{"id":1366,"date":"2023-02-13T04:18:29","date_gmt":"2023-02-13T04:18:29","guid":{"rendered":"https:\/\/www.telesto.app\/blog\/?p=1366"},"modified":"2025-06-08T22:06:16","modified_gmt":"2025-06-08T22:06:16","slug":"bestandsbedarfsprognose","status":"publish","type":"post","link":"https:\/\/www.telesto.app\/blog\/2023\/02\/13\/bestandsbedarfsprognose\/","title":{"rendered":"Bedarfsprognose f\u00fcr Lagerbest\u00e4nde"},"content":{"rendered":"<h2>Was ist eine Lagerprognose?<\/h2>\n<p>Eine Lagerprognose hilft dir, die zuk\u00fcnftige Nachfrage nach Produkten \u00fcber kurze, mittlere oder lange Zeitr\u00e4ume zu sch\u00e4tzen. Sie ist ein zentraler Bestandteil jeder effektiven Bestandsplanung. Mit einer fr\u00fchzeitigen Prognose kannst du den Kundenservice, die Lagerkontrolle und das Kapazit\u00e4tsmanagement verbessern.<\/p>\n<p>Auch Kosten k\u00f6nnen prognostiziert werden, z.\u202fB. die voraussichtlichen Kosten bei zuk\u00fcnftigen Bestellungen. Ein weiterer Bereich ist die Lieferzeit (Lead Time), die in der Regel k\u00fcrzer wird. Egal was du prognostizierst, beachte diese Grunds\u00e4tze:<\/p>\n<ul>\n<li>Prognosen sind kurzfristig genauer. Je weiter du in die Zukunft blickst, desto ungenauer werden sie.<\/li>\n<li>Prognosen sind nie exakt. Es gibt immer einen Fehler, den man kennen und ber\u00fccksichtigen sollte.<\/li>\n<li>Prognosen ersetzen keine echten Nachfragedaten.<\/li>\n<\/ul>\n<h2>Arten von Prognosen<\/h2>\n<p>Es gibt viele M\u00f6glichkeiten zu prognostizieren, und keine Methode ist immer die beste. Die Wahl h\u00e4ngt vom Zeitraum und den verf\u00fcgbaren Daten ab. Prognosen lassen sich grob in drei Zeitr\u00e4ume einteilen:<\/p>\n<ul>\n<li>Langfristige Prognosen: mehrere Jahre im Voraus<\/li>\n<li>Mittelfristige Prognosen: drei Monate bis ein Jahr im Voraus<\/li>\n<li>Kurzfristige Prognosen: einige Wochen im Voraus<\/li>\n<\/ul>\n<p>Prognosen k\u00f6nnen datenbasiert oder auf Sch\u00e4tzungen beruhen. Wenn eine verl\u00e4ssliche Nachfragedatenhistorie vorhanden ist, sollte sie bevorzugt verwendet werden.<\/p>\n<h2>Prognosetechniken<\/h2>\n<p>Fr\u00fcher haben wir bereits die <a href=\"https:\/\/www.telesto.app\/blog\/2022\/05\/07\/how-much-products-to-buy\/\">Economic Order Quantity (EOQ)-Methode<\/a> behandelt, um zu bestimmen, wie viele Produkte bestellt werden sollten. In diesem Beitrag schauen wir uns drei grundlegende Prognosetechniken an, die auf historischen Daten basieren.<\/p>\n<p>Als Beispiel verwenden wir die Verkaufszahlen von Oktober, November und Dezember 2022, um die ersten drei Monate des Jahres 2023 zu prognostizieren.<\/p>\n<h3>Gleitender Durchschnitt<\/h3>\n<p>Diese Methode berechnet den einfachen Durchschnitt einer bestimmten Anzahl vergangener Monate, um den n\u00e4chsten Monat vorherzusagen.<\/p>\n<table>\n<tbody>\n<tr>\n<td>Oktober 2022<\/td>\n<td>114<\/td>\n<\/tr>\n<tr>\n<td>November 2022<\/td>\n<td>119<\/td>\n<\/tr>\n<tr>\n<td>Dezember 2022<\/td>\n<td>137<\/td>\n<\/tr>\n<tr>\n<td>Januar 2023<\/td>\n<td>? 114 + 119 + 137 = 370, 370 \/ 3 = <strong>123<\/strong><\/td>\n<\/tr>\n<tr>\n<td>Februar 2023<\/td>\n<td>? 119 + 137 + 123 = 379, 379 \/ 3 = <strong>126<\/strong><\/td>\n<\/tr>\n<tr>\n<td>M\u00e4rz 2023<\/td>\n<td>? 137 + 123 + 126 = 386, 386 \/ 3 = <strong>129<\/strong><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<h3>Gewichteter gleitender Durchschnitt<\/h3>\n<p>Bei dieser Methode werden die vergangenen Monate unterschiedlich gewichtet, wobei die j\u00fcngeren Werte am st\u00e4rksten z\u00e4hlen. Sie eignet sich gut f\u00fcr kurzfristige Prognosen von stabilen Produkten.<\/p>\n<p><em>Hinweis: Die Summe der Gewichte muss 1,00 betragen. In diesem Beispiel verwenden wir 0,6 (aktuellster Monat), 0,3 und 0,1<\/em><\/p>\n<table>\n<tbody>\n<tr>\n<td>Oktober 2022<\/td>\n<td>114<\/td>\n<\/tr>\n<tr>\n<td>November 2022<\/td>\n<td>119<\/td>\n<\/tr>\n<tr>\n<td>Dezember 2022<\/td>\n<td>137<\/td>\n<\/tr>\n<tr>\n<td>Januar 2023<\/td>\n<td>? 137 * 0.6 + 119 * 0.3 + 114 * 0.1 = <strong>129<\/strong><\/td>\n<\/tr>\n<tr>\n<td>Februar 2023<\/td>\n<td>? 129 * 0.6 + 137 * 0.3 + 119 * 0.1 = <strong>131<\/strong><\/td>\n<\/tr>\n<tr>\n<td>M\u00e4rz 2023<\/td>\n<td>? 131 * 0.6 + 129 * 0.3 + 137 * 0.1 = <strong>130<\/strong><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<h3>Lineares Gl\u00e4tten<\/h3>\n<p>\u00c4hnlich wie der gewichtete Durchschnitt, aber die Gewichte werden mithilfe einer Formel linear verteilt. Diese Methode eignet sich ebenfalls f\u00fcr kurzfristige Prognosen stabiler Produkte.<\/p>\n<p><small><br \/>\nGewicht f\u00fcr einen Monat zur\u00fcck = 3 \/ ((n\u00b2 + n)\/2) = 3 \/ 6 = 0.5<br \/>\nGewicht f\u00fcr zwei Monate zur\u00fcck = 2 \/ 6 = 0.3<br \/>\nGewicht f\u00fcr drei Monate zur\u00fcck = 1 \/ 6 \u2248 0.17<br \/>\n<\/small><\/p>\n<table>\n<tbody>\n<tr>\n<td>Oktober 2022<\/td>\n<td>114<\/td>\n<\/tr>\n<tr>\n<td>November 2022<\/td>\n<td>119<\/td>\n<\/tr>\n<tr>\n<td>Dezember 2022<\/td>\n<td>137<\/td>\n<\/tr>\n<tr>\n<td>Januar 2023<\/td>\n<td>? 137 * 0.5 + 119 * 0.3 + 114 * 0.17 = <strong>126<\/strong><\/td>\n<\/tr>\n<tr>\n<td>Februar 2023<\/td>\n<td>? 126 * 0.5 + 137 * 0.3 + 119 * 0.17 = <strong>128<\/strong><\/td>\n<\/tr>\n<tr>\n<td>M\u00e4rz 2023<\/td>\n<td>? 128 * 0.5 + 126 * 0.3 + 137 * 0.17 = <strong>129<\/strong><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<h2>Fazit<\/h2>\n<p>Prognosen basieren auf historischen Daten und Modellen. Sie sind nie perfekt und k\u00f6nnen Fehler enthalten, etwa durch fehlerhafte Modelle, unvollst\u00e4ndige Daten oder Fehlinterpretationen. Trotzdem ist eine fundierte Sch\u00e4tzung immer besser als gar keine.<\/p>\n<p>In zuk\u00fcnftigen Beitr\u00e4gen schauen wir uns fortgeschrittene Methoden wie exponentielle Gl\u00e4ttung oder die Methode der kleinsten Quadrate an und wie diese automatisiert im Warenwirtschaftssystem eingesetzt werden k\u00f6nnen.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Was ist eine Lagerprognose? Eine Lagerprognose hilft dir, die zuk&uuml;nftige Nachfrage nach Produkten &uuml;ber kurze, mittlere oder lange Zeitr&auml;ume zu&hellip;<\/p>\n","protected":false},"author":1,"featured_media":1324,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[16],"tags":[],"class_list":["post-1366","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-deutsch-de"],"_links":{"self":[{"href":"https:\/\/www.telesto.app\/blog\/wp-json\/wp\/v2\/posts\/1366","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.telesto.app\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.telesto.app\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.telesto.app\/blog\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.telesto.app\/blog\/wp-json\/wp\/v2\/comments?post=1366"}],"version-history":[{"count":2,"href":"https:\/\/www.telesto.app\/blog\/wp-json\/wp\/v2\/posts\/1366\/revisions"}],"predecessor-version":[{"id":1543,"href":"https:\/\/www.telesto.app\/blog\/wp-json\/wp\/v2\/posts\/1366\/revisions\/1543"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.telesto.app\/blog\/wp-json\/wp\/v2\/media\/1324"}],"wp:attachment":[{"href":"https:\/\/www.telesto.app\/blog\/wp-json\/wp\/v2\/media?parent=1366"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.telesto.app\/blog\/wp-json\/wp\/v2\/categories?post=1366"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.telesto.app\/blog\/wp-json\/wp\/v2\/tags?post=1366"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}