Blogartikel
Bestellvorschläge automatisieren: Wann der Schritt lohnt und wann nicht
Die Frage ist selten, ob man Bestellvorschläge automatisieren will, sondern ob die Voraussetzungen stimmen. Wer zu früh automatisiert, skaliert seine Planungsfehler mit. Wer zu lang wartet, zahlt weiter die Kosten manueller Disposition: gebundene Personalzeit, höhere Override-Raten, mehr Out-of-Stocks. Dieser Artikel liefert vier konkrete Kriterien, mit denen SCM-Leiter und Einkaufsleiter die eigene Readiness einschätzen können, ohne Pauschalurteil für oder gegen Automatisierung.
Bestellvorschläge zu automatisieren ist im FMCG-Mittelstand kein Zukunftsthema mehr. Die BVL-Trendstudie 2025/26 zeigt, dass Automatisierung und KI zu den am stärksten wachsenden Investitionsfeldern der Branche zählen. Trotzdem stellen sich SCM-Leiter und Einkaufsleiter regelmäßig dieselbe Frage: Sind wir bereit dafür? Die Antwort ist selten ein klares Ja oder Nein. Sie liegt in vier konkreten Kriterien, die jeder Betrieb selbst prüfen kann: dem manuellen Aufwand, der Datenbasis, dem Pflegezustand der Parameter und der Override-Rate. Wer einen Bestellvorschlag automatisieren will, ohne diese Kriterien zu klären, verstärkt die Probleme, die er lösen wollte. Wer sie ehrlich beantwortet, weiß, ob der Zeitpunkt stimmt oder welche Vorarbeit zuerst nötig ist.
Vier Signale, die zeigen: automatische Bestellvorschläge lohnen sich jetzt
Ein automatischer Bestellvorschlag ist eine systemseitig berechnete Empfehlung für Zeitpunkt und Menge einer Bestellung. Der Disponent prüft und gibt frei, statt von Grund auf zu berechnen. Vom vollautomatischen Bestellen unterscheidet er sich darin, dass die Freigabe beim Menschen bleibt. Automatisierung lohnt sich nicht pauschal, sondern dann, wenn drei konkrete Bedingungen erfüllt sind. Jede davon ist messbar.
Signal 1: manueller Aufwand übersteigt die Entscheidungsarbeit
Der erste Indikator ist der Zeitaufwand, den die manuelle Disposition heute bindet. Als Orientierungswert, kein Benchmark: Wenn ein Disponent mehr als 15 Stunden pro Woche für Bestellplanung aufwendet, ist das ein strukturelles Signal, nicht nur eine Auslastungsfrage. Entscheidend ist allerdings nicht die Stundenzahl allein, sondern ihre Zusammensetzung.
Pflegearbeit umfasst das Übertragen von Daten zwischen Systemen, das Aktualisieren von Formeln, das Ausrechnen von Bestellmengen, das Korrigieren von Parametern. Entscheidungsarbeit umfasst die fachliche Bewertung: Welcher Lieferant ist gerade verlässlich? Welche Aktion läuft tatsächlich an? Welche lokale Information muss eingerechnet werden? Wenn der Großteil der Stunden in Pflegearbeit fließt, befreit Automatisierung Kapazität für die Entscheidungsarbeit, die wertschöpfend ist. Diese verlagerte Zeit ist der eigentliche ROI-Treiber, nicht die Stundenreduktion an sich. Wie sich das Skalierungsproblem konkret im Großhandel zeigt, behandelt der Artikel zur Disposition-Skalierung im GFGH.
Die Prüffrage: Wie viele Stunden pro Woche verbringt Ihr Disponent mit Berechnung, und wie viele mit fachlicher Entscheidung?
Signal 2: Sortimentskomplexität übersteigt die manuelle Planbarkeit
Ab einer bestimmten Sortimentsgröße ist die manuelle Parameterpflege auf Artikelebene nicht mehr vollständig leistbar. Als Orientierungswert, kein Studiendatum: Etwa ab 2.000 aktiven Artikeln mit saisonaler Variabilität wird die strukturelle Lücke sichtbar. Die exakte Schwelle hängt von Saisonalität, Lieferantenstruktur und Personalkapazität ab und muss unternehmensspezifisch gesetzt werden.
Die Konsequenz ohne Automatisierung ist nicht ein einzelner schlechter Bestellvorschlag, sondern ein systematischer Effekt. Die wichtigsten 100 bis 200 Artikel werden aktiv gepflegt, der Rest läuft auf Parametern, die seit der ERP-Einführung nicht angefasst wurden. Die Prognosequalität sinkt in der Breite des Sortiments, ohne dass eine einzelne sichtbare Ursache identifizierbar wäre. Automatisierung übernimmt in diesem Fall die Parametrisierung, nicht die fachliche Entscheidung. Wie Parameterdrift im Detail entsteht und wo er sich zeigt, behandelt der Artikel zu Dispositionsparametern.
Die Prüffrage: Für wie viele Ihrer aktiven Artikel wurden Dispositionsparameter in den letzten zwölf Monaten nicht aktualisiert?
Signal 3: Override-Rate liegt unter 30 Prozent
Die Override-Rate bezeichnet den prozentualen Anteil der Bestellvorschläge, den der Disponent manuell verändert. Sie ist das ehrlichste Diagnosewerkzeug für die Qualität der aktuellen Berechnungsgrundlage. Liegt sie als Orientierungsschwelle unter 30 Prozent, liegt das System öfter richtig als falsch, und Automatisierung erhöht die Effizienz ohne Qualitätsverlust.
Damit verändert sich auch die Rolle des Disponenten. Statt jeden Vorschlag zu prüfen, fokussiert er sich auf die 20 bis 30 Prozent Ausnahmen, die manuelle Aufmerksamkeit brauchen. Dieses Prinzip heißt Management by Exception (MbE) und ist das organisatorische Gegenstück zur technischen Automatisierung: Standardfälle laufen automatisch, der Mensch entscheidet dort, wo es einen Unterschied macht. Wie sich entscheidet, wann man einem Bestellvorschlag vertrauen sollte und wann nicht, behandelt der Artikel zum Umgang mit Bestellvorschlägen.
Die Prüffrage: Wie hoch ist Ihre durchschnittliche Override-Rate der letzten vier Wochen, und wissen Sie, warum die geänderten Vorschläge geändert wurden?
Drei Signale, die zeigen: jetzt ist der falsche Zeitpunkt
Automatisierung verstärkt, was vorhanden ist, Stärken wie Schwächen. Wer automatisiert, bevor die Grundlagen stimmen, skaliert seine Planungsfehler in höherer Geschwindigkeit. Drei Situationen zeigen, in denen der Schritt verfrüht ist.
Warnsignal 1: Absatzhistorie ist lückenhaft oder unbereinigt
Wenn Stockouts in der Absatzhistorie nicht als solche erfasst sind, Promotionszeiträume nicht gekennzeichnet wurden und Strukturbrüche wie ein ERP-Wechsel nicht dokumentiert sind, lernt jedes automatische System aus verzerrten Daten. Garbage in, garbage out gilt für die automatische Disposition genauso wie für jede andere datengetriebene Methode, nur in höherem Volumen.
Konkret heißt das: Ein Artikel, der über ein Wochenende ausverkauft war, erscheint im ERP mit Nullnachfrage, obwohl der Bedarf da war. Eine Aktion, die den Absatz für zwei Wochen verdreifacht hat, läuft als regulärer Verbrauch in die Berechnungsbasis ein. Beides verzerrt die Prognose nach unten oder oben, und Automatisierung verstärkt diesen Effekt, weil sie das Muster in der Breite des Sortiments anwendet. Was zuerst getan werden muss, ist eindeutig: Stockouts markieren, Aktionen kennzeichnen, ERP-Wechsel-Brüche identifizieren. Erst dann lohnt der nächste Schritt. Welche Methoden auf einer bereinigten Datenbasis funktionieren, behandelt der Artikel zu Absatzprognose-Methoden im Mittelstand.
Die Prüffrage: Sind Out-of-Stock-Perioden und Promotionszeiträume in Ihrer Absatzhistorie der letzten 24 Monate systematisch gekennzeichnet?
Warnsignal 2: Dispositionsparameter sind veraltet
Wenn Sicherheitsbestand, Wiederbeschaffungszeit und Mindestbestellmenge der wichtigsten Artikel seit der ERP-Einführung nicht aktualisiert wurden, reproduziert Automatisierung veraltete Planungslogik mit höherer Geschwindigkeit. Das ist die teuerste Form der Effizienzsteigerung: schneller die falschen Mengen bestellen.
Die operative Konsequenz ist meist asymmetrisch verteilt. Eine veraltete Mindestbestellmenge erzeugt systematische Überbestellung. Eine veraltete Wiederbeschaffungszeit nach Lieferantenwechsel erzeugt systematische Unterdeckung. Beides fällt in der manuellen Disposition zwar auf, weil der Disponent intuitiv korrigiert, aber genau diese Korrektur ist die Pflegearbeit, die Automatisierung eigentlich ersetzen soll. Wenn die Parameter nicht stimmen, ersetzt Automatisierung Pflegearbeit durch Fehlerproduktion. Wie eine differenzierte Sicherheitsbestandsberechnung das Risiko reduziert, behandelt der Artikel zur Sicherheitsbestandsberechnung.
Die Prüffrage: Entsprechen die Wiederbeschaffungszeiten und Mindestbestellmengen Ihrer 20 wichtigsten Artikel den aktuellen Lieferantenkonditionen?
Warnsignal 3: Override-Rate liegt über 60 Prozent
Eine Override-Rate jenseits von 60 Prozent (als Orientierungsschwelle, kein Benchmark) ist kein Zeichen fehlenden Vertrauens des Disponenten in das System. Sie ist ein Diagnosesignal, dass die Berechnungsgrundlage nicht stimmt. Wenn das System öfter falsch liegt als richtig, erzeugt Automatisierung mehr Arbeit, nicht weniger, weil mehr Vorschläge korrigiert werden müssen als ohne sie.
Die richtige Reaktion ist nicht, die Automatisierung trotzdem einzuführen und auf Lerneffekte zu hoffen. Die richtige Reaktion ist, die Ursache der Override-Rate zu analysieren. Sind die Daten lückenhaft? Sind die Parameter veraltet? Bringt der Disponent regelmäßig Kontextwissen ein, das das System strukturell nicht haben kann, etwa laufende Lieferantenverhandlungen oder spezifische Kundenwünsche? Erst wenn die Override-Rate auf ein vertretbares Maß sinkt, lohnt die Automatisierung. Sie ist nicht der Treiber der Qualität, sondern ihr Multiplikator.
Die Prüffrage: Wissen Sie, warum Ihr Disponent Bestellvorschläge verändert, und ob die geänderten Mengen tatsächlich besser waren?
Bereit für automatische Bestellvorschläge? Vier Fragen für die eigene Einschätzung
Die Entscheidung ist keine Investitionsfrage, sondern eine Reifefrage. Wer sie als Investitionsfrage behandelt, automatisiert auf Verdacht und bezahlt den Preis im laufenden Betrieb. Wer sie als Reifefrage behandelt, hat eine belastbare Grundlage und kann die nächsten Schritte priorisieren.
Die vier Readiness-Fragen
Vier Fragen helfen, den richtigen Zeitpunkt zu identifizieren. Erste Frage: Werden mehr als 15 Stunden pro Woche für manuelle Disposition aufgewendet, und steigt der Aufwand mit dem Volumen weiter? Wenn Ja, ist Pflegearbeit das strukturelle Problem, das Automatisierung adressieren kann. Zweite Frage: Liegen mindestens 24 Monate bereinigte Absatzhistorie für A- und B-Artikel vor, mit gekennzeichneten Stockouts und Promotionszeiträumen? Diese Frage ist die wichtigste, weil sie über die Qualität jedes weiteren Schritts entscheidet.
Dritte Frage: Wurden die Dispositionsparameter der 20 umsatzstärksten Artikel in den letzten zwölf Monaten geprüft und bei Bedarf aktualisiert? Vierte Frage: Liegt die durchschnittliche Override-Rate unter 40 Prozent? Dieser Wert ist als praxistauglicher Schwellenwert zu verstehen, der Spielraum zwischen den 30-Prozent-Idealfall und der 60-Prozent-Warngrenze lässt.
Die Auswertung ist einfach: Werden alle vier Fragen mit Ja beantwortet, ist der Zeitpunkt richtig. Werden zwei oder mehr mit Nein beantwortet, sind die offenen Punkte vor der Automatisierung zu schließen. Eine einzelne Lücke kann tolerierbar sein, mehrere Lücken sind ein Signal, dass die Reihenfolge falsch wäre. Die Fraunhofer-IML-Forschung zur dynamischen Bestandsdisposition beschreibt diese gestaffelte Voraussetzungsprüfung als Kern einer belastbaren Automatisierungsentscheidung.
Was der erste Schritt ist, wenn die Readiness noch nicht vollständig ist
Die Antwort ist weder, alle Voraussetzungen perfekt zu erfüllen, noch die Automatisierung trotzdem zu starten. Sie liegt in einer klaren Priorisierungslogik: Datenbasis vor Parametern, Parameter vor System. Wer in dieser Reihenfolge vorgeht, hat bei jedem Schritt eine belastbare Grundlage für den nächsten.
Konkret bedeutet das: Zuerst werden Stockouts und Promotions in der Absatzhistorie der letzten 24 Monate gekennzeichnet. Diese Arbeit ist unglamourös, aber sie wirkt für jede nachfolgende Methode und jede spätere Systemerweiterung. Im zweiten Schritt werden die Parameter der A-Artikel auf Aktualität geprüft, beginnend mit Wiederbeschaffungszeit und Mindestbestellmenge bei den umsatzstärksten 50 bis 100 Positionen. Im dritten Schritt wird die Override-Rate gemessen und nach Ursachen segmentiert. Erst danach lohnt die Systemerweiterung. Wie sich diese Reihenfolge in die übergeordnete Digitalisierungsstrategie einbettet, behandelt der Artikel zur Digitalisierung im Großhandel.
Was Automatisierung leistet, und was sie nicht leistet
Eine ehrliche Einordnung verhindert spätere Enttäuschung. Automatisierung kann Pflegearbeit abnehmen, Skalierung im Sortiment ermöglichen, Parametrisierung aktuell halten und die Dispositionsqualität in der Breite stabilisieren. Sie nimmt dem Disponenten die wiederkehrenden Berechnungsschritte ab und schafft Kapazität für die Entscheidungsarbeit, die nur ein Mensch leisten kann.
Was Automatisierung nicht leistet, ist genauso wichtig. Sie ersetzt kein Kontextwissen, etwa laufende Lieferantenverhandlungen, kurzfristige Kundenwünsche oder nicht gebuchte Retouren. Sie heilt keine schlechte Datenbasis, sie verstärkt sie. Sie aktualisiert keine veralteten Parameter, sie wendet sie nur konsequenter an. Management by Exception als Leitprinzip beschreibt diese Arbeitsteilung präzise: Das System übernimmt die Standardfälle, der Disponent entscheidet dort, wo eine Abweichung vorliegt und sein fachliches Urteil den Unterschied macht. Die BCG-Studie Supply Chain Planning 2026 betont, dass diese Trennung der Rollen der zentrale Hebel jeder funktionierenden Automatisierung ist. Welche Systemkategorie für die Automatisierung in Frage kommt, behandelt der Artikel zum Vergleich KI-SCM-Software und ERP-Planungsmodul.
Automatisierung ist kein Risiko, wenn die Voraussetzungen stimmen
Bestellvorschläge zu automatisieren ist weder ein zwingender Schritt noch ein gefährlicher. Es ist die richtige Entscheidung, wenn die Voraussetzungen erfüllt sind, und die falsche, wenn sie es nicht sind. Der Unterschied liegt nicht im System, sondern in der eigenen Reife.
Drei Sofortschritte lohnen sich, unabhängig von einer späteren Systementscheidung. Erstens die Override-Rate der letzten vier Wochen messen, als erste Diagnose der heutigen Systemqualität. Zweitens die Dispositionsparameter der zehn umsatzstärksten Artikel auf Aktualität prüfen, beginnend mit Wiederbeschaffungszeit und Mindestbestellmenge. Drittens die Absatzhistorie der letzten 24 Monate auf Stockouts und Promotions prüfen, als Datenbasis-Check vor jeder Systemerweiterung.
Wer die vier Readiness-Fragen mit Ja beantwortet, hat eine belastbare Grundlage für die Automatisierungsentscheidung. Wer noch nicht dort ist, kennt jetzt die Reihenfolge der nächsten Schritte. Das ist mehr wert als jede Investitionsentscheidung auf Verdacht.
Weiterführende Quellen
Fraunhofer IML: Dynamische Bestandsdisposition und robustes Service-Level-Management
BVL (2025): Trends und Strategien in Logistik und Supply Chain Management 2025/26
BCG (2026): Supply Chain Planning 2026: Why AI Alone Isn't Enough
FAQ
Was ist ein automatischer Bestellvorschlag, und was unterscheidet ihn von einer vollautomatischen Bestellung?
Ein automatischer Bestellvorschlag ist eine systemseitig berechnete Empfehlung für Zeitpunkt und Menge einer Bestellung. Das System nutzt Prognose, Lagerbestand und hinterlegte Dispositionsparameter, um den Vorschlag zu berechnen. Die Freigabe bleibt beim Disponenten, der prüft und gegebenenfalls korrigiert. Eine vollautomatische Bestellung dagegen löst ohne menschliches Zutun aus. Für die meisten Mittelstandsbetriebe ist der automatische Bestellvorschlag der praxisrelevante Schritt, weil er Effizienz schafft, ohne das fachliche Urteil aus dem Prozess zu nehmen.
Was ist die Override-Rate, und was sagt sie über die Systemqualität aus?
Die Override-Rate ist der prozentuale Anteil der Bestellvorschläge, den der Disponent manuell verändert. Sie ist ein Diagnosewerkzeug für die Berechnungsgrundlage des Systems. Eine niedrige Override-Rate unter 30 Prozent zeigt, dass das System öfter richtig liegt als falsch. Eine hohe Rate über 60 Prozent zeigt, dass die Berechnungsgrundlage nicht stimmt, etwa wegen veralteter Parameter, lückenhafter Daten oder fehlendem Kontextwissen. Die Override-Rate ist keine Bewertung des Disponenten, sondern eine Diagnose der Daten- und Parameterqualität.
Was ist Management by Exception, und wie verändert es die Rolle des Disponenten?
Management by Exception (MbE) ist ein Steuerungsprinzip, bei dem der Disponent nur bei definierten Abweichungen eingreift. Standardfälle laufen automatisch, Ausnahmen werden manuell entschieden. In der automatisierten Disposition heißt das: Das System übernimmt die wiederkehrenden Berechnungen, der Disponent fokussiert sich auf die 20 bis 30 Prozent Bestellvorschläge, die Aufmerksamkeit brauchen. Die Rolle des Disponenten verschiebt sich von Pflegearbeit zu Entscheidungsarbeit, von Berechnung zu Beurteilung. Sie wird damit nicht überflüssig, sondern fachlich anspruchsvoller.
Ab wie vielen SKUs lohnt sich die Automatisierung von Bestellvorschlägen?
Es gibt keine universelle Schwelle. Als Orientierungswert wird die manuelle Parameterpflege auf Artikelebene etwa ab 2.000 aktiven Artikeln mit saisonaler Variabilität strukturell schwierig. Die exakte Schwelle hängt aber von Sortimentskomplexität, Saisonalität, Lieferantenstruktur und Personalkapazität ab. Wichtiger als die reine SKU-Zahl ist die Frage, ob die manuelle Pflege noch alle relevanten Artikel erreicht oder ob die Masse auf veralteten Parametern läuft. Letzteres ist das strukturelle Signal für Automatisierungsbedarf, nicht die Zahl der Artikel allein.
Was muss ich klären, bevor ich mit der Automatisierung beginne?
Vier Punkte: Erstens die Datenbasis. Sind Stockouts und Promotions in der Absatzhistorie der letzten 24 Monate gekennzeichnet? Zweitens die Parameter. Sind Sicherheitsbestand, Wiederbeschaffungszeit und Mindestbestellmenge der A-Artikel aktuell? Drittens die Override-Rate. Liegt sie unter 40 Prozent und sind die Ursachen der Korrekturen verstanden? Viertens die Rolle des Disponenten. Ist klar, wie sich seine Arbeit verändern soll und welche Ausnahmen weiterhin manuell entschieden werden? Wer alle vier Punkte geklärt hat, automatisiert auf belastbarer Grundlage statt auf Verdacht.
Was kostet es, zu lange mit der Automatisierung zu warten?
Die Opportunitätskosten manueller Disposition sind real, auch wenn sie selten direkt ausgewiesen werden. Sie umfassen die Personalstunden, die der Disponent für Berechnung statt Entscheidung aufwendet, die Fehler, die durch veraltete Parameter in der Breite des Sortiments entstehen, und die Out-of-Stock- und Überbestandskosten, die durch unzureichende Pflege der nicht-kritischen Artikel auflaufen. Diese Kosten sind häufig schwer zu beziffern, weil sie über Reporting-Kategorien verteilt liegen. Eine grobe Bestandsaufnahme der Stunden und der Bestandsverzerrung der letzten zwölf Monate ist meist ausreichend, um die Größenordnung sichtbar zu machen.
