Wie modelliert man die Variabilität der Durchlaufzeiten und setzt Sicherheitsbestände für Modeprodukte?

Modeunternehmen verloren 2025 und Anfang 2026 Umsatz und Marge, weil sie zu wenig Bestand an Trendartikeln und zu viel an langsam verkauften Artikeln hielten. Die Grundursache ist oft ein Versäumnis, die Variabilität der Durchlaufzeit zu modellieren. Wenn Lieferanten verspätet oder zu früh liefern, trifft der Bestand nicht synchron mit der Nachfrage ein, dennoch setzen viele Händler den Pufferbestand immer noch anhand einfacher Faustregeln statt statistischer Methoden fest.

Die Variabilität der Durchlaufzeit ist heute wichtiger, weil Lieferketten in der Modebranche länger und weniger vorhersehbar geworden sind. Eine Umfrage unter Supply-Chain-Fachleuten, die Anfang 2025 veröffentlicht wurde, ergab, dass die Volatilität der Lieferantendurchlaufzeiten im Vergleich zu den Werten vor der Pandemie erhöht blieb, bedingt durch Hafenstaus, Schwankungen der Transportkapazitäten und geopolitische Unsicherheit. Gleichzeitig erwarten Verbraucher Verfügbarkeit trotz kürzerer Produktlebenszyklen. Die Modellierung dieser Variabilität und deren Umsetzung in Sicherheitsbestandsniveaus ist für wettbewerbsfähige Modeunternehmen nicht mehr optional.

Dieser Artikel erklärt, wie man die Standardabweichung der Durchlaufzeit aus historischen Versanddaten berechnet, sie in weit verbreiteten Sicherheitsbestandsformeln anwendet und diese Formeln für saisonale Nachfragespitzen und Unterschiede in der Lieferantenzuverlässigkeit anpasst. Er stützt sich auf aktuelle Unternehmensveröffentlichungen, Lieferkettenforschung und Branchenpraxis, um einen praktischen Fahrplan für Merchandising-, Planungs- und Lieferkettenteams zu bieten.

Was ist Variabilität der Durchlaufzeit und warum ist sie wichtig?

Variabilität der Durchlaufzeit ist das Mass, in dem tatsächliche Lieferzeiten von der geplanten oder durchschnittlichen Durchlaufzeit abweichen. In statistischen Begriffen wird sie durch die Standardabweichung der Durchlaufzeiten über eine Stichprobe von Sendungen gemessen. Ein Lieferant mit einer mittleren Durchlaufzeit von 60 Tagen und einer Standardabweichung von 3 Tagen ist weitaus vorhersehbarer als einer mit einer mittleren Durchlaufzeit von 60 Tagen und einer Standardabweichung von 15 Tagen.

Hohe Variabilität zwingt Unternehmen, mehr Sicherheitsbestand zu halten, um Serviceniveaus aufrechtzuerhalten, was Betriebskapital und Lagerraum bindet. Niedrige Variabilität ermöglicht schlankere Puffer und schnellere Lagerumschläge. Bei Modeprodukten mit kurzen Verkaufsfenstern können verspätete Lieferungen verpasste Preisreduktionsfenster und verlorene Vollpreisumsätze bedeuten, während frühe Lieferungen Lagerkosten und Veralterungsrisiken schaffen.

Wie berechnet man die Standardabweichung der Durchlaufzeit?

Der erste Schritt besteht darin, historische Versandunterlagen aus dem Enterprise-Resource-Planning- oder Supply-Chain-Management-System zu extrahieren. Für jede Bestellung oder Sendung erfasst man die geplante Durchlaufzeit und die tatsächliche Durchlaufzeit, gemessen in Tagen von der Bestellaufgabe bis zum Wareneingang im Lager oder Distributionszentrum. Eine robuste Stichprobe erfordert mindestens 30 Beobachtungen pro Lieferant oder Produktkategorie, um statistische Zuverlässigkeit zu erreichen.

Als Nächstes berechnet man die mittlere Durchlaufzeit, indem man alle tatsächlichen Durchlaufzeiten addiert und durch die Anzahl der Sendungen teilt. Dann berechnet man die Varianz, indem man jede Durchlaufzeit nimmt, den Mittelwert subtrahiert, das Ergebnis quadriert, diese quadrierten Differenzen addiert und durch die Stichprobengrösse minus eins teilt. Die Standardabweichung ist die Quadratwurzel der Varianz. Die meisten Tabellenkalkulations- und Analysewerkzeuge bieten eingebaute Funktionen für die Standardabweichung, typischerweise als STDEV.S für die Stichprobenstandardabweichung bezeichnet.

Es ist wichtig, die Daten zu segmentieren. Ein Unternehmen, das Baumwoll-Jersey-T-Shirts aus Bangladesch und Seidenblusen aus Italien bezieht, sollte separate Standardabweichungen für jedes Lieferantenland, jede Produktkategorie oder jeden Versandmodus berechnen. Das Mischen von Luftfracht- und Seefracht-Durchlaufzeiten in einer Berechnung wird die wahre Variabilität jedes Kanals verschleiern. Saisonalität ist ebenfalls wichtig. Durchlaufzeiten für Frühling-Sommer-Bestellungen, die im Herbst aufgegeben werden, können sich anders verhalten als solche, die während der Hochbelastungsperiode der Fabriken vor dem Mondneujahr aufgegeben werden.

Welche Sicherheitsbestandsformel sollten Modeunternehmen verwenden?

Die am weitesten verbreitete Formel für den Sicherheitsbestand berücksichtigt sowohl die Variabilität der Nachfrage als auch die Variabilität der Durchlaufzeit. Sie hat die Form: Sicherheitsbestand ist gleich dem Servicegradfaktor (Z-Wert) multipliziert mit der Quadratwurzel der Summe zweier Varianzkomponenten. Die erste Komponente ist die Durchlaufzeitvarianz multipliziert mit dem Quadrat der durchschnittlichen Nachfrage pro Periode. Die zweite Komponente ist die durchschnittliche Durchlaufzeit multipliziert mit dem Quadrat der Standardabweichung der Nachfrage pro Periode.

In mathematischer Notation wird dies oft als Z mal die Quadratwurzel von ((Durchlaufzeitvarianz mal durchschnittliche Nachfrage im Quadrat) plus (durchschnittliche Durchlaufzeit mal Nachfragevarianz)) geschrieben. Der Z-Wert entspricht dem gewünschten Serviceniveau. Für ein Lagerverfügbarkeitsziel von 95 Prozent beträgt Z ungefähr 1,65. Für 99 Prozent beträgt Z ungefähr 2,33. Höhere Serviceniveaus erfordern exponentiell mehr Sicherheitsbestand.

Eine alternative, einfachere Formel wird manchmal verwendet, wenn die Nachfrage relativ stabil ist und die Variabilität der Durchlaufzeit dominiert. In diesem Fall ist der Sicherheitsbestand gleich Z mal Nachfrage pro Tag mal Standardabweichung der Durchlaufzeit. Diese Abkürzung ist für Basisartikel mit stetigem Absatz geeignet, ist aber für Modeprodukte mit volatiler wöchentlicher Nachfrage weniger genau.

Modeunternehmen sollten beide Formeln an historischen Daten testen und vorhergesagte Serviceniveaus mit tatsächlichen Fehlbeständen vergleichen. Die vollständige Formel, die sowohl Nachfrage- als auch Durchlaufzeitvarianz einbezieht, schneidet typischerweise besser für trendgetriebene Kategorien ab, während die vereinfachte Formel für Basisartikel wie einfarbige Baumwoll-T-Shirts oder einfarbige Socken ausreichen kann.

Wie passt man den Sicherheitsbestand für Saisonalität an?

Saisonale Modeprodukte stellen eine Herausforderung dar, weil sich sowohl das Nachfrage- als auch das Durchlaufzeitverhalten im Laufe des Jahres ändern. Ein Wollmantel kann im November 500 Einheiten pro Woche verkaufen, aber nur 50 Einheiten pro Woche im März. Durchlaufzeiten von Lieferanten schwanken ebenfalls, wenn Fabriken die Produktion für die Saison hoch- oder herunterfahren.

Die Lösung besteht darin, zeitvariablen Sicherheitsbestand statt eines einzigen jährlichen Puffers zu berechnen. Man teilt den Verkaufskalender in Perioden, die mit den Nachfragemustern übereinstimmen, wie etwa monatliche oder zweiwöchentliche Intervalle. Für jede Periode berechnet man die erwartete Nachfrage und die Standardabweichung der Nachfrage anhand der Verkaufshistorie aus derselben Periode in Vorjahren. Dann wendet man die Sicherheitsbestandsformel separat für jede Periode an, wobei die Standardabweichung der Durchlaufzeit verwendet wird, die für Bestellungen beobachtet wurde, die in diesem Zeitfenster eintrafen.

Dieser Ansatz erfordert mehr Datenverwaltung, vermeidet aber die doppelte Falle der Unterbevorratung während Spitzenwochen und der Überbevorratung während schwacher Wochen. Er ermöglicht es Planern auch, unterschiedliche Serviceniveauziele nach Periode festzulegen. Ein Einzelhändler könnte eine Lagerverfügbarkeit von 98 Prozent während der vier Wochen vor Weihnachten anstreben, aber im langsameren Januar 90 Prozent akzeptieren, um Kapital und Platz freizusetzen.

Eine praktische Verfeinerung besteht darin, eine rollende Nachfrageprognose statt statischer historischer Durchschnittswerte zu verwenden. Wenn sich ein Trend abzeichnet, der die erwarteten wöchentlichen Verkäufe für einen bestimmten Stil steigert, sollte die Sicherheitsbestandsberechnung den aktualisierten Nachfragemittelwert und die Varianz widerspiegeln, anstatt sich ausschliesslich auf die Daten des Vorjahres zu verlassen.

Wie sollten Unternehmen Unterschiede in der Lieferantenzuverlässigkeit berücksichtigen?

Nicht alle Lieferanten weisen dieselbe Variabilität der Durchlaufzeit auf. Eine Tier-1-Fabrik mit robusten Planungssystemen und dedizierter Kapazität kann konsistent innerhalb eines Drei-Tage-Fensters liefern, während ein kleinerer Subunternehmer je nach Arbeitsverfügbarkeit und Rohstoffmangel um zwei Wochen schwanken kann. Alle Lieferanten in Sicherheitsbestandsberechnungen identisch zu behandeln, setzt Unternehmen den am wenigsten zuverlässigen Lieferanten aus.

Best Practice ist die Führung einer Lieferanten-Scorecard, die für jeden Lieferanten die pünktliche Lieferrate, den Mittelwert der Durchlaufzeit und die Standardabweichung der Durchlaufzeit verfolgt. Diese Kennzahlen sollten vierteljährlich oder nach jedem grösseren Lieferfenster aktualisiert werden. Dann segmentiert man den Sicherheitsbestand nach Lieferant. Produkte, die von Lieferanten mit hoher Variabilität bezogen werden, erfordern grössere Puffer, während solche von zuverlässigen Partnern schlanker geführt werden können.

Einige Unternehmen beziehen auch Qualitätsmängelraten in die Sicherheitsbestandslogik ein. Wenn ein Lieferant eine Historie von Sendungen hat, die bei der Qualitätskontrolle abgelehnt wurden, erhöht sich die effektive Durchlaufzeit, weil Ersatzware bestellt und versendet werden muss. In diesem Fall sollte die Durchlaufzeitverteilung angepasst werden, um die wahrscheinlichkeitsgewichtete Verzögerung durch Nacharbeit oder Neubeschaffung zu reflektieren.

Eine weitere Dimension ist das geopolitische und logistische Risiko. Sendungen aus Regionen, die Hafenstreiks, Zollverzögerungen oder handelspolitischer Unsicherheit unterliegen, können eine Risikoprämie in der Sicherheitsbestandsberechnung rechtfertigen, selbst wenn die jüngsten Lieferungen pünktlich waren. Dies ist eine Ermessensentscheidung, aber viele Lieferkettenteams fügen einen Puffer von 10 bis 20 Prozent zur Standardabweichung der Durchlaufzeit für Hochrisikokorridore hinzu.

Was hat Inditex getan, um das Durchlaufzeitrisiko im Jahr 2025 zu managen?

Inditex berichtete in seinen Ergebnissen für 2024, die im März 2025 veröffentlicht wurden, dass das Unternehmen die durchschnittlichen Durchlaufzeiten reduziert und den Anteil der saisonalen Produktion erhöht habe, um schneller auf Kundennachfrage zu reagieren. Das Unternehmen erklärte, dass Nahbeschaffung und digitale Integration mit Lieferanten es ermöglichten, Geschäfte häufiger und mit kleineren Chargen aufzufüllen. Obwohl Inditex die spezifischen Sicherheitsbestandsformeln, die es verwendet, nicht offenlegte, stimmt die Betonung der Durchlaufzeitreduktion und agilen Wiederauffüllung mit dem Prinzip überein, die Variabilität der Durchlaufzeit zu senken, um den Pufferbestand zu minimieren.

Inditex hob auch Investitionen in Bestandsoptimierungswerkzeuge und Echtzeit-Nachfrageerfassung hervor. Durch die wöchentliche oder sogar tägliche Aktualisierung von Nachfrageprognosen kann das Unternehmen den Sicherheitsbestand dynamisch anpassen, anstatt sich auf statische saisonale Puffer zu verlassen. Dieser Ansatz spiegelt die zuvor beschriebene Methode des zeitvariablen Sicherheitsbestands wider und zeigt, dass selbst Fast-Fashion-Marktführer mit kurzen Durchlaufzeiten weiterhin der Verwaltung von Variabilität Priorität einräumen, um sowohl Fehlbestände als auch Überbestände zu vermeiden.

Was sind die Risiken und Einschränkungen dieser Modelle?

Statistische Sicherheitsbestandsformeln beruhen auf Annahmen, die in der Praxis möglicherweise nicht zutreffen. Die häufigste Annahme ist, dass Nachfrage und Durchlaufzeiten Normalverteilungen folgen. In Wirklichkeit zeigt die Nachfrage in der Modebranche oft Schiefe, mit gelegentlichen viralen Hits oder Influencer-getriebenen Spitzen, die den Mittelwert weit überschreiten. Durchlaufzeiten können auch dicke Enden aufweisen, bei denen seltene, aber schwere Verzögerungen häufiger auftreten, als eine Normalverteilung vorhersagt. Wenn diese Annahmen zusammenbrechen, unterschätzen die Formeln den erforderlichen Sicherheitsbestand und die Serviceniveaus bleiben hinter den Zielen zurück.

Eine weitere Einschränkung ist die Datenqualität. Vielen Modeunternehmen fehlen saubere, granulare Aufzeichnungen der tatsächlichen Durchlaufzeiten, insbesondere wenn Bestellungen auf mehrere Sendungen aufgeteilt werden oder wenn Waren über Zwischenhändler und Konsolidierungszentren bewegt werden. Wenn die Daten verrauscht oder unvollständig sind, wird die berechnete Standardabweichung unzuverlässig sein. Müll rein, Müll raus gilt vollständig für die Bestandsmodellierung.

Es besteht auch eine Spannung zwischen Optimierung und Resilienz. Schlanker Sicherheitsbestand reduziert Betriebskapital und Lagerkosten, lässt aber wenig Spielraum für Fehler. In einer Welt wiederkehrender Lieferkettenschocks, von Pandemie-Lockdowns über Suezkanal-Blockaden bis hin zu extremen Wetterstörungen, halten einige Unternehmen bewusst mehr Pufferbestand, als die Formeln nahelegen, und behandeln den Bestand als Versicherung. Dies stellt eine strategische Entscheidung dar, die die statistischen Modelle allein nicht lösen können.

Schliesslich eliminieren Sicherheitsbestandsberechnungen nicht die Notwendigkeit menschlichen Urteilsvermögens. Planer müssen immer noch entscheiden, welches Serviceniveau sie anstreben, wie sie Produkte und Lieferanten segmentieren und wann sie die Formel aufgrund von Marktinformationen überschreiben. Ein Modell könnte empfehlen, den Sicherheitsbestand für einen sich langsam bewegenden Artikel zu reduzieren, aber wenn das Merchandising-Team aufgrund einer Promi-Empfehlung oder eines Trendsignals eine Wiederbelebung erwartet, sollte der Planer den Bestand halten. Die Formeln sind Entscheidungsunterstützungswerkzeuge, keine Autopiloten.

Wie beeinflusst die Wahl des Serviceniveaus den Sicherheitsbestand?

Das Serviceniveau, ausgedrückt als Prozentsatz, stellt die Wahrscheinlichkeit dar, dass die Nachfrage während der Durchlaufzeit den verfügbaren Bestand nicht übersteigt. Ein Serviceniveau von 95 Prozent bedeutet, dass das Unternehmen ein 5-Prozent-Risiko eines Fehlbestands akzeptiert. Der Z-Wert in der Sicherheitsbestandsformel übersetzt diesen Prozentsatz in einen Multiplikator. Bei 90 Prozent beträgt Z ungefähr 1,28. Bei 95 Prozent beträgt Z 1,65. Bei 99 Prozent beträgt Z 2,33. Bei 99,9 Prozent springt Z auf 3,09.

Da der Sicherheitsbestand linear mit Z wächst, aber Z nichtlinear mit dem Serviceniveau wächst, wird jeder zusätzliche Prozentpunkt an Verfügbarkeit exponentiell teurer. Der Übergang von 95 auf 99 Prozent Serviceniveau erfordert oft 40 Prozent mehr Sicherheitsbestand. Deshalb übernehmen viele Modeunternehmen abgestufte Serviceziele statt eines einzigen unternehmensweiten Ziels. Kernbestseller und saisonale Heldenartikel erhalten Ziele von 98 oder 99 Prozent, während sich Langsamdreher und Übertragsstile bei 90 oder 92 Prozent befinden.

Der Kompromiss besteht zwischen den Kosten des Lagerhaltens und den Kosten eines Fehlbestands. Bei hochmargigen Luxusartikeln oder limitierten Kooperationen kann ein Fehlbestand dauerhaft verlorene Einnahmen und Markenschäden bedeuten, was sehr hohen Sicherheitsbestand rechtfertigt. Bei Massenware, die mit dünnen Margen verkauft wird, können die Kosten von Überbestand die verlorenen Gewinne aus einem gelegentlichen Fehlbestand überwiegen, was auf ein niedrigeres Ziel hinweist. Diese Entscheidungen obliegen dem Vertriebsteam, informiert durch den finanziellen und strategischen Kontext.

Was sollten Modeunternehmen jetzt tun?

1. Datenqualität der Sendungen prüfen. Extrahieren Sie die Bestellungen und Wareneingänge der letzten 12 Monate, überprüfen Sie, dass geplante und tatsächliche Durchlaufzeiten konsistent erfasst sind, und bereinigen Sie alle doppelten oder fehlenden Aufzeichnungen, bevor Sie Statistiken berechnen.
2. Lieferanten nach Variabilität segmentieren. Berechnen Sie Mittelwert und Standardabweichung der Durchlaufzeit für jeden grösseren Lieferanten oder jedes Lieferantenland, ordnen Sie sie nach Volatilität und kennzeichnen Sie Hochrisikolieferanten für Sicherheitsbestandsprämien oder Beschaffungsdiversifikation.
3. Zeitvariable Puffer implementieren. Teilen Sie den Kalender in Perioden, die zu Ihrem Produktlebenszyklus und Ihren Nachfragemustern passen, berechnen Sie separate Sicherheitsbestandsniveaus für jede Periode und aktualisieren Sie sie vierteljährlich, wenn neue Verkaufsdaten eintreffen.
4. Formeln anhand der Historie testen. Testen Sie die vollständige Sicherheitsbestandsformel und die vereinfachte Version an vergangenen Saisons, messen Sie tatsächliche Serviceniveaus und Fehlbestandsraten und wählen Sie die Formel, die am besten zu Ihrer Zielleistung passt.
5. Risikoprämien einbeziehen. Für Lieferanten oder Versandwege, die geopolitischer Unsicherheit, Hafenstaus oder Qualitätsproblemen unterliegen, fügen Sie 10 bis 20 Prozent zur Standardabweichung der Durchlaufzeit hinzu, um Tail-Risiken zu reflektieren, die in aktuellen Daten nicht sichtbar sind.
6. Wo möglich automatisieren. Integrieren Sie Sicherheitsbestandsberechnungen in Ihr Nachfrageplanungs- oder Bestandsverwaltungssystem, sodass sich Puffer automatisch aktualisieren, wenn neue Sendungen eintreffen und sich Nachfrageprognosen ändern, was manuelle Tabellenarbeit reduziert.
7. Serviceniveauziele überprüfen. Richten Sie Lagerverfügbarkeitsziele an Marge und Strategie aus. Setzen Sie höhere Serviceniveaus für Vollpreis-Heldenprodukte und Neueinführungen an und akzeptieren Sie niedrigere Ziele für Ausverkaufs- oder margenschwache Basisartikel, um die Kapitalallokation zu optimieren.