Von der Prognose zum Lagerlayout: Lagerplatzoptimierung für 15.000 SKUs mit 3D-Bin-Packing

Nach der Optimierung, was und wie viel einzulagern ist, stellte sich die Frage: Wohin damit? Ein tschechischer 3PL hatte die Lieferbereitschaft gelöst, stieß aber bei 65 Picks/Stunde an die Produktivitätsgrenze der Kommissionierung. Die Ursache: 62 % der Picks stammten von nur 3 % der SKUs — verteilt über alle 8 Lagerzonen. Lagerplatzoptimierung nach Umschlagshäufigkeit mit 3D-Bin-Packing hob die Kommissionierung auf 94 Picks/Stunde und reduzierte die Laufwege um 45 %.

Die Ausgangslage

Diese Studie knüpft an unsere frühere Zusammenarbeit mit einem 3PL-Dienstleister bei Ústí nad Labem an. Damals lösten wir das Makroproblem: Welche SKUs bekommen wie viel Platz, und welche wandern ins Überlauflager? Die Lieferbereitschaft stieg von 85 % auf 96 %.

Die Kommissionierproduktivität stagnierte jedoch bei 65 Picks pro Stunde — trotz ausreichender Personalausstattung. Der Engpass verlagerte sich von der Bestandsverfügbarkeit auf die physische Lagerorganisation.

Das Problem: Kategoriebasierte Lagerplatzzuordnung

Das Lager war nach Produktkategorien organisiert — alle Molkereiprodukte in Zone B, alle Getränke in Zone D, alle Haushaltswaren in Zone F. Dieser Ansatz ignorierte drei Realitäten.

Umschlags-Diskrepanz: Die Top-500-SKUs generierten 62 % aller Picks, waren aber über alle 8 Zonen verstreut. Ein Kommissionierer legte bei einer typischen 12-Positionen-Bestellung durchschnittlich 280 Meter zurück und kreuzte 4–5 Gänge. Die Goldzone (Regale auf Hüfthöhe nahe der Packstation) war von langsam drehenden Premiumartikeln besetzt, die dort vor Jahren platziert wurden.

Platzverschwendung: Kleine Schnelldreher (Snack-Riegel, Gewürze, Kosmetik) belegten ganze Palettenplätze, die für Großgüter konzipiert waren. Ein Palettenplatz fasst 1,2 m³, aber ein Karton Gewürze benötigt 0,04 m³ — 97 % verschwendeter Kubikraum. Gleichzeitig quollen übergroße Artikel aus ihren zugewiesenen Regalplätzen in den Gang.

Blindheit gegenüber Verbundkommissionierung: Häufig zusammen bestellte Produkte lagen in verschiedenen Zonen. Nudeln und Nudelsoße: 120 Meter voneinander. Reinigungsspray und Küchentücher: 80 Meter. Jeder Verbundpick bedeutete einen kompletten Gangwechsel.

Schritt 1: Ranking nach Umschlagshäufigkeit

Die SKU-bezogene Umschlagshäufigkeit hatten wir bereits aus der Prognose-Engine. Durch Anreicherung mit 6 Monaten realer Kommissionierdaten aus Odoo bestätigte sich das Muster: 3 % der SKUs (Klasse A, Top 500) generierten 62 % der Picks. Vor der Optimierung befanden sich nur 22 % der Klasse-A-SKUs in der Goldzone. Danach: 91 %.

Schritt 2: Verbundkommissionierungs-Analyse

Aus 180.000 historischen Bestellpositionen berechneten wir, welche SKU-Paare am häufigsten auf derselben Bestellung erschienen. Die Top-200-Affinitätspaare machten 18 % der Mehrpositionsbestellungen aus. Nudeln + Soße kamen bei 34 % der Nudelbestellungen vor, lagen aber 120 Meter auseinander. Babynahrung + Feuchttücher kamen bei 41 % der Babybestellungen vor, 85 Meter auseinander. Nach der Neuordnung wurden Paare mit hoher Affinität in benachbarte Plätze gelegt.

Schritt 3: 3D-Bin-Packing

Für jede SKU berechneten wir den tatsächlich benötigten Kubikraum bei Spitzenbestand anhand der order_up_to-Werte aus dem vorherigen Projekt. Dann ordneten wir jeder SKU den kleinsten passenden Platztyp zu: Durchlaufregale für kleine Schnelldreher, Fachbodenregale für mittlere Waren, Halb- und Ganzpalettenplätze nur für Artikel, die sie tatsächlich benötigen.

Vorher: 4.200 SKUs waren in zu großen Plätzen. 800 quollen aus den zugewiesenen Positionen. Nach der Neuanpassung wurden 1.100 Palettenäquivalente freigesetzt — neue Kapazität ohne jeglichen Bau.

Schritt 4: Lagerplatzoptimierung

Alle drei Eingaben — Umschlags-Ranking, Verbundkommissionierungs-Affinität, physische Abmessungen — flossen in den Optimierer ein. Klasse-A-SKUs wanderten in die Goldzone nahe der Rampe. Paare mit hoher Affinität wurden in benachbarte Plätze gelegt. Schwere Artikel kamen auf Bodenniveau. Temperaturzonen blieben als harte Restriktionen bestehen.

Das Ergebnis: neue Platzzuweisungen für alle 15.000 SKUs, exportiert als Migrationsplan mit priorisierten Wellen. stock.location-Datensätze in Odoo aktualisiert, neue Zebra-Regaletiketten gedruckt. Die Migration wurde an 2 Wochenenden mit minimaler Betriebsunterbrechung durchgeführt.

Ergebnisse

45 % mehr Picks pro Stunde bei 45 Kommissionierern entspricht 20 zusätzlichen Mitarbeitern ohne Einstellung. Bei rund 180 Kč/Stunde Vollkosten ergibt das etwa 540 Tsd. Kč monatlich an Produktivitätsgewinn — rund 6,5 Mio. Kč jährlich. Das Lagerplatzprojekt (Analyse, 2 Wochenend-Migrationen, neue Etiketten) kostete unter 200 Tsd. Kč. Amortisation: 11 Tage.

Die Gesamtarchitektur

Dieselbe Datenbasis. Fünf optimierte Entscheidungen.