Nachfrage antizipieren: der Unterschied zwischen Reagieren und Steuern
Ein Händler, der seine Verkäufe nicht prognostiziert, erleidet sie. Er bestellt, wenn ihm etwas fehlt, reduziert, wenn er zu viel hat, und reagiert ständig auf Notfälle. Umgekehrt kauft ein Händler, der die Nachfrage prognostiziert, weniger ein, verkauft besser und hält seine Liquidität in Bewegung, statt sie in Kartons schlafen zu lassen.
Die gute Nachricht: Verkaufsprognose ist nicht mehr nur für große Distributoren. Heute kann ein lokaler Händler oder ein regionaler Großhändler leistungsstarke Forecasting-Tools nutzen — oft für weniger als eine Stunde Buchhaltung pro Monat.
Was ist Verkaufsprognose konkret?
Verkaufsprognose bedeutet, für einen zukünftigen Zeitraum zu schätzen, wie viele Einheiten jedes Produkts Sie verkaufen werden. Je genauer die Prognose, desto besser können Sie:
- Die richtige Menge bei Ihren Lieferanten bestellen.
- Engpässe vermeiden, ohne den Bestand aufzublähen.
- Liquidität auf 1, 3 oder 6 Monate planen.
- Schnell erkennen, welche Produkte sich nicht mehr drehen.
Eine gute Prognose kombiniert drei Elemente: Ihre Verkaufshistorie, die Saisonalität Ihres Geschäfts und kommende Ereignisse (Aktionen, Feiertage, Wetter).
Händler oder Großhändler: nicht dieselben Anforderungen
Die Logik der Prognose ist gleich, aber die Parameter unterscheiden sich.
Für einen Einzelhändler
Sie verwalten meist mehrere Hundert bis Tausende Artikel. Ihre Nachfrage ist sehr kurzfristig empfindlich: lokale Ereignisse, Wetter, Wochentag. Bestellungen sind häufig, aber klein. Typischer Prognosehorizont: 7 bis 30 Tage.
Für einen Großhändler
Sie verwalten weniger Artikel, aber mit höheren Volumina. Ihre Nachfrage ist regelmäßiger, aber abhängig vom Kalender Ihrer Kunden (Händler, Restaurants, Profis). Lieferzeiten sind oft länger, daher ist der Horizont weiter: 30 bis 90 Tage oder mehr.
Die 3 Prognosemethoden: welche für Sie?
1. Manuell (Excel + Bauchgefühl)
Sie schauen die letzten Monate an, wenden im Kopf einen Saisonkoeffizienten an und entscheiden. Schnell, zugänglich, aber mit zwei Hauptschwächen: nicht skalierbar (über 200–300 Artikel unmöglich) und durch jüngste Erinnerungen verzerrt.
Geeignet für: unter 100 Artikel, sehr stabile Nachfrage.
2. Statistisch (gleitende Mittel, Regressionen)
Berechnung gleitender Mittel, linearer Trends, Saisonkoeffizienten. Strenger als Bauchgefühl, erfordert aber Methodik und bleibt starr gegen Ausnahmeereignisse.
Geeignet für: 100 bis 500 Artikel, regelmäßige Nachfrage.
3. KI (Machine Learning)
Ein KI-Modell lernt aus Ihrer gesamten Historie und integriert gleichzeitig Saisonalität, Trends, Ereignisse und Produktkorrelationen. Es prognostiziert Hunderte Artikel in Minuten.
Geeignet für: jeden Katalog ab 100 Artikeln, variable Nachfrage, Multi-Channel.
Schritte für eine verlässliche Prognose
Schritt 1 — Historie bereinigen
Vor jeder Prognose müssen die Daten sauber sein: keine Duplikate, keine Rücksendungen, die Zahlen verzerren, keine inkonsistenten Artikelnummern. 12 bis 24 Monate Historie sind ideal.
Schritt 2 — Prognosehorizont wählen
Wie viele Tage voraus? Einzelhändler: 7, 15 oder 30 Tage. Großhändler: 30, 60 oder 90 Tage. Je länger der Horizont, desto ungenauer, aber nützlicher für die Planung.
Schritt 3 — Prioritätsprodukte identifizieren
Nicht alle Produkte sind gleich. Konzentrieren Sie sich auf die 20 %, die 80 % Ihres Umsatzes ausmachen. Dort wirkt Genauigkeit am stärksten.
Schritt 4 — Tool wählen
Excel zum Start, ein dediziertes Tool bei wachsendem Volumen. Luxpred ist für Händler und Großhändler konzipiert, die ohne Komplexität zu KI wechseln wollen: Datei-Import, Konfiguration in Minuten, sofortige Vorhersagen.
Schritt 5 — Überwachen und anpassen
Eine Prognose ist nie perfekt. Vergleichen Sie monatlich Prognose und tatsächlichen Verkauf. Parameter anpassen, Modell bei Bedarf neu trainieren.
5 häufige Fehler vermeiden
- Global statt pro Produkt prognostizieren. Eine Gesamtumsatzprognose hilft beim Bestellen nicht.
- Ausnahmeereignisse ignorieren. Black Friday oder lokaler Feiertag muss im Modell markiert sein.
- Vergangene Engpässe vergessen. Wenn Sie ausverkauft waren, sind Ihre „Verkäufe“ untererfasst — korrigieren.
- Zu kurze Historie. Unter 6 Monate sieht die KI keine volle Saison.
- Modell nie überprüfen. Märkte ändern sich, Ihr Modell auch.
Wie wissen Sie, ob die Prognose gut ist?
Drei einfache Kennzahlen genügen:
- MAPE (Mean Absolute Percentage Error): durchschnittliche prozentuale Abweichung. Ziel: unter 20 % auf Schlüsselprodukte.
- Engpassquote: wie viele Tage pro Monat mit Engpässen auf den Top-20 %? Ziel: unter 2 %.
- Durchschnittliche Bestandsrotation: Tage bis sich der Bestand dreht. Bessere Rotation = bessere Prognose.
Zusammenfassung
Nachfrage antizipieren bedeutet nicht raten — es bedeutet, Historie, Saisonalität und kommende Ereignisse intelligent zu kombinieren. Ob lokaler Händler oder regionaler Großhändler: Sie können heute in wenigen Stunden eine verlässliche Verkaufsprognose aufbauen und bereits im Folgemonat Ergebnisse sehen.
Das Ziel ist nicht Perfektion. Das Ziel ist, die Lücke zwischen Bestellung und Nachfrage Monat für Monat zu schließen. Jeder Prozent gewonnen ist Liquidität, die atmet, und Kunden, die nicht leer weggehen.