Zwei Fehlschläge, eine Ursache: der Bestseller, der in Woche zwei ausverkauft war, und die Palette von etwas anderem, die im März noch im Lager steht. Beides sind Prognosefragen, und beide werden verschoben, weil eine Absatzprognose nach einer Aufgabe für jemanden klingt, den es im Shop nicht gibt.
Für den größten Teil des Nutzens braucht es diese Person nicht. Es braucht genug Historie, um ein Muster zu sehen, eine Methode, die Sie wirklich verstehen, und eine Regel fürs Nachbestellen. Genau das steht hier — inklusive der Rechnung, und der Stelle, an der Absatzprognose Software ihr Geld verdient.
Eine Prognose ist eine Tabelle: was verkauft wurde, was kommt, und wann Sie leer sind.
Absatzprognose Definition: die Schätzung, wie viele Einheiten Sie in einem künftigen Zeitraum verkaufen, damit Sie die richtige Menge zum richtigen Zeitpunkt einkaufen. Mehr ist es nicht. Es ist keine Vorhersage der Zukunft im großen Sinn, sondern eine Schätzung mit einer Fehlerspanne — und die Fehlerspanne ist der nützliche Teil.
Die meisten Texte über Absatzprognose Methoden listen ein Dutzend Verfahren nach Komplexität — und so endet ein Händler damit, keines anzuwenden. Drei genügen, alle mit Tabellenkalkulation und Ihrer Bestellhistorie machbar. Nehmen Sie die einfachste, die besser ist als Raten.
Konkret zum Absatzprognose berechnen für einen Artikel: Wocheneinheiten der letzten acht Wochen nehmen, die letzten zwei doppelt gewichten — das ist die nächste Woche. Mit der Lieferzeit in Wochen multiplizieren, ein bis zwei Wochen Puffer für schwer nachbestellbare Ware addieren, mit dem Bestand vergleichen. Diese Zahl, nicht die Prognose, ist das Ergebnis, auf das Sie handeln. Für Ihre zehn wichtigsten Artikel gemacht, ist der Großteil des Umsatzes abgedeckt.
Der Grund, von Hand anzufangen: Sie lernen Ihren eigenen Fehler kennen. Nach einem Monat wissen Sie, welche Artikel prognostizierbar sind und welche nicht — und dieses Wissen macht jedes Werkzeug später nützlich statt nur beeindruckend.
Prognosen werden einmal gelesen, Meldungen werden bearbeitet. Praktisch geht es darum, den Ausverkauf früh genug zu erkennen, dass die Nachbestellung rechtzeitig ankommt: die Meldung muss auslösen, wenn „Bestand ÷ prognostizierter Wochenabsatz < Lieferzeit“ gilt — nicht am Tag des leeren Regals.
Nicht „ausverkauft“, sondern „in elf Tagen ausverkauft, und Ihr Lieferant braucht vierzehn“.
Zwei Dinge machen diese Meldung glaubwürdig: die Lieferzeit je Lieferant statt eines globalen Werts, und Schweigen bei Artikeln, deren Ausverkauf nichts kostet.
Absatzprognose KI wird als Sprung verkauft und ist besser als Aufwandsersparnis zu verstehen. Ein Modell gewichtet Saisonalität, Trend und Aktionen gleichzeitig über den ganzen Katalog, ohne dass jemand eine Tabelle pro Artikel pflegt. Das ist echten Wert wert — und eine andere Aussage als „genauer“: bei einem gleichmäßigen Artikel mit zwei Jahren sauberer Historie ist ein gewichteter Durchschnitt schwer zu schlagen.
Die Spanne ist der ehrliche Teil: breit heißt „vorsichtig bestellen“, nicht „Werkzeug kaputt“.
Der Wechsel von der Tabelle zur Absatzprognose Software ist keine Genauigkeitsfrage, sondern eine Frage der Entscheidungen pro Woche — und ob sie überhaupt jemand trifft. Vier Anzeichen:
Trifft nichts davon zu, bleiben Sie bei der Tabelle. Auf dieser Linie steht der Agent Bedarfsprognose in AllHub: er prognostiziert aus der Verkaufshistorie, die Ihr Shop ohnehin hat, zeigt die Spanne statt einer selbstsicheren Zahl, und meldet den Nachbestellzeitpunkt, bevor das Regal leer ist.
Prognostizieren ist kein Data-Science-Projekt, für das Sie nicht qualifiziert wären. Es ist eine wöchentliche Gewohnheit mit drei Eingaben: was verkauft wurde, wie lange Ihr Lieferant braucht, und was ein Ausverkauf kostet. Machen Sie es einen Monat von Hand für Ihre zehn wichtigsten Artikel — danach wissen Sie genau, was Sie automatisieren wollen.
Für einen nie ausverkauften Bestseller braucht es keinen Data Scientist. Es braucht den Meldebestand und jemanden, der Bescheid sagt, bevor Sie ihn unterschreiten — mehr tut der Agent Bedarfsprognose nicht.
Geschrieben von AllHub Team · AI Agents for Ecommerce
We build the AI agent team that sells, supports and grows ecommerce stores — EU-hosted, GDPR-first.
Drei Wege zu wissen, was der Wettbewerb verlangt: selbst bauen, mieten oder einem Agenten überlassen. Sie scheitern unterschiedlich — und nur einer hört auf, täglich Aufmerksamkeit zu kosten.
Auf den ersten Blick denkt man: noch ein Chat-Fenster, das mich nicht versteht. Die Technik hat aber einen entscheidenden Sprung gemacht — vom Antworten zum Verkaufen.
