Inventuren klüger gestalten: Vorhersagen statt zählen
16.07.2026 von GB
Trotz häufiger Inventuren sind etwa 60 Prozent aller Bestandsdaten im Handel falsch. Dies führt zu aufwändigen Prüfungen, verzögerten Bestellprozessen und Umsatzverlusten. Eine Studie unter Beteiligung der TU Darmstadt hat nach einer Lösung für dieses Problem gesucht. Den Schlüssel zu verlässlicheren Daten hat sie im Einsatz des Maschinellen Lernens gefunden.
Regelmäßige Inventuren gelten als Standard im Handel, um den Überblick über Warenbestände zu behalten, Abweichungen zu erkennen und Nachbestellungen zu koordinieren. Fallen fehlerhafte Bestandsdaten auf, reagieren Händler darauf meist mit noch häufigeren und umfangreicheren Zählungen. Diese Vorgehensweise bindet in hohem Maße Ressourcen und ist aufgrund stetig wachsender Produktportfolios und personeller Engpässe keine zukunftsfähige Lösung. Ein kooperatives Forschungsprojekt von Professor Christoph Glock (TU Darmstadt, Fachgebiet Produktion und Supply Chain Management), Professor Yacine Rekik (emlyon Business School) und Professor Aris Syntetos (Cardiff Business School), begleitet von ECR Retail Loss, zeigt Händlern nun einen neuen Weg auf, Datenfehler zu beheben.
