Absatz mit KI schätzen und Lagerbedarf ableiten

Das Problem

Zu viel bestellt, und die Ware bindet Geld und Platz. Zu wenig bestellt, und die Kundin geht leer aus. Dazwischen liegt die schwierige Frage: Wie viel werden wir in den nächsten Wochen und Monaten verkaufen? Viele Betriebe entscheiden nach Erfahrung und Gefühl, und das funktioniert oft, aber nicht immer.

Mit Verkaufsdaten aus Kassensystem oder Warenwirtschaft lassen sich einfache Schätzungen machen: Wie viel wurde in den letzten Monaten verkauft? Gibt es Saisonspitzen? Steigt oder sinkt der Absatz? Daraus entsteht kein Orakel, aber eine solidere Grundlage als Bauchgefühl allein.

Eine KI kann helfen, Daten zu ordnen, Muster zu beschreiben und Rechenwege zu erklären. Prognosen bleiben unsicher: Wetter, Aktionen, Konkurrenz und Lieferprobleme lassen sich nicht aus Zahlen lesen. Wichtig ist, die Unsicherheit offen zu halten und Schätzungen mit Fachwissen zu prüfen.

So lösen Sie es mit KI – Schritt für Schritt

1. Wählen Sie die Artikel oder Gruppen. Beginnen Sie mit wichtigen und häufig verkauften Artikeln oder mit Artikelgruppen. Für Einzelartikel mit sehr wenigen Verkäufen sind Prognosen kaum sinnvoll.

1. Sammeln Sie Verkaufsdaten. Exportieren Sie die monatlichen oder wöchentlichen Absatzmengen der letzten ein bis drei Jahre. Je länger der Zeitraum, desto besser lassen sich Saisonmuster erkennen.

1. Bereinigen Sie Sondereffekte. Markieren Sie Aktionen, Lieferengpässe (kein Verkauf, weil nichts da war), Grossaufträge und Betriebsferien. Sie verzerren die Zahlen.

1. Schauen Sie sich die Daten an. Zeichnen Sie ein einfaches Diagramm. Gibt es Spitzen im Sommer oder zum Jahresende? Einen Trend nach oben oder unten? Die KI kann die Zahlen in Worten beschreiben.

1. Wählen Sie eine einfache Methode. Für viele KMU genügen: Durchschnitt der letzten Monate, gleicher Monat des Vorjahres mit Anpassung an den Trend, gleitender Durchschnitt. Lassen Sie sich die Methoden von der KI erklären, und wählen Sie die einfachste, die zu Ihren Daten passt.

1. Rechnen Sie die Schätzung in der Tabelle. Verwenden Sie Excel-Formeln. Lassen Sie die KI Formeln erklären oder vorschlagen und prüfen Sie sie an einem Beispiel selbst nach.

1. Geben Sie eine Spanne statt einer Zahl an. Rechnen Sie einen vorsichtigen und einen optimistischen Fall. So sehen Sie, wie sicher die Schätzung ist.

1. Leiten Sie den Lagerbedarf ab. Bedarf in der Wiederbeschaffungszeit plus Sicherheitsbestand minus vorhandener Bestand. Siehe Meldebestand berechnen.

1. Ergänzen Sie Fachwissen. Fragen Sie Verkauf und Lager: Gibt es Aktionen, neue Kunden, Baustellen oder Konkurrenzprodukte, die die Schätzung ändern? Passen Sie an.

1. Vergleichen Sie später mit der Realität. Notieren Sie die Prognose, und prüfen Sie nach einigen Monaten, wie nah Sie lagen. So verbessern Sie die Methode.

Vorlage zum Kopieren

Ich habe die monatlichen Verkaufsmengen eines Artikels der letzten
24 Monate:
[Monat | Menge – Zeilen einfügen]
Sondereffekte (z. B. Aktionen, Lieferengpass): [Liste mit Monat].
Wiederbeschaffungszeit: [Tage/Wochen]. Aktueller Bestand: [Menge].
Aufgabe:
1. Beschreibe in einfachen Worten, ob ein Trend oder Saisonmuster
   erkennbar ist (nur aus den Zahlen).
2. Erkläre drei einfache Methoden zur Schätzung der nächsten drei
   Monate (z. B. gleitender Durchschnitt, Vorjahresmonat mit Trend)
   und zeige, wie ich sie in Excel umsetze.
3. Rechne für eine dieser Methoden einen vorsichtigen und einen
   optimistischen Wert (Rechenweg zeigen).
4. Nenne Faktoren, die ich ausserhalb der Daten prüfen muss.
Erfinde keine Marktdaten und garantiere nichts.

Verwenden Sie anonymisierte, zusammengefasste Verkaufszahlen. Prüfen Sie Rechnung und Formeln im Tabellenprogramm.

Welche einfachen Methoden gibt es?

Worauf Sie achten müssen

• Rechnen in der Tabelle: KI-Modelle machen Rechenfehler. Nutzen Sie sie für Erklärung und Formelvorschläge, und rechnen Sie in Excel.
• Schlechte Datenbasis: Lieferengpässe zeigen sich als «kein Absatz», obwohl Nachfrage bestand. Bereinigen Sie solche Zeiträume.
• Ereignisse ausserhalb der Daten: Neue Kunden, Konkurrenz, Preisänderungen und Wetter erscheinen nicht in der Tabelle. Beziehen Sie Fachwissen ein.
• Zu viel Vertrauen: Eine genau aussehende Zahl ist nicht genauer als die Daten. Halten Sie die Unsicherheit sichtbar.
• Kleine Mengen: Bei Artikeln mit sehr wenigen Verkäufen sind Prognosen kaum aussagekräftig. Hier helfen Mindestbestand und Erfahrung.
• Vertraulichkeit: Verkaufszahlen sind Geschäftsdaten. Nutzen Sie nur freigegebene Dienste und zusammengefasste Daten.

Ein Beispiel aus der Praxis

Ein erfundenes Beispiel: Eine Velohandlung in Baden bestellt Ersatzteile und Zubehör nach Gefühl. Im Frühling fehlen Schläuche und Ketten, im Herbst liegen Lagerbestände. Die Inhaberin will systematischer vorgehen.

Sie exportiert die monatlichen Verkaufszahlen von zwei Jahren für fünf wichtige Artikelgruppen und markiert die Wochen, in denen die Ware ausverkauft war. Mit der Vorlage lässt sie sich Saisonmuster beschreiben und Methoden erklären. In Excel rechnet sie für jede Gruppe den Vorjahresmonat mit Trendanpassung und gibt eine vorsichtige und eine optimistische Schätzung an.

Nachher bestellt sie im Winter früher für die Saison und senkt im Herbst die Bestellmengen. Sie notiert ihre Prognosen und vergleicht sie später mit den Zahlen, wodurch sie ihre Methode verfeinert. Das Lager ist besser gefüllt, und das Kapital wird weniger gebunden.

So hilft Ihnen Alpasana

Wie Sie Verkaufsdaten mit Excel und KI auswerten und für Planung nutzen, lernen Sie in den Kursen bei KI und IT für konkrete Arbeitsaufgaben auf absofort: Excel, Datenverständnis und Dashboards, Einkauf, Vertrieb sowie betriebliche KI-Richtlinien. Online im eigenen Tempo, mit Praxisaufgaben, KI-Lerncoach und verifizierbarem Abschluss.

Zur Vertiefung: Meldebestand mit KI berechnen und Verkaufsprognose mit KI.

Häufige Fragen

Wie viele Daten brauche ich mindestens?

Für eine einfache Schätzung genügen mehrere Monate, für Saisonmuster mindestens ein Jahr, besser zwei. Je weniger Daten, desto vorsichtiger sollten Sie die Schätzung behandeln.

Soll ich komplizierte Prognosemodelle nutzen?

Für die meisten KMU reichen einfache Methoden. Komplexere Modelle brauchen viele saubere Daten und Fachwissen, und der Mehrwert ist oft gering. Beginnen Sie einfach und prüfen Sie, wie gut es passt.

Was tue ich bei neuen Artikeln ohne Verkaufsdaten?

Orientieren Sie sich an ähnlichen Artikeln, an Händlerangaben und an kleinen Erstbestellungen. Beobachten Sie die ersten Wochen genau und passen Sie schnell an.