Mit den richtigen Warehouse KPIs Bottlenecks erkennen: Durchsatz, Wartezeiten, Auslastung und Bestandsqualität analysieren und Lagerprozesse verbessern.
Bottlenecks im Lager sind Engpässe, die den Gesamtdurchsatz eines Prozesses begrenzen. Sie werden oft erst sichtbar, wenn Aufträge liegen bleiben, Rückstände entstehen oder Mitarbeitende kurzfristig umverteilt werden müssen. Die Ursache liegt dabei häufig nicht im zuletzt sichtbaren Prozessschritt, sondern weiter vorne in der Kette.
Ein Stau in der Kommissionierung kann zum Beispiel durch fehlenden Nachschub, unklare Prioritäten oder Verzögerungen im Wareneingang ausgelöst werden. Für Logistikverantwortliche in mittelgroßen Lagern ist deshalb nicht die isolierte Betrachtung einzelner Arbeitsplätze entscheidend, sondern der Blick auf den gesamten Material- und Informationsfluss.
Dieser Artikel zeigt:
Management Summary
Bottlenecks im Lager entstehen, wenn die Kapazität eines Prozessschritts nicht ausreicht, um den tatsächlichen Zufluss dauerhaft zu bewältigen. Erkennen lassen sich solche Engpässe jedoch selten anhand einer einzelnen Kennzahl. Erst das Zusammenspiel von Durchsatz, Rückstand, Durchlaufzeit, Wartezeit, Auslastung, Bestandsgenauigkeit und Fehlerquote zeigt, wo der Materialfluss ins Stocken gerät.
Ein Warehouse Management System schafft dafür die notwendige Datengrundlage. Es verbindet Prozess-, Zeit- und Bewegungsdaten und ermöglicht eine differenzierte Auswertung nach Lagerzone, Schicht, Auftragstyp oder Priorität. So können Verantwortliche Bottlenecks frühzeitig erkennen, ihre Ursachen eingrenzen und Maßnahmen gezielt bewerten.
Ein Bottleneck ist der Prozessschritt mit der geringsten wirksamen Kapazität im Verhältnis zum Zufluss. Er begrenzt den maximalen Durchsatz des Gesamtsystems. In der Praxis ist dieser Engpass jedoch nicht immer dort zu finden, wo die Störung zuerst sichtbar wird.
Ein Beispiel: In einem Lager werden pro Stunde 600 Auftragspositionen freigegeben, aber nur 520 bearbeitet. Nach zwei Stunden entsteht bereits ein Rückstand von 160 Positionen. Trotzdem ist die Kommissionierung nicht automatisch die eigentliche Ursache. Möglicherweise kommen die Aufträge ungleichmäßig aus dem ERP, der Nachschub ist nicht rechtzeitig verfügbar oder bestimmte Artikel sind nicht am vorgesehenen Lagerplatz.
Typische Gründe dafür, dass Engpässe verdeckt bleiben, sind:
Kennzahlen werden erst dann zu KPIs, wenn sie direkt mit einem Ziel oder einer Steuerungsfrage verknüpft sind. Für die Engpassanalyse sind vor allem Werte relevant, die Durchsatz, Zeit, Qualität und Kapazität zusammen betrachten.
Wichtig ist dabei die Verbindung mehrerer Kennzahlen. Eine hohe Picks-per-hour-Zahl ist für sich allein wenig aussagekräftig, wenn gleichzeitig Fehlerquote und Nacharbeit steigen. Dann verbessert sich die lokale Leistung zwar scheinbar, die Gesamtperformance verschlechtert sich aber.
Kurz gesagt: Ein hoher Wert ist nicht automatisch ein guter Wert. Entscheidend ist immer der Prozesskontext.
Für mittelgroße Lager haben sich vor allem diese KPI-Gruppen bewährt:
|
KPI |
Wofür sie steht |
Warnsignal |
|---|---|---|
|
Auftragsdurchlaufzeit |
Zeit von der Freigabe bis zum Abschluss eines Auftrags |
Steigende Werte bei gleichbleibendem Auftragsmix |
|
Wartezeit |
Zeit ohne aktive Bearbeitung |
Wachsende Warteschlangen vor einzelnen Prozessschritten |
|
Durchsatz |
Bearbeitete Aufträge, Positionen oder Einheiten pro Zeitraum |
Durchsatz steigt bei wachsendem Zufluss nicht entsprechend mit, während Rückstand oder Wartezeit zunimmt. |
|
Auftragsrückstand |
Freigegebene, aber noch offene Aufträge |
Dauerhafter Aufbau überalterter offener Aufträge |
|
Kommissionierleistung |
Picks pro Stunde oder pro Arbeitsstunde |
Sinkende Leistung bei vergleichbaren Rahmenbedingungen |
|
Kapazitätsauslastung |
Genutzte Kapazität im Verhältnis zur verfügbaren Kapazität |
Dauerhafte Auslastung nahe 100 Prozent (in der Praxis problematisch, weil keine freie Kapazität für Abweichungen vorhanden ist). |
|
Bestandsgenauigkeit |
Übereinstimmung von System- und Physikbestand |
Sinkende Bestandsgenauigkeit oder zunehmende Abweichungen zwischen System- und Physikbestand |
|
Fehlerquote |
Fehlerhafte Vorgänge im Verhältnis zu allen Vorgängen |
Mehr Nacharbeit, Retouren und Korrekturen |
|
Termintreue |
Anteil der termingerecht abgeschlossenen Aufträge |
Sinkender Servicegrad trotz stabiler Mengen |
Diese Kennzahlen sind besonders hilfreich, wenn sie nach Lagerzone, Schicht, Auftragstyp oder Artikelgruppe aufgeschlüsselt werden. Nur so lässt sich erkennen, ob ein Problem lokal, saisonal oder systematisch ist.
Die Auftragsdurchlaufzeit beschreibt den Zeitraum von der Freigabe eines Auftrags bis zu dessen Abschluss. Sie ist eine der wichtigsten Kennzahlen, weil sie mehrere Prozessschritte zusammenfasst und damit zeigt, wie lange ein Auftrag tatsächlich im System verbleibt.
Für die Analyse reicht der Durchschnitt allein nicht aus. Ein Mittelwert von 45 Minuten kann unkritisch wirken, obwohl 20 Prozent der Aufträge länger als zwei Stunden liegen. Deshalb sollten zusätzlich Median, Maximalwert und Verteilung nach Auftragstyp oder Priorität betrachtet werden.
Bitergo Case-Study: Die Bitergo-Case-Study zur Auftragsverarbeitung bei RHEGARTEX Wohnkultur zeigt, wie ein durchgängiger Datenaustausch die Lagerprozesse unterstützt. Kundenbestellungen werden als Aufträge in das ERP-System übertragen und von dort an das Bitergo WMS weitergeleitet. Im WMS wird aus jeder Bestellung ein Kommissionierauftrag generiert. Nach der Kommissionierung werden die Lieferungen verpackt und die Lieferscheindaten über die EDI-Schnittstelle an das ERP-System zurückübermittelt.
Genau dieser durchgängige Ablauf ist für die KPI-Betrachtung interessant, weil er Zeitverluste, manuelle Eingriffe und Medienbrüche sichtbar macht. Die Referenz zeigt damit sehr anschaulich, wie sich Durchlaufzeit, Bearbeitungsaufwand und Prozesssicherheit durch eine integrierte Lager- und Systemarchitektur verbessern lassen.
>> Weitere Infos siehe Referenzbericht Rhegartex
Entscheidend ist: Durchschnittswerte allein reichen für die Engpassanalyse nicht aus. Erst die Verteilung zeigt, wo Zeit verloren geht.
Der Durchsatz zeigt, wie viele Einheiten oder Aufträge in einem Zeitraum bearbeitet werden. Aussagekräftig wird er erst im Vergleich zum Zufluss. Wenn pro Stunde 500 Positionen freigegeben, aber nur 470 abgeschlossen werden, wächst der Rückstand um 30 Positionen pro Stunde. Das wirkt zunächst moderat, summiert sich aber innerhalb einer Achtstundenschicht auf 240 Positionen.
Ein Engpass ist besonders wahrscheinlich, wenn mehrere Signale gleichzeitig auftreten:
Entscheidend ist auch hier die Differenzierung: Ein Rückstand von 80 offenen Aufträgen ist anders zu bewerten, wenn 70 davon erst seit zehn Minuten offen sind, als wenn 20 davon bereits seit mehreren Stunden warten.
Zu beachten: Der Durchsatz ist nur im Verhältnis zum Zufluss aussagekräftig.
Die Kommissionierung gehört in vielen Lagern zu den personalintensivsten Bereichen. Entsprechend häufig werden Picks pro Stunde als Leistungsindikator genutzt. Dieser Wert ist aber nur dann belastbar, wenn die Rahmenbedingungen vergleichbar sind.
Eine niedrige Leistung kann zum Beispiel folgende Ursachen haben:
Beispiel: In einer Zone werden 110 Picks pro Stunde erreicht, in einer anderen nur 78. Ohne weitere Aufschlüsselung ist das kaum interpretierbar. Wenn die zweite Zone jedoch längere Wege, mehr Sperrgut und eine höhere Fehlerquote aufweist, ist nicht die Leistung des Personals das Problem, sondern die Struktur der Zone.
Für die Bewertung sollten deshalb mindestens Lagerzone, Auftragstyp, Schicht und Fehlerquote berücksichtigt werden.
Daraus folgt: Kommissionierleistung ist nur dann vergleichbar, wenn die Prozessbedingungen ähnlich sind.
Die Kapazitätsauslastung misst das Verhältnis von genutzter zu verfügbarer Kapazität. Bei Mitarbeitenden, Fördertechnik, Packplätzen oder Toren kann eine hohe Auslastung zunächst positiv wirken. In einem schwankungsarmen Prozess kann eine Auslastung von 85 Prozent stabil funktionieren. In einem stark volatilen Umfeld kann derselbe Wert bereits zu Wartezeiten führen.
Problematisch wird es vor allem dann, wenn:
Für die Steuerung sind daher nicht nur Durchschnittswerte relevant, sondern auch Spitzenlasten und Überlastungsdauern. Ein Bereich, der täglich 90 Minuten an der Kapazitätsgrenze läuft, erzeugt ein anderes Risiko als ein Bereich mit gleichmäßiger Auslastung über den Tag.
Entscheidend ist: Hohe Auslastung ist nicht automatisch ein Zeichen für gute Performance. Sie kann auch ein Risiko für Stabilität und Servicegrad sein.
Fehlerhafte Bestände sind nicht nur ein Datenproblem. Sie bremsen den Materialfluss und erzeugen unnötige Arbeit. Wenn ein Artikel im System vorhanden ist, physisch aber fehlt, entstehen Suchvorgänge, manuelle Klärungen oder ungeplante Nachschübe.
Typische Folgen sind:
Besonders kritisch ist das bei Schnelldrehern. Wenn ein Artikel mit 200 Entnahmen pro Tag nur zu 95 Prozent korrekt im System geführt wird, kann das bereits mehrere Störungen pro Schicht verursachen. Deshalb sollte Bestandsqualität nicht nur als Gesamtquote, sondern auch nach Artikelgruppe, Lagerzone und Fehlerart ausgewertet werden.
Wichtig: Bestandsgenauigkeit beeinflusst nicht nur die Datenqualität, sondern direkt den Durchsatz.
Eine hohe Leistung ist nur dann wertvoll, wenn sie nicht mit Nacharbeit erkauft wird. Steigt die Fehlerquote, verlagert sich der Aufwand oft in Packerei, Qualitätsprüfung, Retourenbearbeitung oder Kundenservice.
Das kann sich so zeigen:
Ein Lager kann also formal mehr Aufträge abarbeiten und gleichzeitig weniger effizient werden. Deshalb sollten Fehler nicht nur gezählt, sondern nach Ursache, Prozessschritt und Entstehungsort unterschieden werden.
Einfach gesagt: Nacharbeit bindet Kapazität und wirkt wie ein verdeckter Engpass.
Einzelkennzahlen führen schnell zu falschen Schlüssen. Erst die Kombination zeigt, ob ein Prozess wirklich gesund ist.
Beispiel 1: Die Picks pro Stunde steigen um 15 Prozent. Gleichzeitig erhöht sich die Fehlerquote von 1,8 auf 4,2 Prozent, und die Nacharbeit im Packbereich wächst um 30 Prozent. In diesem Fall ist die Produktivitätssteigerung nur scheinbar positiv.
Beispiel 2: Der Wareneingang arbeitet mit 95 Prozent Auslastung, aber die Einlagerung kommt nicht hinterher. Nach zwei Stunden stauen sich 180 Paletten in der Übergabezone. Dann liegt der Engpass nicht im Eingang, sondern im nachgelagerten Prozess.
Daraus folgt: Lokale Spitzenwerte sind nur dann sinnvoll, wenn der Gesamtprozess davon profitiert.
Kurz zusammengefasst: KPI-Analyse ist immer Prozessanalyse, nicht nur Zahlenbetrachtung.
Ein Warehouse KPI Dashboard sollte keine Datensammlung sein, sondern ein Steuerungsinstrument. Dafür braucht es drei Ebenen:
Wichtig ist die Drill-down-Logik. Wenn die Termintreue fällt, muss das Dashboard zeigen, ob die Ursache in einer Zone, einer Schicht oder einem Auftragstyp liegt. Nur dann wird aus einem Bericht ein wirksames Führungswerkzeug.
Entscheidend ist: Ein gutes Dashboard zeigt nicht nur Werte, sondern die Ursache hinter der Abweichung.
Ein Warehouse Management System liefert die Zeitstempel und Bewegungsdaten, die für diese Analyse nötig sind. Dazu gehören Freigabezeit, Bearbeitungsbeginn, Statuswechsel, Bestandsbewegungen, Fehlermeldungen und Abschlusszeitpunkte.
Damit lassen sich Kennzahlen nicht nur berechnen, sondern auch nach ihren Ursachen auswerten. So wird sichtbar, wie lange Aufträge in der Warte-, Bearbeitungs- oder Übergabephase verbringen.
Im Bitergo WMS wird diese Datengrundlage geschaffen, indem Bestände, Warenbewegungen und operative Prozessschritte in Echtzeit erfasst und miteinander verknüpft werden. Über integrierte Reporting-Funktionen lassen sich die Daten nach Kriterien wie Lagerzone, Auftragstyp oder Priorität auswerten. So wird sichtbar, an welchen Stellen Wartezeiten entstehen, Rückstände wachsen oder die tatsächliche Leistung von den Zielwerten abweicht. Auf dieser Basis können Verantwortliche Engpässe nicht nur erkennen, sondern ihre Ursachen gezielt eingrenzen und geeignete Maßnahmen ableiten.
Die Aussagekraft der Kennzahlen hängt allerdings von der Datenqualität ab. Wenn Buchungen verspätet oder manuell außerhalb des Systems erfolgen, entstehen Lücken in der Analyse. Ein WMS kann die Transparenz daher deutlich verbessern, setzt aber sauber definierte und konsequent eingehaltene Prozesse voraus.
Zu beachten: Ein WMS schafft die Datengrundlage, ersetzt aber keine saubere Prozessdisziplin.
Nach der Identifikation eines Engpasses folgt die Ursachenanalyse. Ein praktikables Vorgehen ist:
Mögliche Maßnahmen sind zum Beispiel eine veränderte Auftragsfreigabe, bessere Nachschubsteuerung, dynamische Personalzuordnung oder eine optimierte Artikelplatzierung. Erfolgreich ist eine Maßnahme aber nur dann, wenn sie den Gesamtdurchsatz verbessert und keinen neuen Engpass erzeugt.
Wichtig: Maßnahmen sollten immer am Gesamtsystem bewertet werden, nicht nur am einzelnen Arbeitsplatz.
Bottlenecks im Lager lassen sich nicht an einer einzelnen Kennzahl ablesen. Entscheidend ist, Durchsatz, Zufluss, Rückstand, Wartezeiten, Auslastung, Bestandsqualität und Fehlerquote gemeinsam zu betrachten. So wird sichtbar, ob ein Bereich tatsächlich zu wenig Kapazität hat oder ob die Ursache beispielsweise in der Auftragsfreigabe, im Nachschub oder in fehlerhaften Beständen liegt.
Ein WMS stellt die dafür erforderlichen Prozess- und Bewegungsdaten bereit und unterstützt Verantwortliche dabei, Abweichungen zu erkennen, Ursachen zu analysieren und die Wirkung von Optimierungsmaßnahmen zu prüfen.
Tipp: Ein unverbindliches Beratungsgespräch mit Bitergo kann ein guter Ausgangspunkt sein, um Potenziale für mehr Transparenz, bessere Steuerung und frühzeitige Engpasserkennung im Lager zu besprechen.
Ein hoher und systemischer Informationssicherheitsstandard für Warehouse Management Software und Warehouse Automation
Warum ein modernes Warehouse Management System (WMS) das Rückgrat erfolgreicher Multi- und Omnichannel-Strategien ist – flexibel, skalierbar,...
Erfahren Sie, warum gezielte Qualifizierung im Umgang mit Warehouse Management Systemen essenziell ist – für effiziente Prozesse, ein motiviertes...