Welche Dispositionsparameter ruinieren Ihren Bestellvorschlag, ohne dass Sie es merken?

Kapitalbindung durch Überbestände, Lagermiete, Versicherung und Verderb kostet mittelständische Unternehmen im DACH-Raum je nach Branche 20 bis 30 Prozent des gebundenen Warenwerts pro Jahr. Gleichzeitig verursachen Out-of-Stocks Umsatzverluste, Eilbestellungen mit Mehrkosten und beschädigten Kundenvertrauen. Die Ursache liegt in beiden Fällen selten im Planungsprozess selbst, sondern in einem Phänomen, das Fraunhofer IML in seiner Forschung zur dynamischen Bestandsdisposition präzise beschreibt: Dispositionsparameter (d.h. die systemseitig hinterlegten Steuerungsgrößen, die bestimmen, wann, wie viel und bei welchem Lieferanten bestellt wird) werden in der Praxis oft nur im großen Zeitabstand angepasst, etwa im Rahmen einer ERP-Einführung, während sich Nachfrageverhalten und Lieferketten kontinuierlich verändern. Diesen stillen Veraltungsprozess nennen wir Parameterdrift: Parameter wurden einmal korrekt konfiguriert, spiegeln aber nicht mehr die aktuelle Realität wider. 

Dieser Artikel benennt die sechs Dispositionsparameter, die am häufigsten falsch konfiguriert sind, erklärt, welche Symptome sie erzeugen und zeigt, wie Sie die Qualität Ihrer Parameterbasis systematisch prüfen können. Laut BVL-Studie "Trends und Strategien in Logistik und Supply Chain Management 2025/26" gehört mangelnde Digitalisierungsreife der Planungsprozesse zu den meistgenannten Herausforderungen in Logistik und SCM. Eine Parameterbasis, die der Realität hinterherläuft, ist dabei einer der häufigsten, aber am wenigsten sichtbaren Risikofaktoren. 

Welche Parameter treiben Ihren Lagerbestand still in die Höhe? 

Drei Dispositionsparameter erzeugen Überbestand (und damit gebundenes Kapital), ohne dass im ERP ein Warnhinweis erscheint. Was sie eint: Sie wurden korrekt konfiguriert, spiegeln aber durch Parameterdrift nicht mehr die aktuelle Realität wider. Der Schaden ist direkt messbar, aber die Ursache bleibt im Verborgenen. 

Sicherheitsbestand: Wenn der Puffer zum Problem wird 

Der Sicherheitsbestand (d.h. der Pufferbestand, der Nachfrageschwankungen und Lieferverzögerungen abfangen soll) ist der Parameter mit dem größten Hebel in beide Richtungen. Zu hoch gesetzt: gebundenes Kapital, blockierte Lagerkapazität, erhöhte Lagerhaltungskosten. Zu niedrig gesetzt: Out-of-Stock-Risiko bei der nächsten Nachfragespitze oder Lieferverzögerung. 

Das typische Fehlerbild: Der Sicherheitsbestand wurde bei der ERP-Einführung auf Basis der damaligen Nachfragedaten und Wiederbeschaffungszeiten berechnet. Seitdem hat sich das Nachfrageverhalten des Artikels verändert, der Lieferant wurde gewechselt, die Schwankungsbreite der Bestellmengen hat zugenommen. Der Parameterwert im System blieb unverändert. Für den SCM-Leiter zeigt sich das Problem selten direkt: Planer beginnen, Bestellmengen manuell zu erhöhen, weil sie das Gefühl haben, der Puffer reiche nicht. Oder das Lager läuft bei bestimmten Artikeln chronisch über, ohne dass eine offensichtliche Ursache erkennbar ist. 

Die konkrete Prüffrage: Wann wurde der Sicherheitsbestand für Ihre A-Artikel zuletzt neu berechnet, auf Basis der tatsächlichen Nachfrageschwankungen der vergangenen 12 Monate und der aktuellen Wiederbeschaffungszeit? Wenn die Antwort "bei der ERP-Einführung" lautet, haben Sie einen Parameterdrift-Kandidaten identifiziert. 

Mindestbestellmenge: Die stille Überbestellung 

Die Mindestbestellmenge (MOQ, d.h. die vom Lieferanten vorgegebene Mindestmenge pro Bestellvorgang, die im ERP als fester Parameter hinterlegt wird) veraltet besonders häufig unbemerkt, weil die Ursache außerhalb des Unternehmens liegt: Lieferanten ändern ihre Konditionen, ohne dass die ERP-Stammdaten synchron angepasst werden. 

Das typische Fehlerbild: Ein Lieferant hat seine MOQ im Zuge einer Sortimentsbereinigung von 500 auf 200 Einheiten gesenkt. Diese Information wurde in der Bestellkommunikation weitergegeben, aber nicht systematisch in die ERP-Stammdaten übertragen. Das System bestellt weiterhin auf Basis der alten MOQ-Annahme und generiert Bestellvorschläge, die systematisch zu große Losmengen ausweisen. Besonders kritisch wirkt dieser Fehler bei Langsamdrehern (C-Artikeln): Wird hier auf Basis einer veralteten MOQ bestellt, reicht der Bestand für Monate, die Lagerkosten steigen, und verderbliche Ware riskiert ihren Verfallsstatus. 

Die konkrete Prüffrage: Stimmen die im ERP hinterlegten MOQ-Werte noch mit den aktuellen Lieferantenkonditionen überein? Wann wurden sie zuletzt systematisch mit dem Lieferantenportfolio abgeglichen, nicht punktuell bei Einzelbestellungen, sondern als strukturierter Prozess? 

Losgröße: Wenn die Bestellmenge die falschen Kosten optimiert 

Die Losgröße, d.h. die tatsächlich bestellte Menge pro Vorgang, die durch das EOQ-Konzept (Economic Order Quantity, also die kostenoptimale Bestellmenge, die Lager- und Bestellkosten ins Gleichgewicht bringt, durch Palettenmengen oder durch Lieferantenvorgaben) bestimmt wird, ist ein Parameter, der in der Praxis häufig auf veralteten Kostenannahmen beruht, ohne dass dies im laufenden Betrieb auffällt. 

Das typische Fehlerbild: Die EOQ-Berechnung basiert auf Lagerkosten und Bestellkosten aus der Zeit der ERP-Einführung. Seitdem sind die Lagerkosten durch steigende Mieten und Kapitalkosten gestiegen, die Bestellkosten durch digitalisierte Beschaffungsprozesse gesunken. Die Losgröße optimiert damit die Kosten von vor drei Jahren, nicht die heutigen. Ein zweites häufiges Problem: Die errechnete Losgröße berücksichtigt nicht die tatsächlichen Palettenmengen und Lieferanteneinheiten. Das Ergebnis sind theoretisch optimale Mengen, die in der Praxis Bruchmengen erzeugen, Extrakosten durch Umpacken oder Sonderkonditionen für nicht-standardisierte Bestellmengen produzieren und vom Disponenten manuell angepasst werden. 

Eine Losgröße, die auf Daten von vor drei Jahren basiert, optimiert nicht die aktuellen Kosten, sondern die Kosten der Vergangenheit. 

Welche Parameter erzeugen Out-of-Stocks, bevor es jemand bemerkt? 

Gefährlicher als Überbestand sind Parameter, deren Fehlkonfiguration zu Lieferausfällen führt, weil der Schaden erst sichtbar wird, wenn die Ware fehlt. Eilbestellungen, verärgerte Kunden, entgangener Umsatz: Diese drei Parameter sind häufige stille Verursacher von Out-of-Stocks im Mittelstand, und ihre Fehlkonfiguration ist im laufenden Betrieb kaum zu erkennen. 

Wiederbeschaffungszeit: Der Parameter, der alles andere falsch macht 

Die Wiederbeschaffungszeit (WBZ, d.h. die Zeitspanne zwischen Bestellauslösung und Wareneingang, einschließlich Lieferantenvorlaufzeit, interner Bearbeitungszeit und Transport) ist der einflussreichste Einzelparameter im gesamten Dispositionsgefüge. Der Grund: WBZ geht direkt in die Berechnung von Meldebestand und Sicherheitsbestand ein. Wenn die WBZ falsch ist, sind beide abgeleiteten Parameter strukturell falsch, selbst wenn ihre Formelberechnung einwandfrei war. 

Das typische Fehlerbild: Ein Unternehmen wechselt den Lieferanten für eine Artikelgruppe. Der neue Lieferant liefert statt in 14 Tagen in 21 Tagen, weil er in einem anderen Produktionsland produziert. Die WBZ im ERP wurde nicht aktualisiert. Das System löst Bestellvorschläge weiterhin 14 Tage vor dem erwarteten Bedarf aus. Sieben Tage vor dem Eingang der Ware sinkt der Bestand unter den Meldebestand. Es folgt ein Out-of-Stock, der mit aktuellen WBZ-Daten vollständig vermeidbar gewesen wäre. Dasselbe Muster entsteht bei Logistikveränderungen: Wer von Luftfracht auf Seefracht umsteigt und die WBZ nicht anpasst, verlagert sein Lieferrisiko in Richtung Unterversorgung. 

Fraunhofer IML stellt in seiner Forschung zur dynamischen Bestandsdisposition klar, dass es für wettbewerbsfähige Supply Chains essenziell ist, Dispositionsparameter kurzzyklisch anzupassen, gerade weil sich Lieferzeiten und Lieferantenstrukturen durch externe Faktoren kontinuierlich verändern. 

Die konkrete Prüffrage: Stimmt die hinterlegte WBZ für Ihre kritischen A-Artikel noch mit der tatsächlichen Lieferzeit der vergangenen 6 Monate überein? Nicht mit der vertraglichen Zusage, sondern mit der gemessenen Realität? 

Meldebestand: Richtig berechnet, trotzdem falsch 

Der Meldebestand (d.h. das Bestandsniveau, bei dessen Unterschreitung das System automatisch einen Bestellvorschlag auslöst, berechnet aus Sicherheitsbestand plus erwartetem Verbrauch, während der Wiederbeschaffungszeit) kann nach korrekter Formel berechnet worden sein und trotzdem strukturell falsch sein. 

Das Fehlerbild: Wenn die WBZ, die dem Meldebestand zugrunde liegt, veraltet ist, ist der Meldebestand zwangsläufig falsch. Eine zu kurz hinterlegte WBZ bedeutet einen zu niedrig gesetzten Meldebestand: Der Bestellvorschlag kommt zu spät, die Ware fehlt vor Eingang der neuen Lieferung. Eine zu lang hinterlegte WBZ bedeutet einen zu hoch gesetzten Meldebestand: Das System löst zu früh aus, Überbestand entsteht. 

Hinzu kommt eine dynamische Komponente: Bei Artikeln mit stark schwankender Nachfrage ist der Meldebestand keine statische Größe. Ein Meldebestand, der im Jahresdurchschnitt korrekt liegt, kann in einer Hochsaison mit dreifachem Wochen-Verbrauch zu niedrig sein und in der Niedrigsaison zu hoch. Wer den Meldebestand einmal berechnet und danach nicht an Nachfrageveränderungen anpasst, betreibt Disposition auf veralteten Grundannahmen. 

Bestellzyklus: Wenn das Timing nicht mehr zur Nachfrage passt 

Der Bestellzyklus (d.h. das Zeitintervall, in dem Bestellvorschläge ausgelöst werden, etwa wöchentlich, zweiwöchentlich oder monatlich) ist der Parameter, der am stärksten durch fehlende saisonale Anpassung falsch konfiguriert wird. 

Das typische Fehlerbild: Ein Unternehmen hat für alle Artikel einen zweiwöchigen Bestellzyklus eingerichtet. In der Hochsaison, wenn der wöchentliche Verbrauch das Zwei- bis Dreifache des Jahresdurchschnitts beträgt, kommt die nächste Bestellung zu spät: Der Bestand reicht nicht bis zur nächsten Lieferung. In der Niedrigsaison dreht sich das Problem um: Ein zweiwöchiger Zyklus erzeugt zu häufige Bestellungen, der Lagerbestand baut sich systematisch auf. 

Statische Bestellzyklen, die nicht an das aktuelle Nachfragemuster angepasst werden, erzeugen saisonale Out-of-Stocks und Überbestände im Wechsel. Das ERP gibt keinen Hinweis darauf, dass der Zyklus die Ursache ist. 

Die konkrete Prüffrage: Sind Ihre Bestellzyklen für saisonale Artikel dynamisch gestaltet oder statisch konfiguriert? Wann wurden sie zuletzt an das aktuelle Nachfrageprofil angepasst? 

Wie Sie die Qualität Ihrer Dispositionsparameter systematisch prüfen 

Parameterqualität (d.h. der Grad, zu dem die hinterlegten Dispositionsparameter noch der aktuellen Realität in Nachfrage, Lieferantenstruktur und Prozessen entsprechen) ist kein Einmalthema. Sie erfordert einen regelmäßigen Prüfprozess mit klaren Auslösern, einem strukturierten Vorgehen und definierten Verantwortlichkeiten. Drei Schritte, die SCM-Leiter jetzt einführen können, ohne Systemwechsel. 

Wann prüfen: Drei Auslöser, die eine Parameterrevision erzwingen 

Parameterrevision sollte nicht erst stattfinden, wenn Symptome sichtbar sind. Drei Ereignistypen erzwingen eine sofortige Prüfung der betroffenen Parameter. 

Erstens: Lieferantenwechsel oder geänderte Lieferbedingungen. Jeder Wechsel des Lieferanten, jede Änderung der Lieferkonditionen (neue Produktionsstätte, geänderter Transportweg, neue MOQ) ist ein Auslöser für eine WBZ- und MOQ-Revision der betroffenen Artikel. Dieser Schritt sollte Teil des Lieferantenmanagementprozesses sein, nicht eine Einzelentscheidung des Disponenten. 

Zweitens: Signifikante Nachfrageveränderung eines Artikels. Neulistung, Absatzverlust durch Wettbewerbsdruck, Promotion mit nachhaltiger Auswirkung auf das Nachfragemuster: Jede strukturelle Nachfrageveränderung erfordert eine Überprüfung von Sicherheitsbestand, Meldebestand und Bestellzyklus. Ein Artikel, der sich von einem X-Artikel (gleichmäßiger Verbrauch) zu einem Y-Artikel (schwankend) entwickelt hat, benötigt einen höheren Sicherheitsbestand. Das System weiß das nicht, wenn niemand nachschaut. 

Drittens: Jährliche Pflichtrevision für A- und B-Artikel. Unabhängig von konkreten Ereignissen sollten A-Artikel einmal im Quartal und B-Artikel einmal im Halbjahr auf Parameteraktualität geprüft werden. Wer nur auf Symptome reagiert, prüft immer zu spät. 

Wie vorgehen: Priorisiert nach Artikelkritikalität 

Die Prüfreihenfolge folgt der ABC-Klassifikation: A-Artikel zuerst, weil hier der finanzielle Schaden durch Parameterdrift am größten ist, dann B-Artikel, C-Artikel nur bei konkretem Symptom oder anlassbezogen. 

Für jeden der sechs Parameter gibt es eine konkrete Prüffrage. Ist die WBZ der letzten 6 tatsächlichen Lieferungen im System abgebildet oder basiert sie auf der vertraglichen Zusage? Stimmt die MOQ mit den aktuellen Lieferantenkonditionen überein? Basiert der Sicherheitsbestand auf den Nachfrageschwankungen der vergangenen 12 Monate? Liegt der Meldebestand daraus korrekt abgeleitet vor? Ist der Bestellzyklus für saisonale Artikel dynamisch oder statisch? Wurde die Losgröße auf aktuellen Kostenannahmen berechnet? 

Diese Prüfung setzt keine neue Software voraus. Sie setzt voraus, dass jemand die Fragen stellt. Automatisierung der Disposition entfaltet ihre volle Wirkung nur auf valider Parameterbasis. BCG stellt in ihrer Supply-Chain-Analyse 2026 fest, dass Technologie allein das Planungsproblem nicht löst: Erst wenn Daten und Parameterqualität stimmen, kann Automatisierung einen messbaren ROI liefern. 

Was danach tun: Parameterqualität als Kennzahl einführen 

Parameterqualität wird greifbar, wenn sie gemessen wird. Zwei Indikatoren lassen sich in den meisten ERP-Systemen ohne Zusatzaufwand erheben. 

Der erste Indikator: Anteil der Artikel, deren WBZ-Hinterlegung älter als 6 Monate ist. Ein Wert unter 10 Prozent ist für A-Artikel als unkritisch einzustufen. Liegt er darüber, besteht struktureller Handlungsbedarf, unabhängig davon, ob Symptome bereits sichtbar sind. 

Der zweite Indikator: Override-Rate der Bestellvorschläge, also der prozentuale Anteil der generierten Bestellvorschläge, die vom Disponenten manuell verändert werden. Eine hohe Override-Rate ist kein Zeichen mangelnder Systemnutzung, sondern ein Diagnosesignal: Sie zeigt, dass die Parameterbasis die Realität nicht mehr korrekt abbildet. Wer diese Rate erhebt und analysiert, welche Artikelgruppen besonders häufig manuell korrigiert werden, findet die Hotspots seiner Parameterdrift-Problematik ohne aufwendige Systemanalyse. 

Fazit: Bestellvorschläge scheitern an der Parameterbasis, nicht am Algorithmus 

Dispositionsparameter optimieren bedeutet nicht, neue Software einzuführen. Es bedeutet, die bestehende Konfiguration regelmäßig mit der aktuellen Realität abzugleichen. Sicherheitsbestand, Wiederbeschaffungszeit und Mindestbestellmenge veralten still, während sich Lieferketten verändern. Das ERP gibt keinen Hinweis darauf. 

Drei Schritte, die sofort beginnen können: WBZ aller A-Artikel mit den tatsächlichen Lieferzeiten der vergangenen 6 Monate abgleichen, nicht mit der vertraglichen Zusage. MOQ-Werte im ERP mit den aktuellen Lieferantenkonditionen prüfen, systematisch, nicht artikelbezogen. Override-Rate der Bestellvorschläge als ersten Indikator für Parameterprobleme messen und nach Artikelgruppe aufschlüsseln. 

Wer diese drei Maßnahmen umsetzt, hat die Grundlage geschaffen, auf der Automatisierung und bessere Planungsqualität aufbauen können.

Weiterführende Quellen 

1. Fraunhofer IML: Dynamische Bestandsdisposition und robustes Service-Level-Management 

2. BVL (2025): Trends und Strategien in Logistik und Supply Chain Management 2025/26  

3. BCG (2026): Supply Chain Planning 2026: Why AI Alone Isn't Enough  

4. Fraunhofer IML: Machine Learning im Supply Chain Management (Potenziale des maschinellen Lernens in der Bedarfsplanung)  

FAQs