Sales & Operations Planning: Wenn der Plan nicht aufgeht
Warum Störungen nicht das Problem sind und was unsere Brauerei-Simulation über Reaktionsfähigkeit zeigt
Sebastian Bitter
20.4.2026
Störungen sind nicht das Problem. Fehlende Struktur macht aus einer Störung ein Problem. Dieselbe Störung kann eine Katastrophe oder ein Nicht-Ereignis sein, je nach Marktbedingungen. Der Kontext entscheidet. Der Puffer, der ohne Störung nach Verschwendung aussieht, ist im Störungs-Fall oft die einzige Rettung. S&OP schafft Sichtbarkeit, Entscheidungsfähigkeit und Umsetzung. Diese drei Dinge bestimmen Reaktionsfähigkeit.
1. Es ist April. Die Brauerei steht still.
Es ist April. ElbeBräu Hamburg braut auf Hochtouren. Die Fußball-WM steht vor der Tür, die Nachfrage nach Elbe Pils soll im Juni 7.500 Hektoliter erreichen. Dann meldet der Malzlieferant: Lieferausfall. Kein Malz für zwei Monate. Produktion: null.
In unserem interaktiven Brauerei-Modell ist das die MaterialShortage-Disruption. Drei Monate Brauzeit weg, drei Monate bis das Lager über den Pipeline-Lag etwas spürt, drei Monate bis Kunden es bemerken. Im Juli ist der Safety Stock weg und der Vertrag mit NordGetränke fängt an zu bröckeln.
MaterialShortage trifft die Produktion von April bis Juni. Im Inventar & Nachfrage-Chart fällt die orange Bestandslinie ab, sobald die Brauerei-Pipeline leer läuft. Service Level folgt zwei Monate später, sobald der Safety Stock aufgebraucht ist.
Oder: Monat 7. Ein Logistikstreik blockiert Auslieferungen an NordGetränke für zwei Monate. Im Modell ist das die LogisticsStrike-Disruption: Die Brauerei produziert weiter, aber nur 20 Prozent der Monatsbestellungen können ausgeliefert werden. Das Ergebnis ist paradox. Das Lager füllt sich mit unverkauftem Bier (Produktion unverändert, aber kein Abfluss). Zwei Monate später erreicht das gestapelte Bier seine Dreimonats-Haltbarkeit und die Entsorgungskosten schießen hoch. Die Brauerei hat mehr Bestand als je zuvor und schlechteres Service Level als je zuvor.
LogisticsStrike blockiert die Auslieferung im Juli und August. Die Brauerei braut weiter, also wächst der Bestand, wo man einen Rückgang erwarten würde. Service Level kollabiert parallel, weil nichts beim Kunden ankommt. Zwei Monate später zeigt das Monatliche-Kosten-Chart den Entsorgungskosten-Spike, weil das gestapelte Bier alt wird.
Oder: Mai bis August. Eine Hitzewelle bringt die Kühlkette aus dem Tritt. Im Modell ist das die SpoilageCrisis: Die Haltbarkeit halbiert sich effektiv, die Entsorgung verdoppelt sich für vier Monate. Die Brauerei produziert und liefert normal, aber das Lager blutet.
SpoilageCrisis beschleunigt die Alterung von Mai bis August. Produktion und Lieferung wirken im Inventar & Nachfrage-Chart unberührt, aber die Entsorgungskosten-Linie verdoppelt sich für vier Monate. Im Kohortenalter-Chart sieht man es direkt: Die älteren Kohorten verschwinden früher als üblich.
Drei Disruptions, drei völlig unterschiedliche Ausfallarten. Das Einzige, was sie gemeinsam haben, ist dass sie wehtun.
Disruptions sind nicht das Problem. Ohne Struktur und Prozess wird die Disruption zum Problem.
Hinter dem einfachen Modell: eine komplexere Supply Chain
Hinter der einfachen Brauerei-Großhandel-Verbindung in unserer Simulation steht in der Realität eine komplexere Supply Chain. Die Simulation hier hält das Netzwerk bewusst abstrakt, damit der Fokus auf der Planungsdynamik bleibt.
Wer die Detailebene sehen möchte: Wir haben ein separates Supply Chain Model in der Metapad-Library gebaut, das Lieferanten, Distributionskanäle und Kundenbeziehungen explizit macht.
Das detaillierte Supply Chain Model in der Metapad-Library: eine reichhaltigere Sicht auf die Abhängigkeiten hinter dem Brauereibetrieb von ElbeBräu. Die S&OP-Simulation in diesem Post reduziert dieses Netzwerk, um den Fokus auf Planung unter Disruption zu halten.
Im vorherigen Artikel S&OP: Die Planung ist wichtiger als der Plan haben wir gezeigt, dass keine Strategie immer gewinnt. Dieser Post fragt, was passiert, wenn eine echte Disruption auf diese Unsicherheit trifft.
2. Sechs Ausfallarten, drei Mechaniken
Das Modell enthält sechs verschiedene Disruptions, aber sie treffen die Brauerei nicht alle auf die gleiche Weise. Sie treffen drei verschiedene Teile der Supply Chain.
Mechanik | Disruptions | Was blockiert wird | Verzögerung bis sichtbar |
Produktion | MaterialShortage, CapacityBlocked, SummerBlackout, HopShortage | Brauerei-Output reduziert oder gestoppt | 2 Monate (Brauerei-Pipeline) |
Lieferung | LogisticsStrike | Auslieferung an Kunden blockiert | Sofort (dieser Monat) |
Haltbarkeit | SpoilageCrisis | Alterung beschleunigt, Disposal verdoppelt | Sofort (dieser Monat) |
Jede Mechanik hinterlässt eine andere Signatur auf den Charts. Produktionsseitige Disruptions leeren den Bestand zwei Monate nach Eintritt. Lieferungsseitige Disruptions lassen paradoxerweise den Bestand wachsen, während das Service Level kollabiert. Haltbarkeitsbezogene Disruptions schrumpfen den Bestand, ohne Produktion oder Lieferung direkt zu treffen. Drei Ausfallarten, drei Muster zum Wiedererkennen.
Das ist der zentrale Take-away für jedes S&OP-Team: Eine echte Disruption-Antwort kann nicht "wir machen es gleich wie sonst" lauten. Die Mechanik bestimmt die Antwort. Produktionsverlust heißt: Pipeline aussitzen, dann aufholen. Lieferungsverlust heißt: mit Kunden neu verhandeln und Haltbarkeit im Auge behalten. Haltbarkeitsverlust heißt: schnellere Abschreibungen und engere Bestandsziele.
3. Dieselbe Disruption, andere Reaktion
Stellen wir uns dieselbe Situation vor, eine MaterialShortage im April, einmal ohne und einmal mit funktionierendem S&OP-Prozess.
Ohne S&OP:
ElbeBräu hat im Januar die Strategie TargetInventory gewählt. Auf dem Papier eine gute Wahl: Unter normalen saisonalen Bedingungen liegt sie im Mittelfeld und baut stetig Puffer auf. Dann trifft die MaterialShortage. Der Safety Stock reicht etwa drei Wochen. Danach: Stockouts. NordGetränke bekommt kein Elbe Pils mehr. Mit 20 Prozent Customer Churn pro Stockout-Periode wechseln Kunden dauerhaft zu Wettbewerbern.
Niemand hat geprüft, ob die Strategie noch passt. Niemand hat die Optionen durchgerechnet. Niemand hat entschieden.
Mit S&OP:
Im April-Meeting wird die MaterialShortage zum Top-Agenda-Punkt. Die Daten liegen auf dem Tisch:
- Aktueller Bestand: 2.500 hl
- Erwartete Nachfrage Juni (WM-Peak): 7.500 hl
- Produktion für 3 Monate: null
- Handlungsfenster: jetzt, bevor die Pipeline leer läuft
Das Team probiert die Optionen im Modell durch. Der Wechsel auf ForecastBased mit gezielt positivem Bias (+30%) erzeugt einen interessanten Effekt: Die Brauerei bestellt, als wäre die Nachfrage 30 Prozent höher als erwartet. Ohne Disruption wäre das teure Überbestockung. Mit Disruption im Anflug ist der überbaute Safety Stock genau das, was man braucht, um durchzukommen.
Das ist das Saved-by-Bias-Muster. Das Modell macht es sichtbar.
Dieselbe MaterialShortage-Situation, alle fünf Strategien parallel verglichen. ForecastBased (orange) mit +30 Prozent Bias zieht klar vorne weg, weil der "schlechte" Forecast zufällig genau den Puffer aufbaut, den die Disruption verlangt. Die anderen Strategien, auch das sonst solide TargetInventory (petrol), trifft es am härtesten.
Das ist keine Raketenwissenschaft. Es ist ein Meeting. Aber dieses Meeting findet nur statt, wenn es einen Prozess gibt, der es erzwingt.
Die Simulation zeigt dieselbe Lektion unter anderen Welten. Bei einem Marktcrash verliert ForecastBased seinen Vorteil und Replenishment (das direkt auf die fallende Nachfrage reagiert) gewinnt. Die richtige Strategie ist nie fix.
Unter einem Demand-Crash-Szenario kippt das Bild komplett. Replenishment (sand) wird zum Sieger, weil es sich direkt an die schrumpfende Nachfrage anpasst. Strategien, die gegen das Saisonmuster vom Vorjahr bestellt haben (SeasonalNaive in hellem Petrol, ForecastBased in orange), überproduzieren und häufen Entsorgungskosten an.
Ein Prozess, der erlaubt, die Disruption zu erkennen, Optionen zu bewerten und rechtzeitig die Strategie zu wechseln, ist mehr wert als jeder einzelne Algorithmus.
4. Es ist nicht die Strategie, die rettet
Wenn das Modell eine Sache zeigt, dann diese: Es gibt keine Strategie, die man einmal einstellt und vergisst. Jede der fünf Strategien gewinnt in einer Welt und verliert in einer anderen. Das Problem ist nicht, die richtige Strategie zu kennen. Das Problem ist, einen Prozess zu haben, der drei Dinge sicherstellt:
Sichtbarkeit. Weiß jeder, der beteiligt ist, was passiert? Wenn der Malzlieferant ausfällt, muss die Beschaffung schnell Bescheid wissen. Produktion und Vertrieb genauso. Schnelle Information verhindert, dass aus einem Lieferproblem ein Kundenproblem wird.
Entscheidungsfähigkeit. Gibt es einen Rahmen für schnelle Reaktion? Das Modell zeigt fünf Strategien, fünf Welten und vier verschiedene Gewinner. Kein Algorithmus trifft diese Entscheidung automatisch. Es braucht Menschen, die den Kontext verstehen und Prioritäten setzen.
Umsetzung. Wird die Entscheidung tatsächlich umgesetzt? Ein Meeting ohne Ergebnis ist kein S&OP-Meeting. Wenn das April-Meeting entscheidet, von TargetInventory auf ForecastBased mit positivem Bias zu wechseln, muss die Produktion am nächsten Tag danach handeln.
Systematischer Forecast-Bias ist übrigens wie eine Disruption, die jeden Monat passiert. Ein −20 Prozent Bias heißt, jeden Monat werden 1.000 hl zu wenig bestellt. Nach 24 Monaten: ein kumulatives Defizit von 24.000 hl. S&OP macht diesen Bias sichtbar, durch den monatlichen Vergleich von Forecast und Ist, bevor er zum dauerhaften Problem wird.
Die Methode entscheidet weniger über den Erfolg als die Frage, ob jemand regelmäßig fragt: Passt unser Plan noch zur Realität?
5. Selbst ausprobieren
Experiment 1: Der MaterialShortage-Test
Im Modell die Sandbox-View öffnen und folgende Einstellungen wählen:
- Szenario: Seasonal
- Strategie: TargetInventory
- Disruption: MaterialShortage
Im Verlauf April bis Juni fällt die Produktion auf null, das Lager leert sich, Juli bringt Stockouts. Anschließend die Strategie auf ForecastBased wechseln und Forecast Bias auf +30 schieben. Das Modell baut den Run mit der neuen Strategie neu auf. Service Level und kumulativer Gewinn der beiden Läufe im Vergleich.
Experiment 2: Die drei Mechaniken
In der Sandbox bleiben. Strategie auf Constant mit Produktion 5.000. Das Disruption-Dropdown zwischen MaterialShortage, LogisticsStrike und SpoilageCrisis umschalten. Jede Disruption hinterlässt eine andere Spur auf der Inventar-Linie und im Kosten-Chart.
Experiment 3: Die Comparison-View
In die Strategy Comparison View wechseln. Das Parameter-Set saved_by_bias aktivieren. Alle fünf Strategien laufen parallel unter MaterialShortage mit +30 Prozent Forecast Bias. ForecastBased zieht nach vorn. Beim Wechsel auf demand_crash gewinnt Replenishment. Gleiches Modell, völlig andere Gewinner je nach Welt.
Das ist die zentrale S&OP-Einsicht aus dem Modell: Die richtige Strategie hängt von der Welt ab und die Welt verändert sich ständig.
Die Strategy-Comparison-View unter MaterialShortage zeigt die Bottom Line aller fünf Strategien auf einen Blick. Der Kumulierter-Gewinn-Chart (unten rechts) macht die Disruption-Reaktion als einzelne Zahl sichtbar: Wer geht mit dem meisten Geld auf dem Konto aus dem Jahr. Dieselbe MaterialShortage trifft fünf Strategien mit fünf unterschiedlichen Ergebnissen.
6. Wie geht es weiter?
S&OP gibt den Rahmen für bessere Entscheidungen unter Unsicherheit. Aber wo in der Organisation passiert die Reaktion tatsächlich, sobald der Rahmen steht? Wer greift zum Hörer, wenn der Lieferant ausfällt? Wer plant den Produktionsplan um, wenn die Kapazität halbiert ist? Wer sagt dem Kunden, was er kriegt und was nicht?
Im nächsten Artikel: S&OP und Value Streams: Wo in der Organisation passiert die Reaktion?
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.