Welche Lagerkennzahlen zeigen echte Prozessprobleme?

Echte Prozessprobleme im Lager lassen sich vor allem an Kennzahlen erkennen, die Durchlaufzeiten, Wartezeiten, Fehlerquoten und unnötige Warenbewegungen sichtbar machen. Dabei ist nicht jede auffällige Kennzahl automatisch ein Problem. Erst die Kombination mehrerer Lagerkennzahlen (KPIs) zeigt, ob beispielsweise die Kommissionierung ineffizient arbeitet, Lagerplätze ungünstig organisiert sind oder interne Materialflüsse ins Stocken geraten.

Durchlaufzeiten zeigen, wo Waren liegen bleiben

Eine der aussagekräftigsten Lagerkennzahlen ist die Durchlaufzeit. Sie beschreibt, wie lange ein Vorgang vom definierten Startpunkt bis zum Abschluss benötigt.

Im Wareneingang kann beispielsweise gemessen werden, wie viel Zeit zwischen der Anlieferung und der tatsächlichen Einlagerung vergeht. In der Kommissionierung ist dagegen die Zeit zwischen Auftragsfreigabe und vollständiger Bereitstellung relevant.

Besonders interessant wird die Kennzahl, wenn die einzelnen Prozessabschnitte getrennt betrachtet werden. Dauert die eigentliche Einlagerung nur wenige Minuten, während die Ware zuvor mehrere Stunden auf eine Lagerplatzzuweisung wartet, liegt das Problem offensichtlich nicht bei der Fahrleistung des Staplerfahrers.

Durchlaufzeiten sollten deshalb möglichst nach Artikelgruppen, Auftragsarten und Schichten ausgewertet werden. Ein einzelner Durchschnittswert kann erhebliche Unterschiede verdecken.

Kommissionierleistung allein sagt wenig über Effizienz aus

Die Anzahl kommissionierter Positionen pro Stunde gehört zu den klassischen Lager-KPIs. Allerdings kann eine steigende Pickleistung täuschen.

Werden überwiegend leicht zugängliche Artikel bearbeitet, erhöht sich die Leistung möglicherweise ohne jede Prozessverbesserung. Müssen Mitarbeiter dagegen viele Einzelpositionen aus unterschiedlichen Lagerzonen zusammenstellen, sinkt der Wert trotz unveränderter Arbeitsqualität.

Aussagekräftiger ist die Kombination aus Pickleistung, Fehlerquote und durchschnittlicher Wegstrecke pro Auftrag.

Steigt beispielsweise die Anzahl der Picks, während gleichzeitig mehr Fehlkommissionierungen auftreten, kann dies auf Zeitdruck, ungeeignete Lagerplatzkennzeichnungen oder unzureichende Prüfmechanismen hinweisen.

Die Kennzahl sollte daher immer im Zusammenhang mit der tatsächlichen Auftragsstruktur bewertet werden.

Nachschubverzögerungen machen Versorgungsprobleme sichtbar

Ein häufig unterschätzter KPI ist die Zeit, die zwischen einer Nachschubanforderung und der tatsächlichen Bereitstellung am Kommissionierplatz vergeht.

In Distributionslagern mit getrennten Reserve- und Pickbereichen kann ein verspäteter Nachschub ganze Auftragswellen verzögern. Die Kommissionierer sind verfügbar, können ihre Arbeit aber nicht fortsetzen, weil benötigte Artikel noch auf Paletten im Reservelager stehen.

Neben der durchschnittlichen Nachschubdauer ist deshalb der Anteil der Aufträge interessant, die aufgrund fehlender Ware am Pickplatz unterbrochen werden.

Treten solche Unterbrechungen regelmäßig bei denselben Artikeln auf, sollten Mindestbestände, Nachschubauslöser und die Dimensionierung der Kommissionierplätze überprüft werden.

Bestandsgenauigkeit deckt Fehler in der Buchungsdisziplin auf

Eine hohe Bestandsmenge bedeutet wenig, wenn die Angaben im Lagerverwaltungssystem nicht mit der Realität übereinstimmen.

Die Bestandsgenauigkeit beschreibt, wie zuverlässig der dokumentierte Bestand mit dem tatsächlich vorhandenen Bestand übereinstimmt. Dabei sollte zwischen Mengenabweichungen und falschen Lagerplatzzuordnungen unterschieden werden.

Ein Beispiel: Im System sind 200 Einheiten eines Artikels hinterlegt. Die Gesamtmenge stimmt zwar, allerdings befinden sich 40 Einheiten an einem anderen Lagerplatz als angegeben. Für die Inventur ist der Bestand möglicherweise korrekt, für die Kommissionierung entsteht trotzdem zusätzlicher Suchaufwand.

Wiederkehrende Differenzen nach bestimmten Buchungsarten können auf fehlerhafte Umlagerungen, nicht dokumentierte Entnahmen oder unzureichende Wareneingangskontrollen hinweisen.

Process Mining erkennt unnötige Prozessschleifen

Klassische Lagerkennzahlen zeigen, wie häufig oder wie lange etwas passiert. Process Mining untersucht zusätzlich, in welcher Reihenfolge die einzelnen Arbeitsschritte tatsächlich ablaufen.

Dafür werden digitale Ereignisdaten mit Vorgangskennungen, Aktivitäten und Zeitstempeln ausgewertet. Auf dieser Grundlage lassen sich Prozessvarianten und Abweichungen vom vorgesehenen Ablauf rekonstruieren.

Ein Lager könnte beispielsweise feststellen, dass bestimmte Wareneingänge regelmäßig mehrfach umgelagert werden, bevor sie ihren endgültigen Lagerplatz erreichen. Eine klassische KPI-Auswertung zeigt möglicherweise nur eine erhöhte Anzahl von Umlagerungen.

Process Mining macht dagegen sichtbar, welche Prozessschritte diese zusätzlichen Bewegungen verursachen und wie viel Zeit dadurch verloren geht.

Besonders wertvoll ist die Technologie bei komplexen Lagerabläufen mit mehreren beteiligten Bereichen.

Business Intelligence verbindet Kennzahlen zu einem Gesamtbild

Business Intelligence (BI) ermöglicht es, unterschiedliche Lagerkennzahlen in Dashboards zusammenzuführen und zeitliche Entwicklungen zu vergleichen.

Ein Lagerleiter kann beispielsweise erkennen, dass die Kommissionierleistung sinkt, während gleichzeitig die Nachschubdauer und die Anzahl kurzfristiger Umlagerungen steigen. Erst diese Zusammenhänge liefern einen konkreten Ansatzpunkt für die Ursachenanalyse.

Dabei sollten Kennzahlen nicht ausschließlich auf Tagesbasis betrachtet werden. Vergleiche zwischen Schichten, Wochentagen und Auftragsarten helfen, wiederkehrende Muster von einmaligen Ausreißern zu unterscheiden.

Wichtig ist außerdem, Veränderungen bei Auftragsmengen oder Artikelstrukturen zu berücksichtigen. Andernfalls können normale Belastungsschwankungen fälschlicherweise als Prozessprobleme interpretiert werden.

Forecasting macht aus Kennzahlen eine vorausschauende Planung

Während BI und Process Mining vor allem bestehende Entwicklungen und Abläufe untersuchen, ergänzt Forecasting die Analyse um zukünftige Erwartungen.

Historische Auftrags-, Bestands- und Bewegungsdaten können beispielsweise genutzt werden, um kommende Kommissioniermengen oder Nachschubbedarfe zu prognostizieren.

Zeigen die Prognosen für bestimmte Tage eine hohe Auftragsbelastung, können Lagerverantwortliche frühzeitig Personal, Kommissionierkapazitäten und Materialbereitstellung darauf abstimmen.

Die Prognose ersetzt jedoch keine operative Kontrolle. Erst der regelmäßige Vergleich zwischen erwarteten und tatsächlichen Werten zeigt, ob Planungsannahmen angepasst werden müssen.

Entscheidend ist die Ursache hinter der Kennzahl

Eine einzelne Lagerkennzahl liefert selten eine vollständige Erklärung. Hohe Durchlaufzeiten können durch fehlendes Personal, ungünstige Lagerplätze oder verspäteten Nachschub entstehen. Sinkende Kommissionierleistungen können wiederum auf veränderte Auftragsstrukturen zurückzuführen sein.

Aussagekräftige Lageranalysen verbinden deshalb operative KPIs mit Prozessdaten und berücksichtigen die jeweiligen Rahmenbedingungen. Unternehmen können so gezielt dort eingreifen, wo tatsächlich Zeit, Kapazität oder Qualität verloren gehen.