Umschlagshäufigkeit in JTL-Wawi: Warum ein volles Lager kein gutes Zeichen sein muss

Das Problem

JTL-Wawi liefert alle Rohdaten, die für die Umschlagshäufigkeit nötig sind: Bestände, Einkaufspreise, Verkaufszahlen. Eine fertige Kennzahl je Artikel oder Warengruppe liefert das System aber nicht automatisch. Wer sie nicht selbst auswertet, kennt sie nicht und trifft Einkaufs- und Nachbestellentscheidungen auf Basis von Bauchgefühl statt Daten.

Typische Symptome

Ursachen

Die Umschlagshäufigkeit ist eine einfache Formel – Wareneinsatz geteilt durch durchschnittlichen Lagerbestand, in gleicher Bewertung. In der Praxis scheitert die Berechnung trotzdem häufig: an uneinheitlicher Bewertungsbasis, an fehlender Verknüpfung zwischen Einkaufs- und Verkaufsdaten, oder schlicht daran, dass niemand die Auswertung regelmäßig fährt.

• Kennzahl wird mit Verkaufspreis statt Einkaufspreis berechnet – verzerrt das Ergebnis systematisch
• Auswertung erfolgt nur unternehmensweit, nicht je Artikel, Warengruppe oder Lieferant
• Bestandsbuchungen sind fehlerhaft oder unvollständig – die Datenbasis trägt die Kennzahl nicht
• Berechnung erfolgt einmalig statt als wiederkehrende Auswertung
• Ergebnis wird nicht mit der Einkaufsplanung verknüpft – die Erkenntnis bleibt folgenlos

Die Lösung

Die Formel selbst ist trivial. Der Wert entsteht durch Granularität und durch die Verknüpfung mit tatsächlichen Entscheidungen im Einkauf. Ziel ist eine Auswertung, die Ladenhüter und Bestseller sichtbar macht, bevor Kapital oder Umsatz verloren geht.

Datenbasis konsistent festlegen

Wareneinsatz und durchschnittlicher Lagerbestand müssen in derselben Bewertung vorliegen – üblicherweise zu Einkaufspreisen. Der durchschnittliche Bestand sollte aus mehreren Stichtagen gebildet werden, nicht nur aus Anfangs- und Endbestand einer Periode, sonst verzerren saisonale Spitzen das Ergebnis.

Kennzahl granular berechnen

Eine Umschlagshäufigkeit für das gesamte Sortiment verschleiert die eigentlichen Probleme. Erst auf Ebene von Artikel, Warengruppe oder Lieferant wird sichtbar, wo Kapital gebunden ist und wo Nachbestellungen zu spät erfolgen.

Auswertung automatisieren

Statt die Kennzahl manuell in Excel zu pflegen, lässt sich die Auswertung über eine SQL-Abfrage auf der Wawi-Datenbank, die Statistiken in JTL-Wawi oder eine Power-BI-Anbindung regelmäßig und automatisiert erzeugen – inklusive Trendverlauf statt einmaliger Momentaufnahme.

Handlungsableitung anschließen

Die Kennzahl allein verändert nichts. Erst wenn Langsamdreher automatisch markiert und Nachbestellregeln für Topseller daran gekoppelt werden, wirkt sich die Auswertung auf Kapitalbindung und Lieferfähigkeit aus.

• Wareneinsatz und Lagerbestand einheitlich zu Einkaufspreisen bewerten
• Umschlagshäufigkeit je Artikel, Warengruppe und Lieferant auswerten
• Durchschnittsbestand aus mehreren Stichtagen statt nur Anfang und Ende der Periode bilden
• Auswertung automatisiert und wiederkehrend statt manuell und einmalig
• Langsamdreher aktiv markieren, Nachbestellregeln für Topseller daran koppeln

Warum die Auswertung in der Praxis folgenlos bleibt

• Kennzahl einmal berechnet, nie wieder aktualisiert – die Auswertung veraltet, bevor sie genutzt wird
• Nur unternehmensweiter Durchschnitt betrachtet – einzelne Problemartikel bleiben unsichtbar
• Ergebnis landet im Reporting, aber nicht in der Einkaufsentscheidung
• Fehlerhafte Bestandsbuchungen untergraben die Aussagekraft, ohne dass es auffällt
• Keine klare Zuständigkeit, wer die Auswertung fährt und wer daraus handelt

Ein volles Lager fühlt sich sicher an, sagt aber nichts über die Qualität der Kapitalbindung. Erst die artikelgenaue Umschlagshäufigkeit macht sichtbar, wo Kapital gebunden ist, das an anderer Stelle fehlt. JTL-Wawi liefert die Rohdaten dafür bereits; die Kennzahl entsteht durch die passende Auswertungslogik, neue Software braucht es dafür nicht.