Kein Forecast ist perfekt und keine Bestellstrategie funktioniert immer, aber Unternehmen, die regelmäßig planen, sind besser auf Unvorhergesehenes vorbereitet – entscheidend ist ein Prozess, der es ermöglicht, Strategien anzupassen, wenn sich die Situation ändert. In der Praxis kann eine leichte Überschätzung im Forecast sogar besser sein als absolute Genauigkeit, vor allem wenn Lieferengpässe kostspieliger sind als Lagerbestände. Letztendlich ist S&OP kein Prognosewerkzeug, sondern ein Abstimmungsprozess, der Kompromisse sichtbar macht, bevor sie zu Konflikten eskalieren.
"Pläne sind wertlos, aber Planung ist alles." – Dwight D. Eisenhower
Der General, der die Landung in der Normandie plante, wusste: Kein Plan überlebt den ersten Feindkontakt. Aber wer nicht plant, wird vom ersten Kontakt überrollt.
In der Supply Chain ist es nicht anders. Forecasts liegen daneben. Lieferanten fallen aus. Kunden bestellen anders als erwartet. Der Plan von gestern ist heute Makulatur.Trotzdem planen erfolgreiche Unternehmen. Nicht weil sie an perfekte Vorhersagen glauben, sondern weil der Prozess des Planens sie auf das Unerwartete vorbereitet.
Genau das ist Sales & Operations Planning (S&OP, Vertriebs und Absatzplanung).
Was ist S&OP?
Sales & Operations Planning ist ein regelmäßig stattfindender Abstimmungsprozess, typischerweise monatlich, in manchen Unternehmen auch wöchentlich oder quartalsweise. Das Ziel: Vertrieb, Produktion und Finanzen bringen ihre Sichten zusammen und schaffen eine gemeinsame Entscheidungsgrundlage.
Der S&OP-Zyklus in 5 Schritten
Schritt | Phase | Wer? | Kernfrage |
|---|
1 | Datenerhebung | Analytics | Wie haben wir abgeschnitten? |
2 | Absatzplanung | Vertrieb | Was erwarten wir an Nachfrage? |
3 | Beschaffungsplanung | Produktion | Was können wir liefern? |
4 | Abstimmung | Alle (inkl. Finanzen) | Welche Trade-offs akzeptieren wir? |
5 | Managemententscheid | Führung | Entscheidung und Freigabe |
Der S&OP-Zyklus: Ein sich monatlich wiederholender Abstimmungsprozess zwischen allen Abteilungen.
Diesen Prozess haben wir auch als navigierbares Modell in unsere
Metapad-Bibliothek formalisiert: Reviews erzeugen Pläne, Pläne werden durch KPIs gemessen, und Action Items führen zu konkreten Verbesserungen. So werden die Bausteine von S&OP und ihre Zusammenhänge explizit sichtbar.
Warum Abstimmung so wichtig ist
Vertrieb sieht Chancen und will Verfügbarkeit. Produktion sieht Kapazitätsgrenzen und will Planbarkeit. Finanzen sieht Kapitalbindung und will niedrige Bestände.
Ohne regelmäßige Abstimmung optimiert jeder für sich und das Gesamtsystem verliert. S\&OP bringt diese Perspektiven an einen Tisch, bevor Entscheidungen getroffen werden.
S&OP ist kein Tool für perfekte Pläne. Es ist ein Prozess für bessere Entscheidungen.
Machen wir es konkret: Unser Brauerei-Modell
Um die Dynamiken von S&OP greifbar zu machen, haben wir eine Simulation entwickelt. Das Setting: eine mittelständische Brauerei mit rund 60.000 Hektolitern Jahresproduktion.
Warum eine Brauerei?
Bier vereint alle typischen S&OP-Herausforderungen in einem Produkt. Und was in der Brauerei passiert, passiert überall: im Pharma-Lager, in der Automotive-Fertigung, im Retail-Regal. Die Details ändern sich, die Grunddynamik bleibt.
Wie die Simulation funktioniert
Hinter der Simulation steckt ein agentenbasiertes Modell. Das Prinzip: Jeder Akteur in der Lieferkette handelt eigenständig, mit eigener Logik und eigenem Informationsstand. Kein Agent sieht das Gesamtbild. Jede Entscheidung wirkt erst mit Verzögerung.
Das unterscheidet agentenbasierte Modelle von klassischen Planungstools: Statt einen optimalen Plan zu berechnen, bilden sie ab, was tatsächlich passiert. Mit unvollständigen Daten, Vorlaufzeiten und Störungen.
Sechs Agenten treiben die Simulation:
Agent | Was er tut |
|---|
Brauerei | Produziert Bier nach einer Bestellstrategie, verwaltet Bestände nach FIFO und beliefert die Großhändler |
Großhändler | Generiert monatliche Nachfrage. Wer nicht beliefert wird, wandert dauerhaft ab |
Lieferanten | Liefern Rohstoffe mit fixen Vorlaufzeiten: Hopfen 3 Monate, Glasflaschen 4 Monate |
Produktionsanlage | Sudhaus, Gärtanks, Abfülllinie. Entweder frei oder belegt |
Charge | Eine Produktionseinheit. Von Brauen bis Fertig: 2 Monate |
Controlling | Kein Entscheidungsträger. Aggregiert KPIs: Umsatz, Kosten, Gewinn |
Das Metamodell zeigt die Agenten und ihre Beziehungen: Wer bestellt bei wem, wer liefert an wen und welche Informationen fließen zwischen den Akteuren.
Der monatliche Ablauf ist immer gleich: Großhändler bestellt, Brauerei produziert, Bestände werden ausgeliefert, Bestand altert. Bier älter als 3 Monate wird entsorgt.
Entscheidungen wirken verzögert. Störungen treffen sofort. Wer heute zu wenig produziert, spürt das erst in zwei Monaten. Wer heute einen Stockout erleidet, verliert Kunden dauerhaft.
Die Stellschrauben
In der Simulation können drei Dinge variiert werden:
Nachfrage-Szenario: Wie verhält sich der Markt? Konstant, saisonal, mit plötzlichen Schocks?
Bestellstrategie: Wie reagiert die Brauerei? Konstant bestellen, auf Forecast vertrauen, oder den Lagerbestand im Blick behalten?
Störungen: Was passiert, wenn etwas schiefgeht? Lieferengpass, Produktionsausfall, Qualitätsproblem?
Die Rahmenbedingungen
Einige Parameter sind bewusst fest eingestellt, weil sie die typischen Herausforderungen einer Brauerei abbilden:
Parameter | Wert | Warum relevant? |
|---|
Vorlaufzeit | 2 Monate | Pils braucht 6-8 Wochen für Gärung und Reifung. Die Entscheidung im Mai bestimmt, was im Juli verfügbar ist. |
Verkaufsfenster | 3 Monate | Abnehmer akzeptieren kein Bier, das älter als 3 Monate ist. Sie wollen frische Ware mit Restlaufzeit für ihre Kunden. |
Max. Kapazität | 8.000 hl/Monat | Eine harte Obergrenze. Auch der beste Forecast hilft nicht, wenn die Produktion nicht hinterherkommt. |
Max. Lagerkapazität | 15.000 hl | Darüber hinaus steigen Lagerkosten durch externen Lagerraum und Überstunden (10 €/hl statt 3 €/hl). |
Saisonalität | 2,5:1 | Im Juli wird 2,5× so viel getrunken wie im Januar. |
Das Kohorten-Diagramm zeigt, wie das Lager nach Alter aufgebaut ist: Frisches Bier (dunkel), 1 Monat alt (gelb) und 2 Monate alt (orange). Nach 3 Monaten wird entsorgt – das Verkaufsfenster ist die härteste Nebenbedingung.
Die Erfolgsmessung
Die Simulation misst Erfolg über vier KPIs:
KPI | Was es misst | Beispiel |
|---|
Service Level | Anteil der erfüllten Nachfrage | 100% = jeder Kunde bedient, 85% = jeder siebte geht leer aus |
Ø Lagerbestand | Durchschnittliche Lagermenge | Mehr Bestand = mehr Puffer, aber auch mehr gebundenes Kapital |
Stockouts | Nicht bediente Nachfrage | Kostet 100 €/hl (entgangener Deckungsbeitrag + Kundenabwanderung) |
Entsorgung | Abgelaufene Ware | Kostet 50 €/hl (Ware außerhalb des Verkaufsfensters) |
Dazu die Finanzen: Revenue, Produktionskosten, Lagerkosten, Entsorgungskosten und Stockout-Kosten ergeben am Ende den Profit.
Das Spannungsfeld: Zu wenig bestellen führt zu Stockouts. Zu viel bestellen führt zu Entsorgung. Die Kunst liegt in der Balance.
Die Kernfrage: Wie viel soll die Brauerei produzieren, wenn die Nachfrage schwankt, der Forecast unsicher ist und jede Entscheidung erst in zwei Monaten wirkt?
Die Simulation zeigt über 24 Monate, wie Nachfrage (blau), Forecast (orange) und Bestellungen (grün) zusammenspielen.
Fünf Bestellstrategien
Die Simulation vergleicht fünf Bestellstrategien, von simpel bis vorausschauend:
Konstant (Baseline): Jeden Monat dieselbe Menge, egal was passiert. Die einfachste Strategie. Funktioniert nur bei absolut stabiler Nachfrage. Bei Saisonalität: Stockouts im Sommer, Entsorgung im Winter.
Replenishment (Reaktiv): Bestelle, was letzten Monat verkauft wurde.
Die klassische ERP-Methode. Einfach, aber: Reagiert erst nach dem Fakt. Bei saisonaler Nachfrage fatal, denn im Mai wird bestellt, was im April gebraucht wurde, aber im Juli braucht man das Doppelte.
Seasonal Naive (Historisch): Bestelle, was letztes Jahr im gleichen Monat verkauft wurde. Erfasst Saisonalität, solange sich das Muster wiederholt. Das Problem: Bestellt "blind" und ignoriert, was bereits im Lager liegt. Bei Störungen führt das zu Chaos.
Target Inventory (Bestandsgesteuert): Bestelle nur die Differenz zwischen Ziel-Bestand und aktuellem Bestand. Nutzt historische Daten wie Seasonal Naive, aber fragt zusätzlich: "Was habe ich schon?" Das vermeidet Doppelbestellungen und reagiert flexibel auf Störungen. Nachteil: Bei Strukturbrüchen (z.B. Markteinbruch) reagiert die Strategie erst im Folgejahr.
Forecast-basiert (Prognosebasiert): Wie Target Inventory, aber mit Forecast statt historischen Daten. Kann auf Trends und erwartete Veränderungen reagieren. Der Preis: Die Qualität hängt vom Forecast ab. Mit systematischem Bias kann diese Strategie dramatisch daneben liegen.
Was die Simulation zeigt
Wir haben die fünf Strategien systematisch getestet: 6 Nachfrage-Szenarien (stabil, saisonal, saisonal mit Doppelspitze, wachsend, schrumpfend, Crash) kombiniert mit 7 Störungen (keine, Materialengpass, Kapazitätsausfall, Blackout, Verderb, Logistikstreik, Hopfenknappheit). Das ergibt 42 realistische Situationen, genug um Muster zu erkennen.
Ergebnis 1: Keine Strategie gewinnt immer
Die Simulation zeigt eine klare Botschaft: Die "beste" Strategie hängt vom Kontext ab.
Strategie | Siege | Anteil |
|---|
Target Inventory | 17/42 | 40% |
Forecast-basiert | 12/42 | 29% |
Seasonal Naive | 6/42 | 14% |
Replenishment | 4/42 | 10% |
Konstant | 3/42 | 7% |
Target Inventory führt, aber gewinnt nur in 40% der Fälle. Das bedeutet: In 60% der Situationen ist eine andere Strategie besser. Es gibt keinen "Autopiloten" für die Bestellplanung. Genau deshalb braucht es einen Prozess, der regelmäßig prüft: Passt unsere Strategie noch zur aktuellen Situation?
Wann funktioniert was?
Target Inventory dominiert bei saisonalen Mustern mit Störungen. Es nutzt historische Daten, reagiert aber flexibel auf die aktuelle Bestandssituation.
Forecast-basiert gewinnt bei strukturellen Veränderungen: Bei schrumpfenden Märkten dominiert sie mit 7/7 Siegen. Wenn sich die Welt ändert, ist der Blick nach vorn Gold wert.
Seasonal Naive funktioniert bei stabilen, wiederkehrenden Mustern, solange keine großen Störungen auftreten.
Replenishment überrascht bei stetigem Wachstum: Die 1-Monat-Verzögerung ist bei kontinuierlichem Trend kein Nachteil.
Konstant gewinnt nur bei stabiler Nachfrage ("Gleichmäßig") mit Störungen, wo der "zufällige" Überbestand als Puffer wirkt.
Ergebnis 2: Stockouts sind der größte Kostentreiber
Ein Blick auf die Kostenstruktur erklärt, warum manche Strategien besser abschneiden:
Kostenart | Anteil | Kosten pro hl |
|---|
Stockout-Kosten | 57% | EUR 100 |
Entsorgungskosten | 22% | EUR 50 |
Lagerkosten | 21% | EUR 3 pro Monat |
↳ Überlauf (>15k) | – | EUR 10 pro Monat |
Stockouts dominieren. Ein Hektoliter, der nicht geliefert werden kann, kostet 100 €. Das entspricht dem entgangenen Deckungsbeitrag (80 €) plus Folgekosten wie Kundenabwanderung und Imageschaden. Zum Vergleich: Ein Hektoliter im Lager kostet nur 3 € pro Monat – allerdings steigen die Lagerkosten oberhalb der Kapazitätsgrenze von 15.000 hl auf 10 €/hl durch externen Lagerraum und Überstunden.
Das erklärt, warum Strategien mit Bestandsbetrachtung (Target Inventory, Forecast-basiert) besser abschneiden: Sie vermeiden Stockouts systematisch, statt sie dem Zufall zu überlassen. Im S&OP-Kontext: Supply Planning muss wissen, was Demand Planning erwartet, und beide müssen wissen, was im Lager liegt.
Ergebnis 3: Warum Bestandsbetrachtung den Unterschied macht
Was unterscheidet Target Inventory und Forecast-basiert von den einfacheren Ansätzen? Sie fragen: "Was brauche ich, und was habe ich schon?"
Konstant, Replenishment und Seasonal Naive bestellen "blind": Sie wissen nicht, was bereits im Lager liegt oder unterwegs ist. Bei Störungen führt das zu Doppelbestellungen oder Lücken.
Ein Test macht das deutlich: Was wäre, wenn man einen perfekten Forecast hätte (0% Abweichung, 0% Bias), aber einfach genau diese Menge bestellt, ohne den Lagerbestand zu prüfen? Diese "Prognose-ohne-Bestandsabgleich"-Strategie verliert in 69% der Fälle gegen Forecast-basiert mit Lagerbetrachtung. Der durchschnittliche Profit-Nachteil liegt bei über 300.000 €.
Selbst ein perfekter Blick in die Zukunft reicht nicht. Wer nicht weiß, was er hat, bestellt falsch.
Ergebnis 4: Der überraschende Bias-Effekt
Jetzt wird es interessant: Was passiert, wenn der Forecast nicht perfekt ist?
Forecast-Qualität | Target Inv. | Forecast-basiert | Gewinner |
|---|
Perfekt (0% Bias) | 17/42 (40%) | 12/42 (29%) | Target Inventory |
+10% Bias (Überschätzung) | 13/42 (31%) | 19/42 (45%) | Forecast-basiert |
-10% Bias (Unterschätzung) | 17/42 (40%) | 12/42 (29%) | Target Inventory |
-20% Bias (Unterschätzung) | 17/42 (40%) | 10/42 (24%) | Target Inventory |
Die Überraschung: Ein leicht überschätzender Forecast (+10%) ist besser als ein perfekt genauer!
Warum? Überschätzung führt zu mehr Sicherheitsbestand. Dieser Puffer zahlt sich besonders bei Störungen aus: Ohne Störungen liegen beide Strategien gleichauf (3:3). Mit Störungen springt Forecast-basiert bei +10% Bias von 16/36 auf 24/36 Siege.
Aber Vorsicht: Diese Erkenntnis gilt für unser Modell, in dem Stockouts teurer sind als Überbestand. Bei anderen Kostenstrukturen (z.B. höhere Lagerkosten, kürzere Haltbarkeit, teureres Kapital) kann Überschätzung schnell zum Problem werden. Der Bias-Effekt ist kontextabhängig.
Unterschätzung hingegen ist fast immer gefährlich: Bei -10% oder -20% Bias dominiert Target Inventory klar (23:13).
Forecast ohne Bias (0%): Prognose (orange) und Nachfrage (blau) laufen eng zusammen. Moderater Lagerbestand.
Forecast mit +30% Bias: Die Prognose (orange) liegt deutlich über der Nachfrage. Der resultierende Überbestand wirkt als Puffer gegen Störungen.
Forecast mit -30% Bias: Die Prognose unterschätzt die Nachfrage systematisch. Das Lager ist fast leer – Stockouts sind die Folge.
Die Erkenntnis für S&OP: Nicht jeder Bias ist schlecht. Aber man muss ihn kennen und steuern können. Genau dafür ist S&OP da: Regelmäßiger Abgleich macht Abweichungen sichtbar – und gemeinsame Abstimmung zwingt dazu, sich damit auseinanderzusetzen, statt sie zu ignorieren.
Das Paradox: Mehr Siege, weniger Profit?
Ein letztes Detail, das zeigt, warum Zahlen allein nicht reichen:
**Forecast-basiert:** Ø 8,49 Mio € Profit pro Szenario
**Target Inventory:** Ø 7,84 Mio € Profit pro Szenario
Forecast-basiert hat den *höheren* Durchschnittsprofit, aber *weniger* Siege. Wie passt das zusammen?
Die Antwort: Forecast-basiert gewinnt seltener, aber wenn sie gewinnt, dann mit riesigem Vorsprung. Bei schrumpfenden Märkten liegt der Vorteil bei bis zu +3 Mio € pro Szenario. Target Inventory gewinnt häufiger, aber mit kleinerem Vorsprung.
Das ist die eigentliche S&OP-Frage: Will ich die Strategie mit der höchsten durchschnittlichen Performance? Oder die robusteste Strategie, die in den meisten Situationen funktioniert? Diese Entscheidung gehört in die Executive S&OP-Phase, wo Risikotoleranz und strategische Prioritäten abgewogen werden.
Nicht die Methode entscheidet über Erfolg, sondern die Qualität der Abstimmung. Welche Strategie passt, hängt davon ab, was man über Markt, Forecast-Qualität und eigene Risikotoleranz weiß. Diese Puzzleteile bringt S&OP zusammen.
Was das für Ihren S&OP-Prozess bedeutet
S&OP ist mehr als Forecasting. Ein guter Forecast ist wichtig, aber nur ein Baustein. S&OP bringt auch ohne perfekten Forecast Wert: Es zwingt zur Abstimmung, macht Annahmen diskutierbar und schafft einen Rahmen für Trade-offs.
Bias ist nicht gleich Bias. Überschätzung kann bei Störungen helfen (mehr Puffer gegen Stockouts), aber sie ist kein Freifahrtschein: Höhere Lagerkosten, gebundenes Kapital und bei verderblichen Waren mehr Entsorgung. Regelmäßiger Abgleich von Forecast vs. Ist zeigt, in welche Richtung die Abweichung geht und ob sie zur Kostensituation passt.
Trade-offs verschwinden nicht. Vertrieb will Verfügbarkeit, Finanzen will niedrige Bestände. Der Wert von S&OP liegt darin, diese Spannung explizit zu machen, bevor sie zu Konflikten führt.
Kommunikation schlägt Methodik. Keine Abteilung kann allein die richtige Strategie wählen. Die Wahl hängt ab von Forecast-Qualität, Marktstabilität und Risikotoleranz. Diese Fragen lassen sich nur gemeinsam beantworten.
Nicht die beste Methode gewinnt, sondern das Unternehmen, das am besten kommuniziert.
Selbst ausprobieren
Die Simulation läuft im Browser. Drei Einstellungen bestimmen das Szenario:
Nachfrage-Szenario (links oben): Wie entwickelt sich der Markt?
Dispositionsverfahren (darunter): Wie reagiert die Brauerei?
Störung (optional): Was geht schief?
Nach jeder Änderung aktualisieren sich die Grafiken automatisch. Die KPIs oben zeigen Service Level, Lagerbestand, Stockouts und Profit.
Drei Experimente zum Einstieg:
Experiment 1: Reaktiv vs. Vorausschauend Szenario "Saisonal", keine Störung. Vergleichen Sie Replenishment mit Target Inventory. Achten Sie auf die Sommermonate: Replenishment hinkt hinterher, Target Inventory antizipiert die Spitze.
Experiment 2: Der Preis des Forecasts Szenario "Saisonal", Forecast-basiert. Setzen Sie den Bias auf -20%. Dann wechseln Sie zu Target Inventory. Target Inventory bleibt stabil, Forecast-basiert bricht ein.
Experiment 3: Zufällige vs. systematische Abweichung Vergleichen Sie Bias=0%/Abweichung=20% mit Bias=-10%/Abweichung=0%. Die zufällige Abweichung mittelt sich aus, der Bias kumuliert.
→ Simulation starten
Was kommt als Nächstes?
Dieser Post hat gezeigt: Weder der perfekte Forecast noch die cleverste Bestellmethode garantieren Erfolg. Was zählt, ist die übergreifende Abstimmung zwischen Vertrieb, Produktion und Finanzen: der Kern von S\&OP.
Im nächsten Artikel gehen wir von der Theorie zur Störung:
Wenn der Plan nicht aufgeht. Was passiert, wenn ein Lieferant ausfällt oder die Logistik stillsteht? Und warum S&OP den Unterschied macht zwischen einer Störung überstehen und von ihr überrollt werden.
Die Kernfrage: Nicht die Störung entscheidet, sondern ob ein Prozess dahintersteht.
Sie möchten Supply-Chain-Dynamiken selbst erleben? In unserem
Beer Distribution Game übernehmen Sie eine Rolle in der Lieferkette und erleben den Bullwhip-Effekt aus erster Hand.
Sie möchten die Struktur hinter S&OP erkunden? In unserem
S&OP-Prozessmodell können Sie das Modell navigieren, von der Data Review bis zur Executive S&OP, und sehen, wie Reviews, Pläne, KPIs und Action Items zusammenhängen.