Nachfrageprognose für den E-Commerce: So hören Sie auf, Lagerbestände zu schätzen

Wenn Sie schon einmal vor einem Lagerbericht saßen und dachten: „Na ja, wir werden ja sehen, wie es läuft“ … dann sind Sie damit nicht allein. Für viele wachsende E-Commerce-Marken basiert der Einkauf von Waren immer noch auf dem Bauchgefühl: Man bestellt ungefähr das, was beim letzten Mal verkauft wurde, legt für alle Fälle etwas obendrauf und hofft auf das Beste. Das Problem dabei ist, dass dieses „für alle Fälle“ schnell teuer wird – sei es durch Kapital, das monatelang in Ladenhütern gebunden ist, oder durch einen Bestseller, der genau dann vergriffen ist, wenn die Nachfrage ihren Höhepunkt erreicht.

Bei der Nachfrageprognose geht es nicht darum, die Zukunft mit absoluter Präzision vorherzusagen – das kann niemand. Es geht darum, das Rätselraten durch einen wiederholbaren Prozess zu ersetzen, damit Ihre Lagerbestände auf Fakten statt auf Instinkt basieren. Wenn Sie es richtig anstellen, bestellen Sie präziser, setzen Kapital frei und vermeiden die zwei kostspieligsten Fehler im E-Commerce: Überbestände und Lieferengpässe.

Was ist Nachfrageprognose eigentlich?

Vereinfacht gesagt ist die Nachfrageprognose der Prozess, bei dem Sie anhand vorhandener Daten schätzen, wie viel von einem Produkt Sie in einem zukünftigen Zeitraum verkaufen werden. Dazu können historische Verkaufszahlen, saisonale Muster, Marketingpläne, Markttrends oder eine Kombination aus all diesen Faktoren gehören.

Sie ist eng mit der Bestandsverwaltung und der Saisonplanung verknüpft, die die meisten E-Commerce-Marken ohnehin betreiben – der Unterschied liegt in der Perspektive. Bestandsverwaltung fragt: „Was haben wir und wo ist es?“ Die Nachfrageprognose fragt: „Was werden wir brauchen und wann?“ Wenn die Prognose stimmt, wird die Bestandsverwaltung deutlich einfacher.

Warum „wir bestellen einfach nach, was wir letztes Mal verkauft haben“ nicht funktioniert

Nachbestellungen auf Basis der Verkaufszahlen des letzten Zeitraums fühlen sich sicher an, aber sie übernehmen stillschweigend auch jeden Fehler, den Sie beim letzten Mal gemacht haben. Wenn Sie letzten Monat zwei Wochen lang nicht lieferbar waren, sind Ihre Verkaufsdaten für diesen Zeitraum künstlich niedrig. Wenn Sie auf dieser Basis nachbestellen, bestellen Sie erneut zu wenig. Wenn ein Produkt einen einmaligen Anstieg durch einen viralen TikTok Moment hatte, könnten Sie bei einer identischen Nachbestellung auf Waren sitzen bleiben, die niemand mehr will, sobald der Hype vorbei ist.

Einfache Nachbestellungen berücksichtigen zudem nicht, was als Nächstes ansteht: eine geplante Werbeaktion, die Eröffnung eines neuen Vertriebskanals, längere Lieferzeiten eines Anbieters oder die Tatsache, dass Black Friday in acht Wochen vor der Tür steht. Eine Prognose bezieht diese Variablen mit ein, anstatt davon auszugehen, dass der nächste Zeitraum exakt so aussehen wird wie der letzte.

Die Bausteine einer soliden Prognose

Sie brauchen kein Data-Science-Team für gute Prognosen, sondern lediglich eine Handvoll Datenquellen, die Sie konsequent nutzen.

Historische Verkaufsdaten.

Ihr wichtigster Indikator, aber nur, wenn Sie die Daten vorher bereinigen. Entfernen Sie Zeiträume mit Lieferengpässen, einmalige Großbestellungen und Anomalien, damit Ihre Prognose auf der tatsächlichen Nachfrage basiert und nicht darauf, was zufällig verfügbar war.

Saisonalität.

Die meisten E-Commerce-Kategorien folgen einem Rhythmus. Black Friday und Weihnachten sind die offensichtlichen Beispiele, aber viele Marken verzeichnen auch kleinere Spitzen an Wochenenden nach Gehaltseingängen, zum Schulanfang oder bei kategoriespezifischen Anlässen (denken Sie an Beauty rund um den Valentinstag oder Fitness im Januar). Analysieren Sie Verkaufsdaten von mindestens 12 bis 18 Monaten, um Ihre eigenen Muster zu erkennen, anstatt davon auszugehen, dass sie dem allgemeinen Markttrend entsprechen.

Lieferzeiten.

Eine Prognose ist nur dann nützlich, wenn Sie wissen, wie lange die Umsetzung dauert. Wenn die Lieferzeit Ihres Anbieters acht Wochen beträgt, müssen Sie mindestens acht Wochen im Voraus planen und über genügend Sicherheitsbestand verfügen, um Engpässe bei Lieferverzögerungen zu überbrücken.

Wachstums- und Marketingpläne.

Wenn Sie auf einem neuen Marktplatz starten, eine große Kampagne planen oder einen Nachfrageschub durch eine Influencer-Partnerschaft erwarten, muss Ihre Prognose dies berücksichtigen. Historische Daten allein erfassen keine Nachfrage, die noch nicht stattgefunden hat.

Externe Faktoren.

Währungsschwankungen, Lieferengpässe bei Wettbewerbern, virale Trends oder sogar das Wetter können die Nachfrage in bestimmten Kategorien beeinflussen. Sie werden nicht alles vorhersehen können, aber durch regelmäßige Überprüfungen können Sie schnell gegensteuern, wenn Unerwartetes eintritt.

Einfache Prognosemethoden, die man kennen sollte

Sie müssen nicht sofort auf komplexe statistische Modelle setzen. Die meisten wachsenden Marken profitieren bereits von Methoden, die sich an einem Nachmittag in einer Tabellenkalkulation umsetzen lassen:

Gleitender Durchschnitt.

Hierbei wird der durchschnittliche Umsatz über einen festgelegten Zeitraum (z. B. die letzten 3 Monate) berechnet, um Schwankungen auszugleichen und den zugrunde liegenden Trend zu erkennen. Einfach und ein guter Ausgangspunkt, wenn Sie zum ersten Mal eine Prognose erstellen.

Gewichteter gleitender Durchschnitt.

Das gleiche Prinzip, jedoch mit stärkerer Gewichtung der jüngsten Zeiträume. Dies ist nützlich, wenn sich Ihr Verkaufstrend tatsächlich verändert und nicht stabil bleibt.

Saisonindex-Methode.

Hierbei werden die typischen Umsätze jedes Monats mit dem Jahresdurchschnitt verglichen, um einen Saisonalitätsfaktor zu ermitteln. So skaliert Ihre Prognose automatisch für den Dezember nach oben und für ruhigere Monate nach unten.

Exponentielle Glättung.

Diese anspruchsvollere Methode gewichtet aktuelle Daten noch stärker und passt sich schneller an Trendänderungen an, was sie ideal für schnelllebige oder stark wachsende Produktlinien macht.

Wenn Ihr Produktsortiment und Ihre Auftragsvolumina wachsen, steigen die meisten Marken von Tabellenkalkulationen auf spezielle Prognose- oder Bestandsplanungssoftware um, die dies für Hunderte von SKUs automatisch erledigen kann – die zugrunde liegende Logik bleibt jedoch dieselbe.

Vom Forecast zur Bestandsentscheidung

Eine Prognose allein bestellt noch keine Ware; sie muss in zwei praktische Kennzahlen einfließen:

Sicherheitsbestand: der Puffer, den Sie vorhalten, um Prognosefehler, Nachfragespitzen oder Lieferverzögerungen abzufangen, ohne dass Ihnen die Ware ausgeht.

Meldebestand: der Lagerbestand, bei dem Sie eine neue Bestellung auslösen, berechnet aus der durchschnittlichen Nachfrage während der Lieferzeit zuzüglich Ihres Sicherheitsbestands.

Wenn Sie diese beiden Zahlen für jede SKU individuell festlegen (statt eine pauschale Regel für das gesamte Sortiment anzuwenden), werden Sie spürbar weniger Notbestellungen tätigen und deutlich weniger Preisnachlässe auf Ladenhüter gewähren müssen.

Wo Prognose und Fulfillment aufeinandertreffen

Die Prognosegenauigkeit wird umso wichtiger, je näher Sie an Spitzenzeiten herankommen, da die Kosten für Fehlentscheidungen steigen. Ein Lieferengpass in einem ruhigen Monat bedeutet einen entgangenen Verkauf, aber ein Lieferengpass während der Black-Friday-Woche kann bedeuten, dass Sie Ihren umsatzstärksten Moment des Jahres verpassen. Es ist dasselbe Prinzip, das hinter der Vorbereitung auf Spitzenzeiten steckt, die die meisten Marken ohnehin betreiben; die Prognose findet lediglich weiter vorgelagert statt und bestimmt, was Sie wann einkaufen, anstatt nur zu regeln, wie Sie den Ansturm bewältigen, wenn er bereits vor der Tür steht.

Hier zahlt sich die Zusammenarbeit mit einem Fulfillment-Partner aus, die weit über das reine Kommissionieren, Verpacken und Versenden hinausgeht. Ein 3PL mit Zugriff auf Ihre Auftrags- und Bestandsdaten verfügt über Einblicke, die viele Marken allein aus Verkaufsberichten nicht erhalten: Echtzeit-Lagerbestände, Versandtrends und Frühwarnungen, wenn sich eine SKU schneller oder langsamer bewegt als erwartet. Genau diese operativen Daten sind es, die beim nächsten Mal für eine bessere Prognose sorgen.

Das Fazit

Sie werden die Nachfrage nie mit absoluter Genauigkeit vorhersagen können, und das ist auch in Ordnung – das Ziel ist nicht Perfektion, sondern Konsistenz.

Ein einfacher, wiederholbarer Prognoseprozess ist einer einmaligen, präzisen Schätzung immer überlegen, da er sich mit jedem Verkaufszyklus verbessert. Beginnen Sie mit sauberen historischen Daten, berücksichtigen Sie Saisonalität und Lieferzeiten und planen Sie einen regelmäßigen Überprüfungstermin ein.

Bestandsentscheidungen hören auf, ein Ratespiel zu sein, und werden zu etwas, das Sie tatsächlich planen können.

‍