Sales & Operations Planning: Die Planung ist wichtiger als der Plan
Warum Abstimmung wichtiger ist als perfekte Vorhersagen und was unsere S&OP-Simulation zeigt
Sebastian Bitter, Hieu Dang
23.3.2026
Kein Forecast ist perfekt und keine Bestellstrategie gewinnt immer. Unternehmen, die regelmäßig planen, sind trotzdem besser auf das Unerwartete vorbereitet. Entscheidend ist ein Prozess, der das Wechseln der Strategie erlaubt, wenn sich die Lage ändert. S&OP ist ein Abstimmungsprozess, der Trade-offs sichtbar macht, bevor sie zu Konflikten eskalieren. Es ist mehr Abstimmung als Forecasting-Tool.
1. Warum planen?
"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 weiter. Sie wissen, dass perfekte Vorhersagen unmöglich sind. Was der Prozess des Planens ihnen gibt, ist die Vorbereitung auf das Unerwartete.
Genau das ist S&OP.
2. Was ist S&OP?
Sales & Operations Planning ist ein wiederkehrender 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 Metamodell in Metapad 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 ein Prozess für bessere Entscheidungen. Perfekte Pläne sind nicht das Ziel.
3. ElbeBräu: Ein interaktives S&OP-Modell
Um S&OP-Dynamik greifbar zu machen, haben wir einen interaktiven digitalen Zwilling in Metapad gebaut. Der Schauplatz: eine mittelständische Brauerei in Hamburg mit rund 60.000 Hektolitern Jahresproduktion.
Warum eine Brauerei?
Bier vereint alle typischen S&OP-Herausforderungen in einem einzigen Produkt. Und was in einer Brauerei passiert, passiert überall: in Pharmalagern, in der Automobilfertigung, im Einzelhandelsregal. Die Details ändern sich, die zugrundeliegende Dynamik bleibt gleich.
Das Modell in einem Bild
Das vollständige S&OP-Metamodell. Sieben Knotentypen (Brewery, Wholesaler, Policy Management, Controlling, Disruption, Order, Delivery) und sieben Beziehungstypen beschreiben, welche Dinge im Modell existieren können und wie sie zusammenhängen.
Wie das Modell funktioniert
Das Modell ist um vier monatliche Flüsse herum gebaut:
- NordGetränke gibt seine monatliche Bestellung auf.
- ElbeBräu entscheidet, was gebraut wird, gemäß der aktiven Bestellstrategie (begrenzt durch Kapazität und aktive Disruptions).
- Frisches Bier kommt ins Lager, altert pro Tick um einen Monat und wird FIFO ausgeliefert.
- Bier, das älter als drei Monate ist, wird entsorgt.
Entscheidungen wirken mit Verzögerung. Disruptions treffen sofort. Zu wenig Produktion heute fühlt man erst in zwei Monaten. Ein Stockout heute heißt einen dauerhaft verlorenen Kunden.
Wie das Lager altert
Das Lager verfolgt Bier nach Alter. Frisches Bier kommt aus der Brauerei-Pipeline, altert pro Tick um einen Monat und wird FIFO ausgeliefert. Was nach drei Monaten noch im Lager liegt, wird entsorgt. Die Cohort-Struktur sieht man direkt in einem der Modell-Charts.
Der Kohortenalter-Chart zeigt Bier auf dem Weg durch seine Haltbarkeit. Frisches Bier (orange) kommt rein, altert je einen Monat und wird nach dem dritten Monat entsorgt. Das Zusammenspiel aus Produktionstempo und Nachfrage bestimmt, wie viel Bier es bis zur Entsorgung schafft.
Die harten Randbedingungen
Einige Parameter spiegeln typische Brauerei-Realitäten:
Parameter | Wert | Warum relevant? |
Brauzeit (Lead Time) | 2 Monate | Pilsner braucht 6 bis 8 Wochen für Gärung und Reifung. Die Entscheidung im Mai bestimmt, was im Juli im Lager liegt. |
Haltbarkeit | 3 Monate | Großhandel nimmt kein Bier an, das älter als 3 Monate ist. Überproduktion geht in die Entsorgung. |
Max. Produktionskapazität | 8.000 hl/Monat | Eine harte Obergrenze. Auch der klügste Forecast hilft nichts, wenn der Kessel nicht mitkommt. |
Max. Lagerkapazität | 15.000 hl | Darüber springen die Lagerkosten von 3 €/hl auf 13 €/hl durch externe Lagerung. |
Saisonale Schwankung | ~2,7× | Juli-Nachfrage erreicht 8.000 hl, Januar-Nachfrage liegt bei 3.000 hl im Seasonal-Szenario. |
Die drei Stellschrauben zum Experimentieren
Drei Einstellungen definieren jedes Szenario:
- Demand Scenario: Wie verhält sich der Markt? Sechs Optionen von Steady bis Crash.
- Order Strategy: Wie entscheidet die Brauerei, was gebraut wird? Fünf Strategien von naivem Constant bis prädiktivem ForecastBased.
- Disruption: Was läuft in der Welt schief? Sechs Ausfallarten, die drei verschiedene Teile der Supply Chain treffen (Produktion, Lieferung oder Haltbarkeit).
Dazu zwei Forecast-Qualitäts-Regler: Forecast Bias und Forecast Error lassen testen, was passiert, wenn die Sicht der Brauerei auf die Zukunft systematisch verzerrt oder zufällig verrauscht ist.
Wie Erfolg gemessen wird
Das Modell verfolgt die vier KPIs, die am Jahresende zählen:
KPI | Was er misst |
Service Level | Anteil der NordGetränke-Bestellungen, die erfüllt werden |
Working Capital | Kapitalbindung im Lager am Monatsende |
Stockouts | Unerfüllte Nachfrage, kostet 100 €/hl |
Disposal | Abgelaufenes Produkt, kostet 50 €/hl |
Dazu die finanzielle Bottom Line: Umsatz minus Produktions-, Lager-, Stockout- und Entsorgungskosten ergibt den Gewinn.
Die zentrale S&OP-Frage
Wie viel soll die Brauerei brauen, wenn die Nachfrage schwankt, der Forecast unsicher ist und jede Entscheidung erst zwei Monate später wirkt?
Die Sandbox-View im Metapad-Modell zeigt neun Charts gleichzeitig: Inventar & Nachfrage, Monatliche Kosten, Kumulativer Gewinn, die Brauerei-Pipeline, Kohortenalter, Service Level und die Monatliche GuV. Jeder Chart rechnet sich neu, sobald ein Slider bewegt wird.
4. Die fünf Bestellstrategien
Das Modell vergleicht fünf Bestellstrategien, von einfach bis vorausschauend:
1. Constant (Baseline)
Brau jeden Monat die gleiche Menge, egal was passiert.
Die einfachste denkbare Regel. Produktions-Slider einmal setzen und vergessen. Funktioniert nur bei stabiler Nachfrage. Mit Saisonalität: Stockouts im Sommer, Überbestände im Winter.
2. Replenishment (Reaktiv)
Brau genau das, was im letzten Monat als Bestellung reinkam.
Der klassische ERP-Ansatz. Einfach, aber immer einen Schritt hinterher. Tödlich bei saisonaler Nachfrage: Im Mai wird gebraut, was im April gebraucht wurde, aber im Juli hat sich die Nachfrage verdoppelt und das Lager ist leer.
3. SeasonalNaive (Historisch)
Brau heute das, was in zwei Monaten gebraucht wird, basierend auf dem Saisonmuster vom letzten Jahr.
Erfasst Saisonalität, solange sich das Muster wiederholt. Der Zwei-Monats-Vorlauf passt zur Brauzeit, also kommt das Bier genau dann an, wenn die Nachfrage Peak hat. Stark in stabilen saisonalen Welten, kann aber auf strukturelle Veränderungen nicht reagieren. Wenn der Markt abstürzt oder wächst, plant SeasonalNaive weiter gegen die Kurve vom Vorjahr.
4. TargetInventory (Bestandsbasiert)
Bestelle bis zu einem Ziel-Bestandsniveau auf, unter Berücksichtigung von Safety Stock und dem, was schon in der Brauerei-Pipeline ist.
Eine klassische Base-Stock-Policy: Sie fragt "was will ich haben und was habe ich schon im Lager oder unterwegs?" Vermeidet Doppelbestellungen und reagiert flexibel auf Disruptions. Bei strukturellen Marktverschiebungen passt sie sich erst im Folgejahr an.
5. ForecastBased (Prädiktiv)
Erstelle einen Forecast für die nächsten vier Monate und braue auf ein Base-Stock-Ziel, angepasst durch die Forecast-Qualität.
Die einzige vorausschauende Strategie. Nutzt das Saisonmuster als Forecast-Basis und wendet darauf einen Bias (systematische Über- oder Unterschätzung) und einen Error (zufälliges Monatsrauschen) an. Der Preis für den Blick nach vorne: Die Qualität des Ergebnisses hängt von der Qualität des Forecasts ab. Mit +25% Bias überproduziert die Brauerei systematisch. Bei hohem Error schwingt die Produktion hin und her.
Vier der fünf Strategien sind reaktiv. Sie schauen auf die Vergangenheit oder den aktuellen Lagerstand und entscheiden. Nur ForecastBased ist prädiktiv und baut eine explizite Sicht auf die nächsten vier Monate. Dieser eine Unterschied macht ForecastBased ruhiger in saisonalen Welten, aber auch empfindlicher gegenüber Forecast-Qualität.
5. Was das Modell zeigt
Das Modell liefert keine fertigen Antworten. Es ist eine Versuchsanordnung, in der die Trade-offs zwischen den Strategien sichtbar werden. Am klarsten zeigen sie sich, wenn alle fünf Strategien parallel unter wechselnden Bedingungen gegeneinander antreten.
Wir haben das Modell in fünf Welten laufen lassen, jede mit eigener Mischung aus Nachfrage, Disruption und Forecast-Qualität. Das Ergebnis ist eindeutig: Keine Strategie gewinnt in allen Welten. Der Grund ist immer derselbe. Jede Strategie funktioniert nur unter den Annahmen, für die sie gebaut wurde. Ändern sich die Bedingungen, verliert sie ihren Vorteil
Welt 1: Calm Year, wo vorausschauende Strategien glänzen
Saisonale Nachfrage, keine Disruption, kein Forecast-Error.
Strategie | Kumulativer Gewinn (24 Monate) |
Constant | 8,5 Mio. EUR |
Replenishment | 7,5 Mio. EUR |
SeasonalNaive | 9,0 Mio. EUR |
TargetInventory | 8,5 Mio. EUR |
ForecastBased | 9,5 Mio. EUR |
In einer vorhersehbaren Welt setzen sich die vorausschauenden Strategien durch: SeasonalNaive und ForecastBased. ForecastBased nutzt das Saisonmuster und legt einen Puffer obendrauf. SeasonalNaive folgt dem Saisonmuster ohne zusätzlichen Puffer. Beide sehen die Sommer-Spitzen kommen. Replenishment reagiert immer auf den Vormonat und hängt deshalb eine Periode hinterher. TargetInventory und Constant liegen dazwischen.
Welt 2: Demand Crash, wo reaktive Strategien überleben
Der Markt bricht im Jahresverlauf ein. Produktionskapazität ist reduziert. Etwas Customer Churn durch die entstandenen Stockouts.
Strategie | Kumulativer Gewinn (24 Monate) |
Constant | 1,9 Mio. EUR |
Replenishment | 3,7 Mio. EUR |
SeasonalNaive | 0,0 Mio. EUR |
TargetInventory | 3,3 Mio. EUR |
ForecastBased | 2,2 Mio. EUR |
Das Bild kippt. Replenishment reagiert direkt auf die fallende Nachfrage. TargetInventory verfolgt die fallenden Bestellungen ebenfalls. SeasonalNaive bricht ein, weil es weiter gegen das Saisonmuster vom Vorjahr bestellt, das es im gecrashten Markt nicht mehr gibt. ForecastBased hat dasselbe Problem. Ein Forecast, der auf der falschen Welt basiert, ist schlechter als gar kein Forecast.
Demand-Crash-Szenario. Replenishment (sand) und TargetInventory (petrol) halten sich, während SeasonalNaive (helles Petrol) auf nahezu null Gewinn einbricht.
Welt 3: Saved by Bias, wenn ein "schlechter" Forecast zur Absicherung wird
Saisonale Nachfrage, MaterialShortage-Disruption (April bis Juni, Produktion steht). ForecastBased läuft mit +30% Bias und 50% Error.
Strategie | Kumulativer Gewinn (24 Monate) |
Constant | 5,5 Mio. EUR |
Replenishment | 6,0 Mio. EUR |
SeasonalNaive | 5,0 Mio. EUR |
TargetInventory | 4,5 Mio. EUR |
ForecastBased | 7,0 Mio. EUR |
Dieses Ergebnis ist unbequem. Ein "schlechter" Forecast (+30% Bias, verrauscht) sieht unter ruhigen Bedingungen wie ein Planungsfehler aus. Aber das systematische Überbestellen baut Safety Stock auf, der genau zur dreimonatigen Produktionslücke passt. Die anderen Strategien, auch SeasonalNaive, werden härter getroffen, weil sie lean waren.
Saved-by-Bias-Szenario. ForecastBased (orange) zieht klar nach vorne, weil der +30% Bias zufällig genau den Puffer aufbaut, den die MaterialShortage erfordert.
Nicht jeder Bias ist ein Fehler. Manchmal ist ein konservativer Forecast eine Versicherung, die man nur dann einlöst, wenn man sie braucht.
Welt 4: Perfect Storm, wo robuste Einfachheit gewinnt
Multi-Stress: DoublePeak-Nachfrage, HopShortage-Disruption, Customer Churn, negativer Forecast-Bias, hoher Error.
Strategie | Kumulativer Gewinn (24 Monate) |
Constant | 6,0 Mio. EUR |
Replenishment | 6,5 Mio. EUR |
SeasonalNaive | 8,0 Mio. EUR |
TargetInventory | 6,5 Mio. EUR |
ForecastBased | 6,0 Mio. EUR |
Alles geht gleichzeitig schief. Die schlauen Strategien hören auf, schlau zu sein. ForecastBased hat den falschen Bias und ist gleichzeitig verrauscht. TargetInventory wird vom unerwarteten zweiten Nachfrage-Peak überrumpelt. SeasonalNaive gewinnt, indem es ruhig der Saisonkurve durch das Chaos folgt. Robust schlägt clever.
Welt 5: Stable Disruption, wo TargetInventory die Führung übernimmt
Steady-Nachfrage, aber eine MaterialShortage trifft im Frühjahr. TargetInventory läuft mit einem Lead-Time-bewussten Target.
Strategie | Kumulativer Gewinn (24 Monate) |
Constant | 6,5 Mio. EUR |
Replenishment | 7,0 Mio. EUR |
SeasonalNaive | 5,5 Mio. EUR |
TargetInventory | 7,5 Mio. EUR |
ForecastBased | 7,5 Mio. EUR |
Die Welt, für die TargetInventory gemacht war: stabile Nachfrage mit gelegentlichen Schocks. Die Order-up-to-Logik baut stetig Puffer auf und der Puffer absorbiert die Disruption, wenn sie kommt. ForecastBased landet über den eigenen Puffer-Mechanismus auf demselben Niveau. SeasonalNaive überproduziert, weil es saisonale Schwankungen erwartet, die es in einem stabilen Markt nicht gibt.
Die Lehre über fünf Welten hinweg
Fünf Welten, vier verschiedene Siegerstrategien:
Welt | Gewinner |
Calm Year | ForecastBased ≈ SeasonalNaive |
Demand Crash | Replenishment |
Saved by Bias | ForecastBased |
Perfect Storm | SeasonalNaive |
Stable Disruption | TargetInventory ≈ ForecastBased |
Die Konsequenz für echtes S&OP: Man kann keine Strategie wählen und sie vergessen. Ein regelmäßiger Planungsrhythmus, der die Wahl auf Basis des aktuellen Marktes, der aktuellen Forecast-Qualität und der aktuellen operativen Realität immer wieder neu trifft, ist mehr wert als jeder einzelne Algorithmus.
Die Methode zählt weniger als die Qualität der Abstimmung. Welche Strategie passt, hängt davon ab, was man über den Markt weiß, wie gut der Forecast ist und welche Risikotoleranz man hat. S&OP führt diese Puzzlestücke zusammen.
Den Vergleich selber ausprobieren
Im Metapad-Modell läuft die Strategy-Comparison-View alle fünf Strategien parallel unter denselben Bedingungen. Mit dem Parameter-Set-Dropdown wechselt man zwischen den fünf Welten von oben oder baut sich eine eigene über die Slider. Das Modell rechnet sofort neu.
6. Was das für den eigenen S&OP-Prozess bedeutet
S&OP ist mehr als Forecasting. Ein guter Forecast hilft, aber er ist nur ein Baustein. S&OP bringt Wert auch ohne perfekten Forecast: Es erzwingt Abstimmung, macht Annahmen diskutierbar und schafft einen Rahmen für Trade-offs.
Nicht jeder Bias ist gleich. Überschätzung kann in Disruptions helfen (mehr Puffer gegen Stockouts), aber sie kostet auch: höhere Lagerkosten, gebundenes Kapital und bei verderblichen Gütern mehr Entsorgung. Regelmäßiger Vergleich von Forecast und Ist zeigt, in welche Richtung die Abweichung geht und ob sie zur Kostenstruktur passt.
Trade-offs verschwinden nicht. Vertrieb will Verfügbarkeit, Finanzen will niedrigen Bestand. Der Wert von S&OP liegt darin, diese Spannung sichtbar zu machen, bevor sie zum Konflikt wird.
Kommunikation schlägt Methode. Keine einzelne Abteilung kann die richtige Strategie alleine wählen. Die Wahl hängt von Forecast-Qualität, Marktstabilität und Risikotoleranz ab. Diese Fragen lassen sich nur gemeinsam beantworten.
Die beste Methode zählt weniger als die Kommunikationsfähigkeit des Unternehmens.
7. Selbst ausprobieren
Das Modell läuft live im Browser. Drei Einstellungen definieren jedes Szenario:
- Demand Scenario: Wie entwickelt sich der Markt?
- Order Strategy: Wie reagiert die Brauerei?
- Disruption: Was läuft schief?
Nach jeder Änderung aktualisieren sich die Charts automatisch. Die KPIs oben zeigen Service Level, Bestand, Stockouts und Gewinn.
Drei Experimente zum Einstieg:
Experiment 1: Reaktiv vs. vorausschauend Szenario Seasonal, keine Disruption. Replenishment und TargetInventory im Vergleich. In den Sommermonaten hängt Replenishment jedem Peak hinterher, TargetInventory antizipiert ihn. Dieselbe Welt, sehr unterschiedliche Bestandskurven.
Experiment 2: Der Preis des Forecastings Szenario Seasonal, Strategie ForecastBased. Bias auf −20% setzen. Dann zu TargetInventory im gleichen Szenario wechseln. TargetInventory bleibt stabil, ForecastBased bricht ein, weil ein verzerrter Forecast jeden Monat wirkt, während TargetInventory einfach den Lagerstand liest.
Experiment 3: Zufällige vs. systematische Abweichung Strategie ForecastBased, Szenario Seasonal. Bias=0%, Error=50 im Vergleich zu Bias=−10%, Error=0. Der zufällige Fehler mittelt sich raus, der Bias akkumuliert sich. Zwei sehr unterschiedliche Geschichten mit sehr ähnlichen Zahlen.
Oder alle fünf Strategien auf einmal sehen. Die Strategy Comparison View im Modell öffnen. Sie lässt alle fünf Strategien parallel unter denselben Bedingungen laufen, sodass man direkt vergleichen kann ohne hin und her zu schalten. Das Parameter-Set-Dropdown gibt Schnellzugriff auf die fünf Welten aus Sektion 5 oder man baut sich seine eigene.
8. Wie geht es weiter?
Dieser Artikel hat eines gezeigt: Weder der perfekte Forecast noch die beste Bestellstrategie reichen aus. Entscheidend ist die Abstimmung zwischen Vertrieb, Produktion und Finanzen. Das ist der Kern von S&OP.
Im nächsten Artikel Wenn der Plan nicht aufgeht geht es um Störungen: Was passiert, wenn die Produktion stillsteht, die Auslieferung blockiert ist oder das Lager schneller verdirbt als geplant? Und warum derselbe Schock einmal überstanden wird und einmal die Organisation lahmlegt.
Die Kernfrage: Nicht die Disruption entscheidet, sondern der Prozess dahinter.
Wer Supply-Chain-Dynamik selbst erleben möchte: Im Beergame übernimmt man eine Rolle in der Supply Chain und erlebt den Bullwhip-Effekt am eigenen Bildschirm.
Wer die Struktur hinter S&OP erkunden möchte: In unserem S&OP-Prozessmodell auf Metapad lässt sich das Metamodell von Data Review bis Executive S&OP durchlaufen und sehen, wie Reviews, Pläne, KPIs und Action Items zusammenhängen. Mehr über Metapad.
Services
Ressourcen
All Rights Reserved.