Schritt-für-Schritt-Leitfaden zur Verbesserung der Datenqualität im Lager

Morgens zeigt der Webshop noch zehn Stück eines Produkts an, der Lagerist findet jedoch nur drei auf dem Regal. Der Vertrieb verspricht dem Kunden, die Beschaffung bestellt dringend, und am Nachmittag stellt sich heraus, dass fünf Stück an einem anderen Standort zur Abholung bereitstanden. Dies ist nicht einfach ein Bestandsfehler. Es ist ein Informationsfehler, der Überstunden, Verzögerungen, unnötige Beschaffung und Vertrauensverlust verursacht.

Dieser Leitfaden zur Verbesserung der Lagerdatenqualität beginnt nicht mit der Einführung eines neuen Systems. Zuerst muss verstanden werden, wie Daten in die Lagerverwaltung gelangen, wer sie ändern kann, wann sie überprüft werden und wo der Informationsfluss unterbrochen wird. Bestandsdaten sind wertvoll, wenn die Mitarbeiter Entscheidungen darauf basieren können - nicht, wenn sie technisch in einem System vorhanden sind.

Was bedeutet gute Lagerdatenqualität?

Lagerdatenqualität bedeutet nicht nur, dass die Stückzahl korrekt ist. Verwendbare Bestandsdaten müssen genau, aktuell, einheitlich und nachvollziehbar sein. Das System muss beispielsweise eindeutig angeben, um welche Artikelnummer es sich handelt, wo sie sich befindet, ob sie frei verfügbar, reserviert, beschädigt oder zur Qualitätskontrolle ausstehend ist.

In vielen Unternehmen scheint die Bestandsmenge in Ordnung zu sein, dennoch werden falsche Entscheidungen getroffen. Der Grund dafür kann sein, dass die Begriffe verfügbarer, physischer, reservierter und eingehender Bestand im Webshop, ERP und Lagerblatt unterschiedlich dargestellt werden. Wenn die Abteilungen denselben Begriff unterschiedlich verstehen, arbeiten sie nicht mit gemeinsamen Daten, selbst wenn sie denselben Produktnamen sehen.

Die Konsequenzen zeigen sich schnell auch auf menschlicher Ebene. Der Lagerist muss die Ware immer wieder suchen, der Kundendienst muss sich rechtfertigen, der Einkäufer erhöht den Sicherheitsbestand, und der Leiter weiß nicht, welchem Bericht er glauben soll. Die Korrektur des Fehlers erzeugt in solchen Fällen oft mehr Arbeit als die ursprüngliche Abweichung selbst.

Leitfaden zur Verbesserung der Lagerdatenqualität: Ursachenanalyse

Der erste Schritt zur Verbesserung ist nicht die vollständige Bestandsaufnahme. Die Inventur kann notwendig sein, ist aber allein nur eine Momentaufnahme. Wenn nicht geklärt wird, wodurch die Abweichung entstanden ist, kehren dieselben Fehler in wenigen Wochen zurück.

Es lohnt sich, einige häufige Abweichungen auszuwählen: fehlendes Produkt, falscher Standort, doppelte Artikelnummer, unbegründeter negativer Bestand oder falsche Mengeneinheit. Diese müssen bis zum ersten Erfassungspunkt zurückverfolgt werden. Wann kam die Ware an? Wer hat sie übernommen? Auf welcher Dokumentation basierend? Wurde sie durch Scannen, manuelle Erfassung oder später aus einer Zusammenfassung ins System eingegeben?

Zeichnen Sie den Datenfluss auf, nicht nur die Prozessbeschreibung

Ein Wareneingangsprozess kann auf dem Papier einfach sein: Ware kommt an, Kollege übernimmt, wird auf Lager genommen. Die Realität ist oft anders. Der Lieferschein wird per E-Mail empfangen, die Menge in eine Tabelle eingetragen, ein anderer Mitarbeiter erfasst sie später im ERP und der Lagerist erhält mündliche Anweisungen zur Einlagerung.

In diesem Prozess gibt es mehrere Datenquellen und manuelle Übergaben. Die Hauptfrage ist nicht, ob ein Mitarbeiter einen Fehler macht, sondern wie oft der Prozess fehlerfreie menschliche Datenübertragung erfordert. Je mehr solcher Punkte es gibt, desto größer ist die Fehlerwahrscheinlichkeit, besonders in Stoßzeiten, bei Vertretungen oder beim Eintritt neuer Kollegen.

Bei der Ursachenanalyse ist es sinnvoll, für jede wichtige Bestandsänderung vier Dinge zu erfassen: Was hat die Änderung ausgelöst, in welchem System wurde sie zuerst vorgenommen, wer ist dafür verantwortlich und welche Kontrolle bestätigt sie. Dies macht sichtbar, wo sich die Ware bewegt, während die Daten verzögert werden, und wo sich die Daten ohne physische Bewegung ändern.

Trennen Sie Stamm- und Transaktionsfehler

Ein Stammfehler reproduziert die Abweichung dauerhaft. Dazu gehören falsche Barcodes, unklare Artikelnummern, fehlerhafte Umrechnungsfaktoren zwischen Karton und Stück oder ungenaue Standortstrukturen. Wenn dasselbe Produkt unter mehreren Namen, Artikelnummern oder in unterschiedlichen Maßeinheiten in den Systemen existiert, wird die Lagerdisziplin allein das Problem nicht lösen.

Ein Transaktionsfehler hingegen ist an ein konkretes Ereignis gebunden: die Erfassung der Kommissionierung wurde ausgelassen, Ware wurde am falschen Standort platziert oder eine Rücksendung erhielt keinen korrekten Status. Hierbei sind der Arbeitsablauf, die Berechtigung und der Kontrollpunkt entscheidend.

Die beiden Fehlerkategorien erfordern unterschiedliche Eingriffe. Bei Stammproblemen sind ein geregelter Datenverantwortlicher, ein Genehmigungsprozess und einheitliche Bezeichnungen erforderlich. Bei Transaktionsproblemen kann es ausreichen, die Arbeitsschritte zu vereinfachen, einen obligatorischen Status oder eine Vor-Ort-Kontrolle einzuführen. Nicht jede Abweichung rechtfertigt neue Software.

Schaffen Sie eine einzige Quelle der Wahrheit für den Betrieb

In wachsenden Unternehmen ist es üblich, dass der Bestand an mehreren Orten existiert: im Webshop, im ERP, in einer Lageranwendung und in einer Management-Excel-Datei. Oft kann keine dieser Quellen eindeutig als primäre Quelle angesehen werden. Die Mitarbeiter entscheiden daher aufgrund ihrer Erfahrung, welcher Zahl sie glauben sollen.

Dies kann nicht allein durch Disziplin gelöst werden. Es muss festgelegt werden, welches System für welche Daten verantwortlich ist. Beispielsweise kann das Lagerverwaltungssystem die primäre Aufzeichnung der physischen Lagerbewegung sein, während das ERP die finanziellen und Bestellprozesse steuert. Der Webshop sollte keine eigene Bestandslogik aufrechterhalten, sondern auf geregelte Weise Daten aus der festgelegten Quelle beziehen.

Dies bedeutet nicht unbedingt eine Echtzeit-Integration in jedem Fall. Bei einem wenig frequentierten, nicht dringenden Produktsortiment kann eine stündliche Aktualisierung ausreichend sein. Bei schnell drehenden, online verkauften oder knapp verfügbaren Produkten kann die Verzögerung jedoch direkt zu Überverkäufen führen. Die geeignete Häufigkeit sollte auf Grundlage des Geschäftsrisikos festgelegt werden und nicht als technologische Zusage betrachtet werden.

Integrieren Sie Kontrollen in den normalen Betrieb

Die umfassende jährliche Inventur kann ein wichtiges finanzielles und regulatorisches Ereignis sein, ist jedoch ein langsames Werkzeug zur Behandlung täglicher Betriebsfehler. Effektiver ist es, wenn das Unternehmen eine zyklische Kontrolle einführt: Häufigere Überprüfung von hochpreisigen, schnell drehenden, viele Reklamationen verursachenden oder häufig bewegten Artikeln.

Das Ziel der Kontrolle ist nicht, einen Schuldigen zu finden, sondern ein Muster zu erkennen. Wenn in derselben Zone, Schicht oder Produktgruppe wiederholt Abweichungen auftreten, liegt das Problem wahrscheinlich in der eingerichteten Arbeitsweise, der Standortkennzeichnung oder der Systemlogik.

Nützlich können auch Ausnahmereports sein, die nicht alle Daten anzeigen, sondern nur verdächtige Fälle. Dazu gehören negativer Bestand, signifikante Korrekturen ohne Bestandsbewegung, lange gesperrte Ware, kleine Mengen an mehreren Standorten verteilt oder als null Bestand verkaufte Produkte. Ein guter Ausnahmereport lenkt die Aufmerksamkeit des Leiters dorthin, wo eine Entscheidung erforderlich ist.

Machen Sie Verantwortung und Änderungsprozess klar

Die Qualität der Bestandsdaten ist eine gemeinsame Angelegenheit, aber dennoch darf sie nicht führungslos sein. Es muss eindeutig festgelegt werden, wer für den Artikelstamm verantwortlich ist, wer Standortänderungen genehmigen darf, wer Bestandskorrekturen vornehmen kann und wer wiederkehrende Abweichungen untersucht.

Bei den Korrekturberechtigungen sollte ein Gleichgewicht gefunden werden. Wenn zu viele Personen Änderungen vornehmen können, verlieren die Daten schnell ihre Nachvollziehbarkeit. Wenn jedoch jede kleine Korrektur mehrere Genehmigungen erfordert, bleibt die Abweichung zwischen physischem und Systembestand tagelang bestehen. Die beste Lösung ist in der Regel an Wertgrenzen, Abweichungstypen und dokumentierte Begründungen gebunden.

Auch für die Verwaltung von Änderungen ist gesorgt. Bei der Einführung eines neuen Produkts, einer neuen Verpackungseinheit, eines neuen Lagerplatzes oder eines neuen Vertriebskanals muss auch die Datenstruktur überprüft werden. Viele Bestandsprobleme resultieren nicht aus der täglichen Arbeit, sondern aus einer zuvor unüberlegt durchgeführten Änderung.

Messen Sie, was den Betrieb beeinflusst

Der prozentuale Indikator der Bestandsgenauigkeit ist nützlich, kann aber zu allgemein sein. Eine Genauigkeit von 98 Prozent kann verbergen, dass gerade die Daten der zwanzig wichtigsten Produkte unsicher sind. Die Messung sollte daher die geschäftlichen Prioritäten widerspiegeln.

Für die Führung kann der Wert der Abweichungen, die Anzahl der aufgrund von Bestandsmangel nicht erfüllten Bestellungen, die Häufigkeit manueller Korrekturen, der Trend der Inventurdifferenzen oder die Menge der aufgrund von Bestandsinformationen initiierten dringenden Beschaffungen wertvoller sein. Diese zeigen, dass Datenqualität keine IT-Nebensache ist, sondern ein Faktor, der das Serviceniveau, das Bargeld und die Kapazität beeinflusst.

Wenn die Ursachen des Problems klar sind, kann entschieden werden, ob Barcode-Identifikation, Systemintegration, eine neue Lageranwendung oder gezielte Automatisierung erforderlich ist. Bis dahin kann die Technologie leicht nur dieselben fehlerhaften Informationen schneller weiterleiten.

Gute Lagerdaten sind nicht deshalb zuverlässig, weil mehr Berichte darüber erstellt werden. Sie sind es, weil die physische Bewegung, die Verantwortung und das im System erfasste Ereignis auf dieselbe Realität hinweisen. Es ist sinnvoll, mit einer einzigen, häufig wiederkehrenden Abweichung zu beginnen, ihren Weg zu verfolgen und dann den Prozess so zu verbessern, dass die nächste Schicht nicht denselben Fehler erneut lösen muss.