Blogartikel
Wetterprognose Getränkeabsatz: Vom Bauchgefühl zur Planungsvariable
Im Getränkefachgroßhandel ist das Wetter kein Hintergrundrauschen, sondern der stärkste Absatztreiber. Steigt die Temperatur über 26 Grad, springt die Biernachfrage. Kündigt sich ein Volksfest an, wächst der Fassbier-Bedarf für Wochen. Wer das planbar machen will, braucht keine Glaskugel, sondern Temperaturschwellen, Niederschlagsdaten und einen strukturierten Veranstaltungskalender als Planungsvariablen. Dieser Artikel zeigt, wie das im operativen Dispositionsalltag funktioniert.
Es ist Montag, 7:30 Uhr. Der Disponent eines mittelständischen Getränkefachgroßhandels öffnet sein ERP, sieht die Bestellvorschläge der Woche und weiß: Bei 30 Grad ab Mittwoch werden sechs Paletten alkoholfreie Getränke (AFG) bis Donnerstagnachmittag im Lager fehlen. Er hätte sie am Freitag der Vorwoche bestellen müssen. Wenn er die Wetterprognose systematisch als Dispositionsvariable im System gehabt hätte, hätte das System ihn erinnert. So sieht er es am Montag, wenn die Lieferzeit für eine reguläre Nachbestellung schon zu kurz ist. Wetter ist im GFGH der stärkste externe Absatzfaktor. Trotzdem behandeln die meisten Werkzeuge es als Überraschung, nicht als Planungsgröße. Das ist kein Wissensproblem, sondern eines der Methode. Dieser Beitrag zeigt, welche drei Variablen den Getränkeabsatz messbar steuern, warum klassische Disposition bei ihnen versagt und welche Schritte heute mit bestehenden Werkzeugen funktionieren.
Kein Bauchgefühl: Wie Temperatur, Niederschlag und Veranstaltungen den Getränkeabsatz messbar beeinflussen
Drei externe Variablen dominieren den Absatz im Getränkefachgroßhandel: Temperatur, Niederschlag und der lokale Veranstaltungskalender. Alle drei lassen sich vorab quantifizieren. Was sie verbindet, ist nicht ihre Vorhersehbarkeit, sondern dass ihre Wirkung auf den Absatz nicht linear, sondern in Sprüngen verläuft.
Temperaturschwellen: Wann die Nachfrage springt, nicht steigt
Temperatur wirkt im Getränkehandel nicht als kontinuierlicher Anstieg, sondern als Schwellenphänomen. Zwischen 15 und 22 Grad bewegt sich die Nachfrage im statistisch normalen Bereich, klassische Saisonprognose reicht aus. Ab etwa 22 Grad beginnt ein erster spürbarer Anstieg bei Bier, AFG und Wasser, getrieben vor allem durch Außengastronomie und Endverbraucher. Bei 26 Grad und darüber kippt das Muster: Die Nachfrage nach Bier, Wasser und AFG steigt nach branchenüblichen Erfahrungswerten um 30 bis 60 Prozent gegenüber dem Wochendurchschnitt, abhängig von Region, Sortimentsmix und Kundenstruktur. Bei Hitzeereignissen über 30 Grad sind Out-of-Stock-Situationen bei Wasser und Bier in der Außenhausgastronomie die Regel, nicht die Ausnahme. Diese Werte sind keine universellen Konstanten. Jeder GFGH hat eigene Schwellen, die sich aus der eigenen Kundenstruktur ergeben.
Die Prüffrage für die Disposition: Wissen Sie, bei welcher Außentemperatur Ihre Bier- und AFG-Verkäufe typischerweise sprunghaft ansteigen, und um wie viel? Wenn die Antwort eine grobe Schätzung ist, liegt hier ein quantifizierbarer Planungsfaktor brach.
Niederschlag: Der unterschätzte Absatzkiller, der zweimal wirkt
Regen ist die zweite meteorologische Variable, die im GFGH häufig untergeht. Ein verregnetes Wochenende dezimiert den Außer-Haus-Konsum messbar: Biergärten, Festzelte, Straßenfeste und Vereinsfeiern fallen aus oder werden schwach besucht. Bei der Gastronomie schlägt das innerhalb von 48 Stunden auf die Nachbestellungen durch. Wer als GFGH primär die Gastronomie beliefert, sieht die Wirkung in den Abrufzahlen der nächsten Bestellrunde.
Die Wirkung ist nicht eindirektional. Nach einer Regenphase folgt häufig eine Nachholnachfrage, sobald das Wetter umschlägt. Wer den ersten Effekt erkennt, kann den zweiten antizipieren. Wer beides ignoriert, korrigiert in beide Richtungen zu spät. Der Niederschlag verdient deshalb seinen eigenen Platz in der Dispositionsroutine, nicht als Anhängsel zur Temperaturprüfung.
Veranstaltungskalender: Der am besten planbare Treiber, am schlechtesten genutzt
Anders als das Wetter sind lokale Volksfeste, Stadtfeste, Sportgroßereignisse und Feiertage vollständig vorhersehbar. Das Datum steht oft Monate im Voraus fest. Trotzdem ist der Veranstaltungskalender in den meisten mittelständischen GFGH nicht systematisch in die Disposition integriert. Vertrieb und Außendienst wissen vom Stadtfest in zwei Wochen, der Disponent erfährt es entweder gar nicht oder zu spät für eine vernünftige Bestellplanung beim Festwirt-Sortiment.
Die Wirkmuster sind klar abgrenzbar. Volksfeste und Stadtfeste verschieben den Fassbier-Bedarf für die Festwochen deutlich nach oben, mit Vorlauf von drei bis sechs Wochen für die Lieferantenkoordination. Firmen- und Vereinsveranstaltungen treiben den Wein- und Sektbedarf, oft als planbare B2B-Großbestellung. Sportgroßereignisse wirken kurzfristiger und vor allem auf Bier und Snacks im Außer-Haus-Konsum. Wer diese Eventtypen in einer strukturierten Liste führt, hat den planbarsten aller Absatztreiber bereits im Griff, bevor er an Wetter denkt.
Warum statische Bestellvorschläge im GFGH bei Wetter und Events systematisch zu spät kommen
Das Problem in der Praxis liegt nicht am Wissen der Disponenten. Es liegt an Werkzeugen und Prozessen, die für stabile Nachfrage gebaut sind, nicht für wetter- und eventgetriebene Sprünge. Drei strukturelle Versagensmuster wiederholen sich quer durch die Branche.
Das Timing-Problem: Wiederbeschaffungszeit trifft auf kurzfristige Wetteränderung
Die Wiederbeschaffungszeit (WBZ), also die Spanne zwischen Bestellauslösung und Wareneingang, beträgt im GFGH je nach Lieferant und Sortiment zwei bis fünf Tage. Eine Hitzewelle kündigt sich meist 48 bis 72 Stunden vorher zuverlässig an, manchmal später. Die einfache Rechnung: Wer am Mittwoch sieht, dass am Freitag 31 Grad erwartet werden, kommt für die regulär notwendige Nachbestellung beim Hauptlieferanten bereits zu spät.
Die Lösung liegt nicht in schnellerer Reaktion, sondern in früherer Antizipation. Die 5- bis 7-Tages-Prognose ist meteorologisch belastbar genug, um damit zu planen, statt darauf zu reagieren. Die Prüffrage: Wie viele Tage WBZ haben Ihre wichtigsten Sommergetränke bei den Hauptlieferanten, und welcher Wetter-Prognosehorizont reicht aus, um darauf rechtzeitig zu reagieren?
Das Historien-Problem: Durchschnittsprognosen glätten genau die Spitzen, die zählen
Statistische Prognosen mitteln Vergangenheitsdaten. Ein durchschnittlicher Juli-Absatz enthält gemischt heiße Wochen, Regenphasen und Normalwetter. Das Ergebnis ist ein Wert, der für keines der drei Szenarien wirklich passt. Im Bestellvorschlag erscheint trotzdem eine konkrete Menge, die so präzise wirkt, dass sie selten hinterfragt wird.
Die Fraunhofer-IML-Forschung zur Optimierung der Bedarfsprognose weist seit Jahren darauf hin, dass externe Signale wie Wetter- und Eventdaten die Prognosequalität bei volatilen Nachfragemustern deutlich verbessern, wenn sie strukturell in die Prognoselogik einfließen. Wer ohne diese Signale plant, erhält keine schlechtere Prognose, sondern eine systematisch glattgebügelte. Die Spitzen, die operativ den Unterschied machen, fallen aus dem Modell heraus, bevor sie überhaupt auftauchen.
Das Kommunikations-Problem: Veranstaltungswissen erreicht die Disposition nicht rechtzeitig
Das dritte Muster ist organisatorisch, nicht technisch. Der Vertriebsaußendienst weiß vom Stadtfest, weil der Festwirt mit ihm spricht. Der Geschäftsführer weiß vom Sponsoring-Engagement beim Sportverein, weil er selbst Mitglied ist. Der Disponent erfährt beides oft entweder gar nicht oder als kurzfristige Sonderbestellung, wenn die regulären Vorlaufzeiten bereits verstrichen sind.
Der Disponent steht dann vor dem Bild, das im operativen Alltag dieses Segments häufig beschrieben wird: Bestellmenge als tägliches Ratespiel, an einem Tag sechs Paletten AFG, in den zwei Wochen danach fast nichts. Das Wissen ist im Unternehmen vorhanden. Es ist nur nicht strukturiert verfügbar an der Stelle, an der es operativ wirken müsste. Wer dieses Muster ändern will, muss nicht am Disponenten ansetzen, sondern am Informationsfluss zwischen Vertrieb, Geschäftsführung und Disposition.
Wie GFGH-Disponenten Temperaturschwellen, Niederschlag und Veranstaltungskalender als Planungsvariablen nutzen
Drei Maßnahmen lassen sich heute mit bestehenden Werkzeugen beginnen, ohne dass eine neue Software angeschafft werden muss. Alle drei adressieren genau die strukturellen Versagensmuster aus der vorherigen Perspektive. Eine vierte Stufe zeigt, wo KI sinnvoll ansetzt, und vor allem, wann nicht.
Schwellenwert-Kalibrierung: Eigene Temperaturschwellen aus historischen Daten ableiten
Der erste Schritt ist analytisch, nicht technisch. Historische Abverkaufsdaten auf Wochenbasis werden mit historischen Temperaturdaten für den eigenen Standort abgeglichen. Wetterdaten sind über den Deutschen Wetterdienst (DWD), die österreichische ZAMG und MeteoSchweiz frei verfügbar. Für die ersten Korrelationen reicht Excel: Wochenabsatz pro Kategorie gegen Durchschnitts- und Maximaltemperatur der jeweiligen Woche.
Das Ergebnis sind unternehmensspezifische Schwellenwerte für Bier, AFG und Wasser, die deutlich präziser sind als jeder Branchendurchschnitt. Ein GFGH mit hohem Gastronomieanteil hat andere Schwellen als ein GFGH mit dominantem B2C-Geschäft über eigene Märkte. Der Aufwand für die erste Analyse liegt bei wenigen Personentagen, der Erkenntnisgewinn ist die Grundlage für alles, was danach kommt. Voraussetzung sind Abverkaufsdaten der letzten zwei bis drei Sommer und Zugang zu historischen Wetterdaten für den eigenen Standort.
Veranstaltungskalender als Dispositionsinput: Vom Excel-Zettel zur Planungsroutine
Der zweite Schritt ist organisatorisch. Eine strukturierte Liste mit Eventname, Datum, Dauer, geografischer Nähe zum eigenen Liefergebiet und erwartetem Zusatzbedarf je Kategorie ist die Minimalanforderung. Die Liste wird quartalsweise gepflegt und ist für die Disposition verbindlich einsehbar. Für jeden Event errechnet sich der späteste Bestellzeitpunkt aus dem Eventdatum minus der WBZ der jeweils kritischen Kategorie.
Die Informationsquelle für die Liste ist der eigene Vertriebsaußendienst. Wer regelmäßig bei Festwirten, Vereinen und Firmenkunden ist, kennt die Termine, oft Monate im Voraus. Eine Routine, in der Kundengespräche standardmäßig die Frage nach dem nächsten Großtermin enthalten, füllt die Liste ohne zusätzlichen Aufwand. Die Veranstaltungsdisziplin ist nicht teuer, sie ist nur unüblich. Die BVL-Studie Trends und Strategien in Logistik und Supply Chain Management 2025/26 zeigt, dass solche niedrigschwelligen Prozessmaßnahmen im Mittelstand häufig den größeren Hebel haben als der Tool-Wechsel selbst.
Demand Sensing: Kurzfristige Wettersignale in die Wochendisposition integrieren
Demand Sensing bezeichnet die kurzfristige Anpassung von Prognosen auf Basis aktueller Signale, im GFGH konkret: Wetterprognose der nächsten fünf bis sieben Tage, bekannte Events der Folgewoche, aktuelle Auftragseingangsrate. Operativ heißt das: ein wöchentlicher Dispositionscheck, der genau drei Fragen stellt. Überschreitet die 5-Tages-Prognose unsere kalibrierte Bier-Schwelle? Steht in den nächsten zwei Wochen ein Event auf der Liste, dessen Bestellzeitpunkt erreicht ist? Weichen die Auftragseingänge der letzten sieben Tage auffällig vom Vorjahresvergleich ab?
Drei Fragen, einmal pro Woche, mit klaren Handlungsregeln. Mehr braucht es für den Einstieg nicht. Wetterprognose-Daten lassen sich entweder manuell aus den frei verfügbaren Quellen abrufen oder über eine API in das bestehende ERP integrieren. Die BCG-Studie Supply Chain Planning 2026 betont, dass externe Signale wie Wetterdaten zu den wirksamsten Erweiterungen klassischer Bedarfsprognosen gehören, sobald die interne Datenbasis trägt.
Wann KI im wetterbezogenen Forecast einen messbaren Mehrwert schafft
KI kann die Korrelation zwischen Wetter, Events und Absatz automatisch lernen, sobald die historische Datenbasis sauber genug ist. Praktisch bedeutet das: mindestens zwei bis drei Sommer mit konsistent erfassten Abverkaufsdaten, dokumentierten Out-of-Stock-Phasen und einer strukturierten Eventhistorie. Sind diese Voraussetzungen erfüllt, lassen sich Schwellenwerte, Eventaufschläge und regionale Besonderheiten automatisch ableiten und kontinuierlich nachjustieren.
Die Einschränkung gehört explizit dazu. Ohne saubere Datenbasis liefert auch das beste KI-Modell strukturell verzerrte Ergebnisse. Wer in eine KI-Lösung investiert, bevor die Schwellenwert-Kalibrierung aus Schritt eins gemacht und der Veranstaltungskalender aus Schritt zwei aufgebaut ist, kauft sich Komplexität, ohne den eigentlichen Hebel zu nutzen. Die McKinsey Supply Chain Risk Pulse 2025 macht den gleichen Punkt in einem breiteren Kontext: externe Signale wirken nur dann als Wettbewerbsvorteil, wenn die internen Prozesse sie aufnehmen können.
Drei Schritte, mit denen Sie heute beginnen können
Wetter ist im Getränkefachgroßhandel keine Überraschung mehr, wenn der eigene Prozess auf seine Schwellen vorbereitet ist. Drei Sofortmaßnahmen in dieser Reihenfolge tragen, ohne dass eine neue Software nötig ist.
Zuerst die Abverkaufsdaten der letzten drei Sommer mit Temperaturdaten des DWD oder der ZAMG korrelieren und daraus eigene Schwellenwerte für Bier, AFG und Wasser ableiten. Diese Analyse ist die Grundlage für jede spätere Automatisierung. Zweitens den Veranstaltungskalender für die nächsten zwölf Monate in eine strukturierte Liste überführen, mit Bestellzeitpunkt je Event berechnet aus Eventdatum minus WBZ. Drittens einen wöchentlichen Wetter- und Eventcheck als festen Bestandteil der Dispositionsroutine etablieren: Wenn die 5-Tages-Prognose die eigenen Schwellen überschreitet oder ein Event ansteht, wird die Bestellmenge entsprechend angepasst. Erst wenn diese drei Schritte tragen und mindestens eine Saison ausgewertet ist, lohnt sich die Investition in eine KI-gestützte Lösung, die diese Logik vollautomatisch übernimmt. Die nächste Hitzewelle kommt bestimmt. Die Frage ist nicht, ob Sie darauf reagieren können, sondern ob Sie früh genug bestellt haben.
Weiterführende Quellen
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
Ab welcher Temperatur steigt die Biernachfrage im GFGH signifikant?
Branchenübliche Erfahrungswerte markieren die 22-Grad-Schwelle als ersten merklichen Anstieg, ab 26 Grad springt die Nachfrage um 30 bis 60 Prozent gegenüber dem Wochendurchschnitt, abhängig von Kundenstruktur und Sortimentsmix. Ab 30 Grad ist das Risiko von Out-of-Stocks bei Bier, Wasser und AFG deutlich erhöht. Die eigenen, präzisen Schwellen lassen sich nur aus den eigenen Abverkaufsdaten in Kombination mit historischen Wetterdaten ableiten.
Wie berechne ich, wie viel mehr ich bei einem Volksfest bestellen muss?
Die einfachste Methode ist die Auswertung des Vorjahres. Vergleichen Sie den Abverkauf der Eventwoche mit einem typischen Normalwochenabsatz derselben Kategorie. Die Differenz ist Ihre Eventmenge, gegebenenfalls korrigiert um Größenänderungen des Events. Bei wiederkehrenden Veranstaltungen wird die Berechnung mit jeder Saison präziser. Bei neuen oder einmaligen Events helfen Vergleichswerte ähnlicher Veranstaltungen aus dem eigenen Kundenkreis.
Wie komme ich kostenlos an historische Wetterdaten für meine Disposition?
Der Deutsche Wetterdienst (DWD), die österreichische ZAMG und MeteoSchweiz stellen historische Wetterdaten für viele Standorte kostenlos zur Verfügung, häufig als CSV- oder API-Abruf. Für die erste Schwellenwert-Analyse reichen tägliche Höchsttemperaturen und Niederschlagsmengen für den eigenen Standort über die letzten drei Jahre. Diese Datentiefe genügt für die Korrelation auf Wochenbasis.
Was ist Demand Sensing, und wie funktioniert das im Getränkehandel?
Demand Sensing ist die kurzfristige Anpassung von Bedarfsprognosen auf Basis aktueller Signale, im GFGH konkret: Wetterprognose der nächsten Tage, bekannte Events der Folgewoche und aktuelle Auftragseingangsrate. Praktisch bedeutet das einen wöchentlichen Check, der diese drei Inputs gegen die eigenen kalibrierten Schwellen prüft und bei Bedarf die Bestellmenge anpasst. Demand Sensing ersetzt nicht die strategische Saisonprognose, sondern ergänzt sie kurzfristig.
Wie viel Vorlauf brauche ich, um auf eine prognostizierte Hitzewelle zu reagieren?
Der nötige Vorlauf entspricht der Wiederbeschaffungszeit der kritischen Kategorien. Bei Bier und AFG sind das je nach Lieferant zwei bis fünf Tage. Eine Hitzewelle wird typischerweise mit 48 bis 72 Stunden Vorlauf belastbar prognostiziert, mit der 5- bis 7-Tages-Prognose oft schon früher. Wer die Wetterprognose erst am Tag des Eintritts prüft, kommt für reguläre Nachbestellungen zu spät. Eine wöchentliche Routine löst dieses Timing-Problem strukturell.
Wann lohnt sich KI für wetter- und eventgetriebene Absatzprognosen im GFGH?
Sobald die Datenbasis trägt: mindestens zwei bis drei Sommer mit sauber erfassten Abverkaufsdaten, dokumentierten Out-of-Stocks und strukturierter Eventhistorie. Vorher liefert auch die beste KI verzerrte Ergebnisse, weil sie aus Lücken lernt. Wer noch keine kalibrierten Temperaturschwellen hat und keinen strukturierten Veranstaltungskalender, hat den größeren Hebel zunächst in den methodischen Grundlagen. KI ist dann der nächste Schritt, nicht der erste.
