 liegen und wie eine konstante Reihe behandelt werden, obwohl er ein Saisonmodell braucht. Umgekehrt verleitet ein hoher Wert dazu, den Artikel für unplanbar zu erklären, statt das passende Verfahren zu suchen. Bei laufenden Neulistungen kommt hinzu, dass sich für Artikel ohne ausreichende Historie kein belastbarer Variationskoeffizient bilden lässt.
Beide Verfahren rechnen außerdem auf derselben Absatzhistorie, deren Qualität sie nicht prüfen. Fehlmengenperioden drücken den beobachteten Mittelwert und verzerren die Streuung. Weil der Mittelwert sinkt und sich Null- oder Niedrigabsatzperioden häufen, kann der Variationskoeffizient deutlich steigen; in welche Richtung sich die Klassifikation am Ende verschiebt, hängt vom Verlauf der gesamten Reihe ab. Aktionswochen ziehen die Reihe in die andere Richtung. Die Klassifikation reproduziert damit die Verzerrungen ihrer Datenbasis, und zwar in beiden Dimensionen gleichzeitig.
ABC-XYZ-Analyse in der Disposition anwenden
Die Matrix hat erst dann Wert, wenn die Datenbasis stimmt, die Klassifikation regelmäßig neu gerechnet wird und die Prüfintensität daran hängt.
Datenbasis bereinigen, bevor gerechnet wird
Markieren Sie vor der ersten Klassifikation die Fehlmengenperioden und Aktionszeiträume in der Historie. Eine Fehlmengenperiode darf nicht unbesehen als regulärer Bedarf in die Rechnung eingehen; behandeln Sie sie als fehlenden Wert oder ersetzen Sie sie geschätzt. Wichtig ist dabei, dass eine Fehlmenge nicht zwangsläufig eine Null in der Historie hinterlässt. Häufig bleibt ein niedriger Teilabsatz stehen, weil die Ware erst im Laufe der Periode ausgegangen ist, und genau diese Perioden sind schwerer zu erkennen als eine glatte Null. Aktionsmengen brauchen einen separaten Ausweis, damit die Grundnachfrage sichtbar bleibt. Wie diese Bereinigung methodisch abläuft, behandelt der Artikel zu Absatzprognose-Methoden im Mittelstand.
Dieser Schritt wird in der Praxis am häufigsten übersprungen, weil er unproduktiv wirkt. Er entscheidet aber darüber, ob die anschließende Klassifikation das Sortiment beschreibt oder die Störungen der letzten zwölf Monate.
In einem einheitlichen Rhythmus neu klassifizieren
Rechnen Sie die Klassifikation für das gesamte Sortiment in einem einheitlichen Rhythmus neu, etwa monatlich oder quartalsweise. Klassenweise Rhythmen klingen sparsam, funktionieren aber nicht: Um zu erkennen, dass ein bisheriger C-Artikel inzwischen ein A-Artikel ist, muss er mitgerechnet werden. Wer C-Artikel nur jährlich neu bewertet, erfährt den Klassenwechsel genau dann nicht, wenn er zählt.
Zusätzlich zum Turnus lohnen anlassbezogene Prüfungen. Eine Neulistung, eine Auslistung, ein neuer Großabnehmer und eine erkennbare Nachfrageverschiebung rechtfertigen jeweils einen Blick auf den betroffenen Sortimentsteil, ohne auf den nächsten Turnus zu warten.
Prüfintensität und Parameter an die Klasse binden
Nach der Neuberechnung differenziert sich die Arbeit, nicht die Rechnung. Die manuelle Prüfintensität, die Ausnahmegrenzen und die Parameterpflege richten sich nach der Klasse: A-Artikel bekommen engere Grenzen und häufigere Sichtung, C-Artikel laufen weitgehend regelbasiert. Das Fraunhofer-Institut für Materialfluss und Logistik (IML) führt Bestellrhythmus, Bestellmenge, Sicherheitsbestände, Meldebestände und Zielbestände als die Größen, die in der taktisch-operativen Planung festgelegt werden, mit robustem Service-Level-Management als Ziel. Genau diese Größen bekommen je Klasse unterschiedliche Werte.
Beim Sicherheitsbestand ist die XYZ-Klasse dabei nur eine Eingangsgröße unter mehreren. Wie hoch der Puffer ausfallen muss, hängt zusätzlich am absoluten Bedarf, an Lieferzeit und Lieferzeitschwankung, am Prognosefehler und an der gewählten Servicegraddefinition. Ein niedriger Variationskoeffizient macht einen hohen Servicegrad also tendenziell günstiger, aber nicht kostenlos, und ein hoher Servicegrad auf einer langen, unsicheren Lieferzeit bleibt auch bei stabiler Nachfrage teuer. Wie diese Größen zusammenspielen, behandelt der Artikel zum Sicherheitsbestand berechnen. Welche Dispositionsparameter am häufigsten falsch stehen, zeigt der Artikel zu den Dispositionsparametern im Bestellvorschlag.
Einsatzfelder im Bestandsmanagement über die Bestellmenge hinaus
Dieselben Klassen helfen an zwei weiteren Stellen, allerdings mit einer Einschränkung, die man kennen muss. Für die Bestandsgenauigkeit ist die Klasse ein guter Maßstab: Steht bei einem A-Artikel der Buchbestand falsch, rechnet der Bestellvorschlag mit einer falschen Ausgangsmenge und die Fehlmenge folgt innerhalb der Wiederbeschaffungszeit, während derselbe Fehler bei einem C-Artikel lange ohne Folge bleibt. Permanente unterjährige Bestandskontrollen lassen sich deshalb sinnvoll nach Klasse staffeln, A-Artikel häufiger als C-Artikel. Die handelsrechtlichen Inventurpflichten bleiben davon unberührt, eine gestaffelte Kontrolle ersetzt sie nicht.
Für die Lagerplatzvergabe taugt die wertbasierte ABC-Klasse dagegen nur eingeschränkt. Sie misst Wert, nicht Zugriffshäufigkeit, und ein teurer Langsamdreher kann A sein, obwohl er kaum kommissioniert wird. Wer Laufwege optimieren will, braucht eine eigene Klassifikation auf Basis von Pickzahlen, Auftragszeilen, Volumen und Handhabungsdaten. Die ABC-XYZ-Klasse ist dafür ein Ausgangspunkt und kein Ersatz.
Wie sich aus dieser Grundlage automatisierte Bestellvorschläge ergeben, behandelt der Artikel zu Bestellvorschlägen automatisieren.
Fazit
Die Reihenfolge entscheidet über den Nutzen. Solange die Absatzhistorie Fehlmengen als regulären Bedarf und Aktionen als Grundnachfrage führt, produziert jede Klassifikation ein verzerrtes Bild, und dann ist die Bereinigung der Daten die eigentliche Aufgabe. Ist die Historie belastbar, liefert die ABC-Klassifikation schnell eine begründete Prioritätenliste. Erst darauf lohnt der Variationskoeffizient, weil seine Aussage nur bei Artikeln wirkt, die überhaupt Aufmerksamkeit verdienen.
Und erst wenn beide Dimensionen vorliegen, ist die Frage nach dem Verfahren richtig gestellt. Sie lautet dann nicht mehr, ob ein Artikel planbar ist, sondern welches Verfahren zu seiner Nachfragestruktur passt und wie viel Prüfaufwand sein Wert rechtfertigt. Die Matrix beantwortet keine dieser beiden Fragen allein. Sie sorgt dafür, dass sie überhaupt gestellt werden, und das ist der Grund, warum die Klassifikation vor der Softwareauswahl kommt und nicht danach.
Weiterführende Quellen
FAQ
Was ist die ABC-XYZ-Analyse?
Die ABC-XYZ-Analyse kombiniert zwei Klassifikationen desselben Sortiments. Die ABC-Analyse ordnet Artikel nach ihrem Anteil am Gesamtwert in die Klassen A, B und C. Die XYZ-Analyse ordnet sie nach der relativen Schwankung ihrer Periodennachfrage in X, Y und Z. Übereinandergelegt ergeben beide ein Raster aus neun Feldern. Jedes Feld steht für eine Kombination aus wirtschaftlichem Gewicht und Schwankungsgrad und zeigt, welche Planungsentscheidung bei diesem Artikel zu prüfen ist.
Wie berechnet man die ABC-Analyse?
In vier Schritten. Erstens den Jahreswert je Artikel bilden, also Absatzmenge multipliziert mit dem Preis. Zweitens die Artikel absteigend nach diesem Wert sortieren. Drittens den kumulierten Wertanteil berechnen, den laufend aufaddierten Prozentwert vom Gesamtwert. Viertens die Klassengrenzen am kumulierten Wert anlegen, als Orientierungswerte A bis etwa 80 Prozent, B bis etwa 95 Prozent, C der Rest. Wichtig ist die Wahl der Wertgröße: Nettoumsatz, Einstandswert und Deckungsbeitrag führen zu unterschiedlichen Klassen, und die historische Menge mit dem heutigen Preis zu multiplizieren verzerrt das Ergebnis bei Preisänderungen.
Wie berechnet man den Variationskoeffizienten?
Der Variationskoeffizient ist die Standardabweichung der Periodennachfrage geteilt durch deren Mittelwert. Benötigt werden die Absatzmengen je Periode, üblich sind zwölf bis 24 Monatswerte. Beispiel: Zwölf Monatswerte mit einem Mittelwert von 130 Stück und einer Standardabweichung von 108 Stück ergeben 0,83, also die Y-Klasse. Als Orientierungswerte gelten X unter 0,5, Y zwischen 0,5 und 1,0 und Z ab 1,0. Bei einem Mittelwert von null ist der Variationskoeffizient nicht definiert; solche Artikel werden gesondert geführt.
Was ist der Unterschied zwischen ABC-Analyse und XYZ-Analyse?
Die ABC-Analyse misst den wirtschaftlichen Wert eines Artikels, die XYZ-Analyse die relative Schwankung seiner Nachfrage. Beide nutzen dieselbe Absatzhistorie unterschiedlich: Die ABC-Analyse verdichtet sie zum Jahreswert, die XYZ-Analyse betrachtet die Verteilung über die einzelnen Perioden. Die Ergebnisse sind unabhängig voneinander, ein Artikel kann wertstark und stark schwankend sein oder wertschwach und stabil.
Bedeutet ein Z-Artikel, dass er nicht prognostizierbar ist?
Nein. Der Variationskoeffizient misst, wie stark eine Reihe streut, nicht warum. Er unterscheidet nicht zwischen Saison, Aktionswirkung, sporadischem Bedarf und Zufall, und zwei Artikel mit demselben Wert können sich in ihrer Prognostizierbarkeit deutlich unterscheiden. Für unregelmäßige, intermittierende Nachfrage gibt es eine eigene Verfahrensfamilie, und saisonale Schwankung ist strukturiert und mit einem passenden Modell gut planbar. Die Z-Klasse ist deshalb ein Hinweis, das Prognoseverfahren zu prüfen, und kein Beleg für Unplanbarkeit.
Welche Vor- und Nachteile hat die ABC-XYZ-Analyse?
Der Vorteil: Sie ersetzt die gleichmäßige Verteilung der Dispositionszeit durch eine dokumentierte Regel und schafft eine gemeinsame Bezugsgröße für Einkauf, Lager und Controlling. Die Nachteile liegen in der Datenbasis und in der Aussagegrenze der Kennzahlen. Bei regelmäßigem Aktionsgeschäft sagt der Wertanteil mehr über die Aktionshistorie als über die Grundnachfrage, und ein C-Artikel kann geschäftskritisch sein, wenn seine Fehlmenge eine Listung gefährdet. Der Variationskoeffizient trennt strukturierte Schwankung nicht von zufälliger. Beide Verfahren übernehmen außerdem die Verzerrungen ihrer Datenbasis, wenn Fehlmengen und Aktionen nicht bereinigt wurden.
Wie oft sollte die ABC-XYZ-Klassifikation aktualisiert werden?
Für das gesamte Sortiment in einem einheitlichen Rhythmus, etwa monatlich oder quartalsweise. Klassenweise Rhythmen sind zirkulär: Ein Klassenwechsel von C nach A fällt nur auf, wenn der Artikel mitgerechnet wird. Unterschiedlich sein darf danach die manuelle Prüfintensität, nicht die Neuberechnung. Zusätzlich lohnen anlassbezogene Prüfungen bei Neulistungen, Auslistungen, einem neuen Großabnehmer oder einer erkennbaren Nachfrageverschiebung.
