Erkennen ist der einfache Teil. Der schwierige Teil — der Teil, der tatsächlich Umsatz zurückgewinnt — ist der geschlossene Kreislauf zwischen einer Regallücke und einer verifizierten Korrektur. Die meisten Lösungen, die als beste Software zur Regalverfügbarkeitsmessung vermarktet werden, stoppen beim Alert. Sie melden: Produkt A fehlt in Filiale 184. Aber sie sorgen nicht dafür, dass vor dem Promotionstart 12 Kartons im Regal liegen. Genau diese Unterscheidung ist der Kern des folgenden Frameworks.
Die wirtschaftlichen Konsequenzen sind erheblich. Die globalen Kosten durch Bestandsverzerrungen — also die Summe aus Überbeständen und Regallücken — bezifferte die IHL Group auf 1,7 Billionen US-Dollar jährlich, rund 6,2 % des weltweiten Einzelhandelsumsatzes. Auf Out-of-Stocks entfallen davon allein 65,6 %. Die durchschnittliche Out-of-Stock-Rate im FMCG-Handel liegt weltweit bei 8,3 % — und steigt während Promotions auf rund 10 %, also genau dann, wenn die Marge am höchsten und der Mediaeinsatz am wirkungsvollsten ist.
Sichtbarkeit ohne Korrektur ist teures Reporting. Dieses Framework zeigt Ihnen, worauf es ankommt: Analytik, die Regallücken mit Nachfüllaktionen und bestätigter Behebung verknüpft — kein hübscheres Dashboard.
Was Warenverfügbarkeit im FMCG-Handel wirklich bedeutet — und warum Ihr System sie wahrscheinlich überschätzt
„Auf Lager" im System und „für den Kunden greifbar im Regal" sind zwei verschiedene Dinge. Ein Produkt im Hinterlager, zwei Gänge vom Stammplatz entfernt oder mit falschem Barcode gebucht — für den Kunden nicht vorhanden, für Ihr ERP trotzdem verfügbar. In dieser Lücke verschwinden FMCG-Umsätze still und leise.
Professionelle Händler messen heute sechs Verfügbarkeitszustände:
- Regalverfügbarkeit — kann der Kunde das Produkt physisch finden und greifen?
- Bestandsquote — weisen die Bestandsdaten verfügbare Einheiten aus?
- Phantombestand — das System zeigt Bestand, aber niemand findet ihn.
- Kritisch-niedriger Bestand — technisch vorhanden, aber mit zu wenig Facings zur Nachfragedeckung.
- Perfect-Store-Compliance — Sortiment, Preis, Promotion, Platzierung und Planogramm korrekt.
- Digitale Verfügbarkeit — bestellbar für Abholung oder Lieferung.
Die durchschnittliche Bestandsgenauigkeit im Einzelhandel liegt bei nur 63 %, gemessen an einem Zielwert von nahezu 97 %. Und 58 % der Handelsunternehmen operieren unterhalb von 80 % Genauigkeit. Wenn Ihr Bestandsdatensatz in rund einem Drittel der Fälle falsch ist, erben alle darauf basierenden Nachfüllentscheidungen denselben Fehler — weshalb eine hohe systemseitige Bestandsquote problemlos mit realen, umsatzvernichtenden Regallücken koexistieren kann. Beschädigte Einheiten, falsche Barcodes, nach der Anlieferung nicht aufgefüllte Kartons: all das liest sich als „auf Lager", bis jemand tatsächlich ins Regal schaut.
Die drei Hauptursachen für Regallücken im FMCG-Handel
Ausführungsfehler stehen an erster Stelle. Die meisten Out-of-Stocks gehen auf Nachfüllprobleme auf der Fläche zurück — nicht auf Versorgungsunterbrechungen im Vorfeld. Mitarbeitende haben nach der Lieferung nicht aufgefüllt, einen falsch platzierten Artikel nicht korrigiert, das Zweitdisplay nicht aufgebaut. Genaue Prozentzahlen sind mit Vorsicht zu genießen; der operative Befund ist trotzdem eindeutig. Regalausführung ist ebenso entscheidend wie der Lagerbestand im Verteilzentrum — das zeigt, worauf Ihre Analytik zeigen sollte: auf die Fläche, nicht nur auf die Lieferkette.
Phantombestände sind die zweite Ursache. Das System zeigt 10 Einheiten. Das Regal zeigt null Facings. Acht Kartons stehen im Hinterlager. Kein Nachfragemodell löst das — es ist ein Datenproblem. Nur ein System, das POS-Daten, Bestandsdaten, Regalbilder und Hinterlagerscans gegenseitig abgleicht, kann den Widerspruch erkennen.
Promotionsvolatilität ist die dritte Ursache. Out-of-Stock-Raten steigen von 8,3 % auf rund 10 % während Promotions, weil Forecasts den Uplift unterschätzen und Filialen das Zweitdisplay nicht rechtzeitig aufbauen. Das Mediabudget ist ausgegeben, der Kunde kommt — und das Regal ist leer. Der denkbar schlechteste Moment.
Die vier Analysefunktionen, die Regalverfügbarkeit im FMCG-Handel direkt verbessern
Vier Funktionen unterscheiden Plattformen, die Umsatz zurückgewinnen, von solchen, die Lücken nur melden: Bedarfsprognose, Computer Vision, Sensorfusion und präskriptives Aufgabenmanagement. Keine davon reicht allein. Eine Prognose ohne Regalerkennung übersieht Phantombestände. Regalerkennung ohne Aufgabensteuerung erzeugt Alerts, auf die niemand reagiert.
Bedarfsprognosen, die Promotions, Wetter und SKU-Filialnachfrage berücksichtigen
Gute Prognosemodelle arbeiten auf SKU-Filial-Tages-Ebene und berücksichtigen Promotions, Saisonalität, lokale Ereignisse, Wetter, Preisänderungen und Substitutionsverhalten. Nachfrage auf Kategorieebene reicht nicht — Sie müssen wissen, dass Filiale 184 einen bestimmten Artikel nächsten Dienstag schneller abverkauft als Filiale 210.
Das reine Prognoseergebnis ist der schwächste Output. Was Sie brauchen, ist eine priorisierte Handlungsempfehlung: „12 Kartons Produkt A in Filiale 184 bis 14:00 Uhr auffüllen — die Promotion beginnt morgen, und Regal plus Hinterlager decken nur 38 % der erwarteten Nachfrage." Zeitpunkt, Menge, finanzieller Impact. Das ist handlungsrelevant.
Promotionsphasen entlarven schwache Prognosemodelle schnell. Ein Modell, das den Promotions-Uplift nicht nach Filialbündeln schätzt, wird in Ihren margenstarken Fenstern systematisch zu wenig nachfüllen. Fordern Sie von jedem Anbieter Nachweise zur Uplift-Genauigkeit nach Cluster — nicht nur zur Baseline-Genauigkeit.
Computer Vision für Regalaudits: Was zuverlässig erkannt wird — und was nicht
Bilderkennung identifiziert, was ein menschlicher Auditor sieht: fehlende Produkte, Facingzählungen, Planogramm-Compliance, Promotionsdisplay-Status, Preisschildfehler und Wettbewerbspräsenz. Gut umgesetzt, geschieht das kontinuierlich statt einmal im Quartal.
Vorsicht bei pauschalen Genauigkeitsversprechen. Manuelle Regalaudits erreichen für positionsgenaue Abweichungen nur 60–70 % Genauigkeit, während führende Computer-Vision-Systeme unter Standardbedingungen 90–95 % beanspruchen. Diese höheren Werte sind herstellerseitig angegeben. Volle Regale, schlechte Beleuchtung, beschädigte Verpackungen und promotionsbedingte Sonderflächen senken die Genauigkeit in der Praxis. Validieren Sie nach Kategorie, Lichtverhältnissen, Regalhöhe und Filialformat, bevor Sie einer Einzelzahl vertrauen.
Ein konkretes Beispiel zeigt, was Live-Vision ermöglicht: Eine Computer-Vision-Implementierung für L'Oréal bei Walmart soll laut Branchenbericht in zwei Wochen über 50.000 US-Dollar an Nachfüllaufträgen in 10 Filialen ausgelöst haben — weil zwei bis vier Wochen alte Auditdaten durch aktuelle Regalsichtbarkeit ersetzt wurden. Gefundenes Geld, kein besseres Reporting.
Die Einsatzmodelle unterscheiden sich grundlegend:
- Mobile-Foto-Apps — kostengünstig, schnell pilotierbar, aber abhängig davon, dass Außendienstmitarbeitende tatsächlich Fotos aufnehmen.
- Festinstallierte Kameras — kontinuierliche Abdeckung, mit entsprechendem Hardware-, Installations- und Datenschutzaufwand.
- Autonome Roboter — hohe Scanfrequenz in Großflächen, kapitalintensiv im Betrieb.
Sensorfusion und Ursachenklassifikation: Von widersprüchlichen Signalen zur klaren Lösung
Sensorfusion kombiniert POS-Daten, Bestandsdaten, Regalbilder, Hinterlagerscans und Mitarbeiterdaten. Der Mehrwert zeigt sich, wenn Signale widersprechen. POS meldet 10 Einheiten, das Regalbild zeigt null Facings, der Hinterlagerscan zeigt acht Kartons — ein intelligentes System erstellt einen Nachfülltask, statt eine Bestellung für Ware auszulösen, die Sie längst besitzen. Ohne Fusion bestellen Sie doppelt und beheben das Regal nie.
Die anschließende Ursachenklassifikation trennt, warum eine Lücke entstanden ist: Lieferantenunterlieferung, Fehler im Verteilzentrum, Hinterlager-Nachfüllfehler, Planogrammfehler, Schwund, Prognosefehler. Jede Ursache hat einen anderen Verantwortlichen und eine andere Lösung. Wer das falsch zuordnet, beschädigt seine Scorecards — ein Nachfüllfehler in der Filiale darf nicht dem Lieferanten angelastet werden, und ein Mangel im Verteilzentrum darf nicht der Filiale angelastet werden. Ohne Ursachenanalytik ist beides ununterscheidbar, was Servicelevel-Strafen auf beiden Seiten angreifbar macht.
Software zur Regalverfügbarkeitsmessung im FMCG-Handel: Ein Bewertungsframework für Einkäufer
Bewerten Sie Plattformen anhand von sechs gewichteten Dimensionen: nachgewiesene Verfügbarkeitsverbesserung, Genauigkeit unter realen Filialbedingungen, Integrationstiefe, Implementierungsgeschwindigkeit, Nutzerfreundlichkeit für Mitarbeitende und ROI-Transparenz. Für Marketing- und Insights-Teams, die Budgets rechtfertigen und nachweisen müssen, dass In-Store-Kampagnenausführung tatsächlich konvertiert, macht dieses Framework aus einer diffusen „Welcher Anbieter ist der beste?"-Frage einen belastbaren Vergleich.
Ein redaktioneller Test gilt für alle sechs Dimensionen: Schließt das Tool den Kreislauf — oder schaut es nur zu? Eine Plattform, die Lücken erkennt, aber nicht an Mitarbeitende mit Frist und Erledigungscheck weiterleitet, Bestandsdaten nicht korrigiert und Behebungen nicht bestätigt, ist ein Auditsystem — keine Lösung für die Regalverfügbarkeit.
Integrationstiefe und Workflow-Passung: Das Kriterium, das Einkäufer am häufigsten unterschätzen
Ein Regallücken-Alert, der keinen Mitarbeitenden mit Frist und Erledigungskontrolle erreicht, ist nur ein Dashboard. Um dorthin zu gelangen, braucht eine Plattform Echtzeitanbindungen an POS, ERP, WMS, Planogramm-Software, Promotionsmanagement und Workforce-Task-Tools. Das ist das Kriterium, das Einkäufer am häufigsten unterschätzen — und das zurückgewonnenen Umsatz von hübschen Grafiken trennt.
Präskriptives Aufgabenmanagement sollte jeden Alert mit folgenden Elementen strukturieren: SKU und Standort, Fotobeleg, empfohlene Maßnahme, geschätzter Umsatzimpact, Prioritätsscore, Frist, Verantwortliche Person und verifizierte Erledigung. Fehlt eines dieser Elemente, wird der Task entweder nicht erledigt oder Sie erfahren nie, ob er es wurde.
Die Priorisierungslogik folgt einer einfachen Formel: erwarteter Umsatzverlust × Korrekturwahrscheinlichkeit × Dringlichkeit. Sie verhindert, dass Mitarbeitende niedrigwertige Facings rücken, während ein beworbenes Produkt im nächsten Gang leer steht.
Fragen, die Sie jedem Anbieter stellen sollten:
- Werden Daten in Echtzeit oder in Batches übertragen?
- Kann ein einheitlicher Produktstamm über alle Filialen geführt werden?
- Unterstützt das System mehrere Vertriebslinien und Länder?
- Ist der Systembetrieb offline in der Filiale möglich?
- Werden Lieferanten- und Händlerdaten getrennt und sicher verwaltet?
Gesamtbetriebskosten und Pilotgestaltung: Was ein belastbarer Business Case enthalten muss
Der Lizenzpreis ist der kleinste Teil der Gesamtbetriebskosten. Kalkulieren Sie das vollständige Bild: Bildverarbeitungsgebühren, Hardware, Installation, Produktmodell-Training, Filial-Onboarding, Change Management und Mitarbeitendenzeit für die Ausnahmebearbeitung. Ein günstiges Abonnement mit teurem Onboarding und aufwendiger Integration ist nicht günstig. Kalkulieren Sie die Wirtschaftlichkeit pro Filiale und pro SKU, bevor Sie unterschreiben.
Gestalten Sie den Pilot so, dass er kommerziellen Mehrwert beweist — nicht technische Machbarkeit. Eine sinnvolle Struktur: 50 bis 200 Filialen, eine oder zwei hochwertige Kategorien, auf einen Promotionszeitraum ausgerichtet, in dem der Uplift messbar ist. Promotions belasten das System genau dort, wo Verfügbarkeit bricht — dort zeigt sich der ROI am deutlichsten.
Legen Sie Baselines vor dem ersten Tag fest:
- Regalverfügbarkeitsquote
- Out-of-Stock-Rate
- Reaktionszeit bei Nachfüllung
- Promotions-Compliance-Score
- Arbeitsstunden pro Filiale
Ohne diese vorab erfassten Ausgangswerte ist jede „Verbesserung" nach dem Pilot eine Schätzung. Der Einsatz ist real: Out-of-Stocks kosten Händler rund 4,1 % des Umsatzes — mehr als das Doppelte der typischen Lebensmittelhandels-Betriebsmarge von etwa 1,6 %. Selbst einen Bruchteil davon zurückzugewinnen, ist der gesamte Business Case.
Wohin sich Out-of-Stock Monitoring im Lebensmittelhandel bis 2026–2027 entwickelt
Audit-Dashboards werden zur Mindestanforderung. Was sie ablöst, ist der autonome Nachfüllkreislauf: Lücke erkennen, Umsatzverlust schätzen, Hinterlager prüfen, Task erstellen, weiterleiten, Behebung mit einem zweiten Bild verifizieren, Bestand aktualisieren. Regalintelligenz wird zudem strategisch mit Retail Media, E-Commerce-Fulfillment und Omnichannel-Verfügbarkeitsversprechen verknüpft — was den Wert von Verfügbarkeitsdaten für Ihr Unternehmen grundlegend verändert.
Die Investitionen folgen diesem Trend. Der globale Markt für Retail Analytics lag 2025 bei rund 10,2 Milliarden US-Dollar und soll bis 2034 auf 37,18 Milliarden US-Dollar wachsen — eine jährliche Wachstumsrate von 15,2 %. Das ist ein klares Richtungssignal: Das Investitionstempo in dieser Kategorie nimmt zu, und Einzellösungen geraten unter Druck.
Retail Media und Omnichannel-Fulfillment machen Retail Analytics für Warenverfügbarkeit strategisch unverzichtbar
Ein über Retail Media beworbenes Produkt, das nicht verfügbar ist, richtet doppelten Schaden an — es verbrennt das Mediabudget und enttäuscht den Kunden. Verfügbarkeitssignale werden zunehmend nicht verfügbare Produkte aus Kampagnen herausfiltern und Sponsored-Placements auf gut bestückte SKUs lenken. Ihre Regaldaten werden zum Input für Ihre Mediabuchung.
Die gemeldete Übernahme eines Regalintelligenz-Unternehmens durch Instacart im Jahr 2026 zeigt diese Konvergenz deutlich. Online-Fulfillment-Genauigkeit setzt voraus zu wissen, ob ein Produkt physisch im Regal auffindbar ist. Liefer- und Abholzusagen scheitern, wenn der „verfügbare" Artikel nicht wirklich da ist.
Regalanalytik wird zur Messchicht, die In-Store-Kampagnenausführung — Displayaufbau, Facingzählungen, Promotionsplatzierung — mit tatsächlicher Umsatzkonversion verbindet. War es das Display oder das Wetter? Mit Regaldaten verknüpft mit Frequenz und Umsatz lässt sich das endlich beantworten.
Einzellösungen, die nur Bildaudits durchführen, werden zu Übernahmekandidaten oder verlieren gegen Plattformen, die Regalintelligenz, Aufgabenmanagement, Retail Media und Fulfillment-Daten in einen geschlossenen Kreislauf integrieren. Von Konsumenten gemeldete Out-of-Stock-Raten sanken bereits von 19,3 % im Jahr 2022 auf 9,5 % im Jahr 2024 — bei erheblichen regionalen Unterschieden, aber Verbesserung ist eindeutig möglich. Die Händler, die davon profitieren, sind diejenigen, die den Kreislauf von der Regallücke bis zur verifizierten Behebung geschlossen haben — nicht diejenigen, die ein besseres Reporting eingekauft haben.
Quellen
- IHL Group / Yahoo Finance — Globale Kosten durch Bestandsverzerrungen und Out-of-Stock-Anteil
- Mordor Intelligence — Bestandsgenauigkeit, Out-of-Stock-Kosten und Verbraucher-Trendentwicklung
- Futu / Retail Analytics Market Report — FMCG-Out-of-Stock-Raten und Promotionsvolatilität
- Retail Insider — Computer-Vision-Genauigkeit, L'Oréal-Walmart-Fallstudie, herstellerseitige Implementierungsergebnisse
- Fortune Business Insights — Marktgröße Retail Analytics und Prognose 2034
- FMCG's Dirty Secret — Instacart-Übernahme im Bereich Regalintelligenz und Muster bei der Regalausführung
- MarketsandMarkets — Marktschätzungen Retail Analytics