Blogartikel
Demand Planning im Mittelstand: Was es ist, was es bringt und wie der Einstieg gelingt
„Demand Planning" klingt nach Großkonzern-Methodik, nach eigener Planungsabteilung, teurer Software und monatelangen Einführungsprojekten. Für den Mittelstand stimmt das nicht. Demand Planning ist eine Planungsphilosophie, die mit vorhandenen Ressourcen beginnt: strukturierte Prognose statt Bauchgefühl, abgestimmte Annahmen statt isolierter Schätzungen, gemessene Qualität statt unbemerkter Fehler. Dieser Artikel erklärt, was Demand Planning vom klassischen Bestellwesen unterscheidet und wo der realistische Einstieg für Betriebe mit 1.000 bis 10.000 SKUs liegt.
Die meisten Mittelstandsbetriebe planen Absatz und Bedarf, aber wenige tun es strukturiert genug, um systematisch von der Prognose zur Bestellung zu kommen. Die BVL-Trendstudie 2025/26 und die PWC Digital Supply Chain Survey 2025 zeigen beide das gleiche Muster: Im Mittelstand dominiert die manuelle, erfahrungsbasierte Planung, während Digitalisierung und Künstliche Intelligenz als zentrale Investitionsfelder gelten. Demand Planning ist kein Softwareprodukt und keine Konzerndisziplin. Es ist ein strukturierter Planungsprozess, der in jedem Betrieb in einer angemessenen Reifestufe beginnen kann. Dieser Artikel grenzt den Begriff ab, beschreibt vier Reifestufen und zeigt, wie der Einstieg im Mittelstand konkret aussieht.
Was Demand Planning von klassischer Bestandsplanung unterscheidet, und warum der Unterschied praktisch relevant ist
Klassische Bestandsplanung ist reaktiv: Sie antwortet auf aktuelle Lagerbestände und historische Nachfrage. Demand Planning ist proaktiv: Es fragt zuerst nach der erwarteten Nachfrage und leitet daraus Bestell- und Bestandsentscheidungen ab. Dieser konzeptionelle Unterschied hat drei konkrete Konsequenzen für den Planungsalltag.
Planung beginnt bei der Nachfrage, nicht beim Lager
Im klassischen Bestellwesen löst der Lagerbestand die Bestellung aus. Sobald ein Artikel unter den Meldebestand fällt, wird nachbestellt. Der Disponent reagiert auf den Lagerstand. Im Demand Planning kehrt sich die Logik um. Die erste Frage lautet, welche Nachfrage in den nächsten vier bis acht Wochen zu erwarten ist. Aus dieser Erwartung leitet sich die Bestellmenge ab, der Lagerbestand ist Folge der Entscheidung, nicht ihr Auslöser.
Der Unterschied wird im Alltag schnell sichtbar. Beim reaktiven Ansatz kommt der Disponent dem Bestand hinterher, beim Demand-Planning-Ansatz bereitet er ihn vor. Genau hier hilft eine saubere Abgrenzung dreier oft verwechselter Begriffe: Demand Planning ist der strukturierte Prozess zur Vorausschätzung der Kundennachfrage, der historische Daten, Marktinformationen und qualitative Einschätzungen zusammenführt. Eine Absatzprognose (Forecast) ist die datenbasierte Vorhersage der Verkaufsmengen auf Artikelebene, also ein Werkzeug innerhalb des Demand-Planning-Prozesses. Eine Absatzplanung ist dagegen zielorientiert und oft aus Umsatzzielen abgeleitet. Demand Planning ist der Rahmen, in dem die anderen beiden ihren Platz haben.
Die Prüffrage: Starten Ihre Bestellentscheidungen heute mit der Frage „Was wird in den nächsten Wochen nachgefragt?" oder mit der Frage „Was ist gerade knapp?"
Planungsannahmen werden explizit gemacht, nicht implizit getroffen
Im reaktiven Bestellwesen stecken Annahmen über Saisonalität, Trends und Aktionen im Kopf des Disponenten, nicht im System. Wer den Artikel kennt, weiß, dass die Nachfrage im Juli auf das Doppelte steigt, dass die Aktion im Oktober den Absatz für zwei Wochen verzerrt, dass ein bestimmter Großkunde unregelmäßig größere Mengen abruft. Solange dieselbe Person plant, funktioniert das. Sobald sie ausfällt, fehlt das Wissen.
Im Demand Planning werden diese Annahmen explizit dokumentiert. Welche saisonalen Effekte werden erwartet? Welche Aktionen sind geplant? Welche externen Faktoren beeinflussen die Nachfrage? Die Dokumentation klingt nach Mehraufwand, ist aber die Voraussetzung dafür, dass Annahmen überprüft, geteilt und verbessert werden können. Sie gehen nicht mehr verloren, wenn der Disponent ausfällt, und sie sind angreifbar, wenn sie sich als falsch erweisen. Welche Prognosemethoden auf diesen Annahmen sinnvoll aufsetzen, behandelt der Artikel zu Absatzprognose-Methoden im Mittelstand.
Prognosequalität wird gemessen und systematisch verbessert
Im reaktiven Bestellwesen wird die Prognosequalität selten systematisch gemessen. Fehler werden bemerkt, wenn ein Überbestand abgeschrieben werden muss oder ein wichtiger Kunde wegen Out-of-Stock reklamiert. Das ist spät, oft zu spät. Im Demand Planning wird die Qualität laufend gemessen, meist über den Mean Absolute Percentage Error (MAPE), der die mittlere prozentuale Abweichung zwischen Prognose und tatsächlichem Absatz beziffert. Der Wert ist ein Frühindikator, kein Schadensprotokoll.
Ein zweites Konzept ergänzt MAPE: Forecast Value Added (FVA) misst, ob ein einzelner Planungsschritt die Prognose tatsächlich verbessert. Der Vergleichspunkt ist die Naive Forecast, die einfachste Methode überhaupt, bei der schlicht der letzte bekannte Wert als Prognose verwendet wird. Wenn eine aufwendigere Methode oder eine manuelle Korrektur die Prognose gegenüber der Naive Forecast nicht messbar verbessert, ist sie Aufwand ohne Mehrwert. FVA ist damit die ehrlichste Frage, die ein Demand-Planning-Prozess sich stellen kann: Wo lohnt sich die Mühe und wo nicht?
Die Prüffrage: Wissen Sie heute, wie hoch Ihr durchschnittlicher Prognosefehler der letzten zwölf Monate für Ihre A-Artikel war?
Warum Demand Planning im Mittelstand oft scheitert, und welche Fehler den Einstieg verhindern
Demand Planning scheitert im Mittelstand selten an fehlenden Ressourcen. Es scheitert meistens an drei Missverständnissen, die den Einstieg von Anfang an in die falsche Richtung lenken. Wer sie kennt, kann sie umgehen.
Missverständnis 1: Demand Planning erfordert ein neues System
Die häufigste Hürde ist die Gleichsetzung von Demand Planning mit einer neuen Planungssoftware. Sobald die Einführung als IT-Projekt verstanden wird, dauert sie Monate, bindet Budget und konkurriert mit anderen Digitalisierungsvorhaben. Das Ergebnis ist häufig, dass nichts geschieht, weil keine Software den Anforderungen vollständig genügt oder der Beschaffungsprozess sich hinzieht.
Was tatsächlich stimmt: Demand Planning beginnt als Prozess, nicht als Software. Die ersten beiden Reifestufen, die der nächste Abschnitt beschreibt, sind mit Excel und einem gut gepflegten ERP-Planungsmodul erreichbar, wenn die Methodik stimmt. Wer auf die richtige Software wartet, bevor er Demand Planning einführt, wartet auf das falsche Signal. Die BCG-Studie Supply Chain Planning 2026 betont entsprechend, dass Prozessreife der Werkzeugauswahl vorausgehen muss, nicht umgekehrt.
Missverständnis 2: Demand Planning ist eine Einzelaufgabe, nicht ein Prozess
Ein häufiges Muster im Mittelstand: Ein Disponent erstellt eine Absatzprognose in Excel und nennt das Demand Planning. Was fehlt, ist die Einbettung in einen Prozess mit definierten Inputs, definierten Outputs und festen Überprüfungsrhythmen. Eine Prognose von einer einzigen Person, ohne Abstimmung mit Vertrieb und Einkauf, bleibt eine Schätzung, auch wenn sie aufwendig berechnet ist.
Demand Planning funktioniert kollaborativ. Der Vertrieb liefert Markteinschätzungen und kennt geplante Promotions, der Einkauf kennt Lieferzeitveränderungen und Engpassrisiken, die Disposition bringt die historischen Daten und die Methodenkompetenz mit. Aus diesen drei Inputs entsteht eine abgestimmte Prognose, die als Konsensplanung bezeichnet wird, also als gemeinsam getragene Erwartung, auf der alle weiteren Entscheidungen aufbauen. Die Rolle, die diesen Prozess verantwortet, heißt Demand Planner. Im Mittelstand ist das selten eine eigenständige Stelle, sondern eine Funktion, die der Einkaufsleiter oder SCM-Leiter in Personalunion mit anderen Aufgaben ausübt.
Missverständnis 3: Mehr Methode löst das Datenproblem
Der dritte Fehler ist methodischer Übereifer beim Einstieg. Eine Holt-Winters-Prognose auf einer Absatzhistorie mit unmarkierten Stockouts und unbereinigten Promotions ist schlechter als ein gleitender Durchschnitt auf sauberen Daten. Garbage in, garbage out gilt in der Prognose wie überall sonst. Wer die Methode wechselt, ohne die Datenbasis zu prüfen, verschiebt das Problem nur auf eine komplexere Ebene.
Die Reihenfolge ist umgekehrt: zuerst die Datenbasis bereinigen, dann die Methode skalieren, mit wachsender Datenreife. Stockout-Perioden müssen als solche markiert sein, Promotionszeiträume kennzeichenbar, Strukturbrüche dokumentiert. Diese Vorarbeit ist unglamourös, aber sie ist die Voraussetzung dafür, dass jede spätere Methode überhaupt funktionieren kann. Wer einen schnellen ersten ROI sucht, beginnt mit den Daten, nicht mit den Algorithmen. Wie diese Reihenfolge im weiteren Digitalisierungsweg eingebettet ist, behandelt der Artikel zur Digitalisierung im Großhandel.
Demand Planning einführen im Mittelstand: vier Reifestufen und wo der realistische Einstieg liegt
Demand Planning ist kein Zustand, den man erreicht, sondern ein Reifegrad, den man schrittweise entwickelt. Vier Stufen beschreiben, wo ein Betrieb heute stehen kann und was der nächste sinnvolle Schritt ist. Keine Stufe ist pauschal besser oder schlechter, jede passt zu einem bestimmten Kontext.
Reifestufen verstehen: Wo stehen Sie heute?
Stufe 1 ist die reaktive Planung. Bestellungen werden auf Basis des aktuellen Lagerbestands und der Erfahrung des Disponenten ausgelöst, ohne strukturierte Prognose. Werkzeuge sind Excel und das ERP-Standardmodul, der Planungshorizont umfasst typischerweise ein bis zwei Wochen. Diese Stufe ist legitim für Kleinstbetriebe oder Sortimente mit sehr stabiler Nachfrage, sie stößt aber an Grenzen, sobald Saisonalität, Aktionen oder Neuartikel ins Spiel kommen.
Stufe 2 ist die statistische Planung. Eine Absatzprognose entsteht auf Basis historischer Daten, die Parameter werden manuell gepflegt. Werkzeuge sind Excel mit Formeln oder das ERP-Planungsmodul, der Horizont liegt bei vier bis zwölf Wochen. Diese Stufe ist für den Mittelstand bis etwa 3.000 Artikel mit moderater Variabilität geeignet und der typische Ausgangspunkt für eine systematische Verbesserung.
Stufe 3 ist die kollaborative Planung. Die Prognose wird mit internen Stakeholdern abgestimmt, externe Signale wie Wetterdaten oder Veranstaltungskalender fließen ein. Werkzeuge sind spezialisierte Planungstools oder erweiterte ERP-Module, der Horizont reicht über drei bis sechs Monate. Diese Stufe lohnt sich für Mittelständler mit hoher Variabilität, aktiver Aktionsplanung oder ausgeprägtem Saisongeschäft.
Stufe 4 ist die adaptive Planung. Prognosen aktualisieren sich automatisch auf Basis von Echtzeitsignalen, das System lernt kontinuierlich aus neuen Daten. Eingesetzt werden KI-gestützte Planungssoftwarelösungen, der Horizont ist rollierend. Diese Stufe ist für Großhandel und Hersteller mit mehreren Tausend Artikeln und vielen externen Einflüssen relevant. Im klassischen Mittelstand ist sie selten der erste Schritt, sondern das mittel- bis langfristige Ziel.
Die Prüffrage: Welcher der vier Beschreibungen entspricht Ihr heutiger Planungsprozess am ehesten?
Einstieg von Stufe 1 auf Stufe 2: drei konkrete Maßnahmen
Für Betriebe auf Stufe 1 sind drei Maßnahmen der direkteste Pfad nach oben. Erstens die Absatzhistorie der letzten 24 Monate bereinigen: Stockouts kennzeichnen, Aktionen markieren, Strukturbrüche identifizieren. Ohne diese Bereinigung läuft jede statistische Methode ins Leere, weil sie systematisch verzerrte Daten verarbeitet.
Zweitens für die A-Artikel eine dokumentierte Prognosemethode einführen. Es muss keine ausgefeilte Methode sein, eine exponentielle Glättung in Excel reicht als Einstieg. Wichtig ist, dass sie dokumentiert, reproduzierbar und überprüfbar ist, damit Vertretung möglich wird und Verbesserungen ansetzen können. Wie diese Methodenwahl konkret aussieht, behandelt der Artikel zu Absatzprognose-Methoden im Mittelstand.
Drittens MAPE für A-Artikel quartalsweise berechnen, als Diagnosewerkzeug, nicht als Beurteilung des Disponenten. Ohne Messung ist jede Verbesserung Gefühlssache, und systematischer Bias (also die strukturelle Über- oder Unterschätzung der Nachfrage) bleibt unentdeckt. Wer diese Diagnose mit dem Sicherheitsbestand verknüpft, kann den Puffer differenziert kalibrieren statt pauschal, was der Artikel zur Sicherheitsbestandsberechnung vertieft.
Einstieg von Stufe 2 auf Stufe 3: Kollaboration strukturieren
Der Sprung von Stufe 2 auf Stufe 3 ist kein methodischer, sondern ein organisatorischer. Er braucht keinen besseren Algorithmus, sondern einen festen Rhythmus, in dem Vertrieb, Einkauf und Disposition gemeinsam Planungsannahmen besprechen. Ein wöchentlicher oder monatlicher Termin von 30 Minuten reicht als Einstieg, vorausgesetzt die Agenda ist strukturiert: Welche Promotions sind in den nächsten Wochen geplant? Welche Artikel laufen neu oder aus? Gibt es Markthinweise, die der Vertrieb aus Kundengesprächen mitbringt?
Ein zweites Strukturelement ist der Aktionskalender, in dem Promotions, Neulistungen und Sortimentsveränderungen rollierend erfasst werden. Er ist die Voraussetzung dafür, dass die Konsensplanung über Wochenbesprechungen hinaus Wirkung entfaltet. Wer diese Struktur etabliert, hat den Kern eines Sales-and-Operations-Planning-Prozesses (S&OP, ein übergeordneter Managementprozess, der Absatz-, Produktions- und Finanzplanung koordiniert), in dem Demand Planning ein zentraler Baustein ist.
Die McKinsey-Analyse zu Autonomous Supply Chain Planning beschreibt diese Kollaborationsstrukturen als unverzichtbare Vorbedingung jeder weitergehenden Automatisierung. Ohne den Konsens-Schritt bleibt jede technische Lösung eine Insel.
Demand Planning beginnt mit der richtigen Frage, nicht mit dem richtigen System
Demand Planning ist kein Konzernprojekt, sondern ein strukturierter Planungsprozess, der in jedem Betrieb auf der passenden Reifestufe beginnt. Der erste Schritt ist keine Software, sondern eine ehrliche Bestandsaufnahme der heutigen Planung und ihrer blinden Flecken.
Drei Sofortschritte lohnen vor jeder Werkzeugentscheidung. Erstens die eigene Reifestufe identifizieren: Welcher der vier Beschreibungen entspricht der heutige Planungsprozess am nächsten, und wo soll er in zwölf Monaten stehen? Zweitens für die zehn umsatzstärksten Artikel den MAPE der letzten sechs Monate berechnen, als Baseline für jede weitere Veränderung. Drittens die Absatzhistorie dieser Artikel auf Stockouts und unmarkierte Aktionen prüfen, bevor eine neue Methode oder ein neues System überhaupt diskutiert wird.
Demand Planning beginnt nicht mit dem richtigen System, sondern mit der richtigen Frage: Was wird in den nächsten Wochen nachgefragt? Wer diese Frage strukturiert beantwortet, explizit dokumentiert und regelmäßig überprüft, betreibt Demand Planning, unabhängig davon, welches Werkzeug er dafür nutzt.
Weiterführende Quellen
Fraunhofer IML: Potenziale des Machine Learning in der Bedarfsplanung
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
McKinsey: Autonomous Supply Chain Planning for Consumer Goods Companies
FAQ
Was ist Demand Planning, und was ist der Unterschied zur Absatzprognose?
Demand Planning ist der strukturierte Prozess zur Vorausschätzung der künftigen Kundennachfrage, der historische Daten, Marktinformationen und qualitative Einschätzungen zu einer abgestimmten Erwartung zusammenführt. Die Absatzprognose ist die datenbasierte Vorhersage der Verkaufsmengen auf Artikelebene und damit ein Werkzeug innerhalb des Demand-Planning-Prozesses. Anders gesagt: Die Prognose ist der Output, Demand Planning ist der Rahmen, der diesen Output erzeugt, einbettet und überprüft. Eine Absatzprognose kann auch ohne Demand-Planning-Prozess entstehen, ist dann aber meist eine isolierte Schätzung.
Was ist der Unterschied zwischen Demand Planning und Absatzplanung?
Demand Planning ist datengetrieben und prozessorientiert: Es schätzt, was die Kunden voraussichtlich nachfragen werden. Absatzplanung ist zielorientiert: Sie legt fest, welche Mengen verkauft werden sollen, oft top-down aus Umsatzzielen abgeleitet. Beide haben ihre Berechtigung, dürfen aber nicht verwechselt werden. Eine Absatzplanung, die nicht mit einer fundierten Demand-Planning-Prognose abgeglichen ist, kann zu Zielen führen, die mit der realen Nachfrage wenig zu tun haben.
Was ist Forecast Value Added (FVA), und wozu brauche ich ihn?
FVA misst, ob ein einzelner Planungsschritt die Prognose tatsächlich verbessert. Verglichen wird mit der Naive Forecast, also der einfachsten Methode, bei der der letzte bekannte Wert als Prognose dient. Wenn eine aufwendigere Methode oder eine manuelle Korrektur die Prognose gegenüber der Naive Forecast nicht messbar verbessert, ist sie Aufwand ohne Mehrwert. FVA ist damit ein ehrliches Diagnosewerkzeug, das verhindert, dass Planungsarbeit verschönert wird, ohne die Realität näher abzubilden.
Was ist Konsensplanung, und wie funktioniert sie im Mittelstand ohne eigene Planungsabteilung?
Konsensplanung ist ein abgestimmter Planungsprozess, bei dem Vertrieb, Einkauf und Disposition ihre Planungsannahmen explizit machen und auf eine gemeinsame Prognose einigen. Im Mittelstand ohne dedizierte Planungsabteilung funktioniert sie über regelmäßige, kurze Termine: ein wöchentlicher oder monatlicher Termin von 30 bis 60 Minuten mit fester Agenda reicht als Einstieg. Wichtig ist, dass alle drei Funktionen ihre Sicht einbringen und die abgestimmte Prognose dokumentiert wird, damit sie nachvollziehbar bleibt.
Was ist Bias in der Absatzprognose, und wie erkenne ich ihn?
Bias bezeichnet die systematische Über- oder Unterschätzung der Nachfrage in einer Prognose, im Gegensatz zu zufälligen Fehlern. Während MAPE die Größe des Fehlers misst, misst Bias seine Richtung. Wer über Monate konsequent zu hoch oder zu niedrig prognostiziert, hat ein Bias-Problem, das durch eine bessere Methode allein nicht verschwindet. Bias ist strukturierbar: Wenn die Richtung klar ist, lässt sich die Ursache identifizieren, etwa nicht abgebildete Saisonalität, übermäßiger Optimismus aus Vertriebsschätzungen oder veraltete Annahmen über Wachstumsraten.
Welche Reifestufe des Demand Plannings ist für meinen Betrieb realistisch?
Das hängt von drei Faktoren ab: Sortimentskomplexität, Nachfragevariabilität und vorhandene Datenbasis. Für Kleinstbetriebe mit stabilem Sortiment kann Stufe 1 ausreichen. Mittelständler mit bis zu 3.000 Artikeln und moderater Variabilität finden in Stufe 2 (statistische Planung mit dokumentierter Methode) den realistischen Zielpunkt. Wer aktiv Promotions plant, ausgeprägte Saisonalität hat oder externe Treiber einbeziehen muss, sollte Stufe 3 (kollaborative Planung) anstreben. Stufe 4 (adaptive Planung mit KI-Unterstützung) lohnt sich ab mehreren Tausend Artikeln mit vielen externen Einflüssen.
Was ist S&OP, und wie hängt es mit Demand Planning zusammen?
S&OP steht für Sales & Operations Planning und bezeichnet einen übergeordneten Managementprozess, der Absatz-, Produktions- und Finanzplanung koordiniert. Demand Planning ist ein Baustein von S&OP, nämlich der, der die Nachfrageseite abdeckt. Während S&OP als ganzer Prozess vor allem in Konzernen formalisiert ist, lassen sich seine Kernelemente auch im Mittelstand umsetzen, oft als monatlicher Termin zwischen Geschäftsführung, Vertrieb und Einkauf, der die Demand-Planning-Ergebnisse mit Produktions- und Finanzentscheidungen abgleicht.
