CC

Der Verkauf steuert jetzt die Produktion

Kassenanbindung, Absatzprognose und die Frage, die am Anfang stand: was muss wann an welchen Standort. Analyse von sieben Kassensystemen und zehn amerikanischen Dispositionssystemen, dann gebaut und gegengerechnet.

Was die Amerikaner anders machen

Der Reihe nach durch Crunchtime, Restaurant365, Fourth, Toast, PAR, Blue Yonder, RELEX, Legion, Lineup.ai und Tenzo — vier Dinge tauchen überall auf, und drei davon hatten wir noch nicht.

Prognose je Wochentag Restaurant365 rechnet den Durchschnitt desselben Wochentags über acht Wochen, ohne Nulltage. Das ist der Branchenstandard — und gleichzeitig die schwächste der brauchbaren Methoden, weil jeder Wochentag nur einen Datenpunkt pro Woche bekommt und ein Niveausprung erst nach Wochen ankommt.
„Have" heißt Bestand plus offene Bestellungen Crunchtime definiert das ausdrücklich so. Wer nur den physischen Bestand gegenrechnet, bestellt in jedem Zyklus doppelt.
Kein hoher Servicegrad auf Frischware RELEX sagt es am deutlichsten: bei verderblicher Ware muss man das Risiko Verwurf gegen das Risiko entgangene Marge abwägen. Die klassische Sicherheitsbestandsformel kennt keine Verderbskosten und produziert bei 98 % Zielservicegrad systematisch Überproduktion.
Treffsicherheit wird gemessen WAPE statt MAPE, plus Bias als eigene Kennzahl. Ein Modell kann einen guten Fehlerwert haben und trotzdem dauerhaft zu hoch liegen — bei Backwaren ist genau das der teure Fehler.

Wie unsere Prognose jetzt rechnet

Nicht der Achtwochenschnitt, sondern eine multiplikative Zerlegung — dasselbe Prinzip, das hinter den teuren Systemen steckt, nur ohne den Ballast:

Wochentagsindex   Verhältnis jedes Tages zum gleitenden 29-Tage-Durchschnitt,
                    je Wochentag der Median daraus, Ausreisser auf 0,35 bis 3,0 gekappt,
                    normiert über die Öffnungstage.
                    → Samstag bekommt seinen Faktor, Montag seinen.

Basisniveau       Exponentielle Glättung (Alpha 0,20) auf der entsaisonalisierten Reihe.
                    → lernt aus ALLEN Tagen, reagiert in zwei bis drei Tagen auf ein neues Niveau.

Prognose          Niveau × Wochentagsindex des Zieltages.

Streuung          Geglättete mittlere absolute Abweichung der Prognosefehler × 1,25,
                    Untergrenze 15 % der Prognose.
                    → NICHT die Streuung der Rohverkäufe: die enthält das Wochentagsmuster
                      und würde den Sicherheitsbestand um das Zwei- bis Dreifache aufblähen.

Sicherheit        z(Servicegrad) × Streuung × Wurzel(Abdeckungstage + Lieferzeit)

Servicegrad       Newsvendor: entgangene Marge ÷ (entgangene Marge + Herstellkosten).
                    Bei 4,20 Verkauf und 0,95 Herstellkosten sind das 77 %, nicht 95 %.

Liefermenge       Prognose über die Abdeckungstage + Sicherheit
                    − Bestand − bereits unterwegs, aufgerundet auf Gebinde.

Die Abdeckungstage kommen aus dem Lieferkalender und zählen Öffnungstage, nicht Kalendertage: Bei Lieferung Montag, Mittwoch, Freitag deckt die Freitagslieferung Freitag und Samstag ab und bekommt dadurch automatisch mehr Menge und mehr Puffer als die Mittwochslieferung.

Gegengerechnet: Ich habe das Modell unabhängig ein zweites Mal in Python nachgebaut und gegen die laufende Anwendung getestet — sechs Fälle über zwei Standorte und drei Sorten, Abweichung 0,00 auf allen. Der Newsvendor-Servicegrad trifft das Lehrbuchbeispiel (Verkauf 3,50, Kosten 1,20) auf vier Nachkommastellen: 0,6571.

Was wann wohin — der neue Bildschirm

Unter Bestellen → Disposition: Liefertag wählen, rechnen lassen. Das System zeigt je Standort und Sorte die Prognose, den Sicherheitszuschlag, den verfügbaren Bestand einschließlich unterwegs befindlicher Ware und daraus die Liefermenge. Ein Knopf macht daraus die internen Bestellungen — die Produktion sieht sie im selben Moment im Backzettel.

Drei Dinge, die dabei automatisch passieren

Die Kassenanbindung

Sofort nutzbar ist der Weg über den Tagesbericht: Mehr → Verkaufsdaten, Zeilen aus Excel oder dem Kassenbericht einfügen, Format Datum ; Artikel ; Menge ; Umsatz. Jeder Kassenartikel wird einmal einem Lagerartikel zugeordnet — eine 4er-Box bekommt den Faktor 4, dann bucht ein Boxverkauf vier Cookies ab. Ab da schreibt der Verkauf den Bestand selbst fort und füttert gleichzeitig die Prognose.

ready2order — was du dafür brauchst

Die API ist geprüft und passt. Drei Punkte sind wichtig und stehen so in keiner Broschüre:

  1. Ein Account-Token pro Standort. ready2order kennt kein Standort- oder Kassenfeld. Wer einen Token für alles beantragt und danach nach Filiale gruppieren will, baut ins Leere.
  2. Der Zugang läuft über drei Schritte: Registrierung auf api.ready2order.com (Developer-Token kommt per Mail), dann ein Aufruf, der eine Freigabe-Adresse liefert — und die muss der Kontoinhaber innerhalb von zehn Minuten bestätigen, sonst beginnt alles von vorn.
  3. Grenzen kennen: 60 Anfragen pro Minute je Token, keine Testumgebung, und der Abruf der Rechnungen liefert ohne den Parameter items=true keine Positionszeilen — der Fehler fällt erst auf, wenn die Artikelauswertung leer bleibt. Stornos kommen als eigenes Dokument und müssen negativ gezählt werden, sonst zählt man sie als zusätzlichen Absatz.

Sobald die Tokens da sind, hänge ich den automatischen Nachtabruf dran — die Tabelle für die Kassenkonten je Standort liegt schon im System.

Falls in den Filialen etwas anderes läuft als ready2order: Shopify, Toast, Square und Lightspeed sind ebenfalls durchgeprüft, für alle vier liegen Endpunkt, Authentifizierung und Stolperfallen fertig vor. Sag mir einfach, welches System es ist.

Was noch offen ist

16.08.2026 · Recherche mit sechs parallel arbeitenden Agenten über 25 Systeme · alle Rechenwege gegen unabhängige Nachrechnung geprüft · Testdaten nach dem Durchlauf entfernt