Zwei Prognosen, ein Maßstab: welche Bestellmenge stimmt, ist messbar geworden
Bestellvorschläge, Produktionsaufträge und Umlagerungen ins Amazon-Lager hängen an einer einzigen Zahl: dem erwarteten Bedarf je Artikel und Tag. Diese Zahl kam aus einem gewichteten Schnitt der letzten 42 Verkaufstage, aufgeteilt in drei Zwei-Wochen-Blöcke und bereinigt um Tage ohne Lagerbestand. Für ein stabiles Sortiment trägt das. Bei saisonalen Artikeln nicht: Ein Schnitt der letzten sechs Wochen kennt keinen Jahresverlauf.
Seit Mai 2026 rechnet daneben ein zweites Verfahren: TimesFM, ein Zeitreihenmodell mit 200 Millionen Parametern, das im eigenen Netz betrieben wird. Ein Prüflauf am Wochenende rechnet beide Verfahren gegen die Vergangenheit und weist je Artikel aus, welches näher lag. Was dabei herauskommt, entscheidet nicht der Anbieter des Modells, sondern die eigene Verkaufshistorie.
Die Ausgangslage: ein fortgeschriebener Durchschnitt ohne Saisonverlauf
Aus der Prognose wird eine Bestellung, und eine Bestellung lässt sich nicht kurzfristig zurückholen. Liegt der Wert zu tief, ist ein Artikel wochenlang nicht lieferbar; liegt er zu hoch, steht Kapital im Lager. Im August 2026 setzte McFilter zwei Themen über alle anderen: Kostentransparenz und Saisonalität. Der Anlass war benannt: Das statistische Modell kommt bei raschen Absatzanstiegen nicht schnell genug nach, und der Bestand reicht nicht.
Der Wendepunkt: von historischen Verkäufen zur operativen Bedarfsplanung
Historische Nachfrage belastbar gemacht
Tage ohne verkaufsfähigen Bestand werden aus der Berechnung genommen, damit ein Fehlbestand nicht als geringe Nachfrage erscheint. Einzelne Marktplatzangebote verkaufen oft zu selten für eine stabile eigene Prognose; deshalb rechnet das Modell auf tragfähigen Artikelgruppen und verteilt das Ergebnis über die Verkaufsanteile der letzten 42 Tage zurück auf die Angebote.
Saisonalität und Handelsereignisse abgebildet
Jahresverläufe entstehen aus der Verkaufshistorie der Gruppen. Der deutsche Handelskalender ergänzt bekannte Einflüsse: Feiertage, Black Friday, Cyber Week, Advent sowie Weihnachts- und Osterfenster gehen als Merkmale in die Prognose ein.
Zukünftige Absätze prognostiziert und gemessen
Ein Prüflauf setzt den Prognosestart 180 Tage in die Vergangenheit, lässt die 42-Tage-Baseline und das Zeitreihenmodell erneut rechnen und hält beide gegen die später tatsächlich verkaufte Menge. Aus Fehlermenge und Fehlerrichtung entsteht je Artikel und Zeitfenster ein Bestell-Score. Beim Zusammenführen fiel uns auf, dass vier Korrekturen nur auf dem gemessenen Zweig liefen, während der Zweig für die Bestellmengen unkorrigiert blieb; seit beide dieselbe Implementierung nutzen, verdoppelte sich der Vorsprung im Messlauf von 1,78 auf 3,66 Punkte.
Absatz in Bedarf übersetzt
Die erwarteten Verkäufe werden nicht als isolierte Kurve stehen gelassen. Sets und Stücklisten lösen sie bis auf die benötigten Komponenten auf; aktuelle Bestände und erwartete Lieferungen ergänzen die Prognose zu einem Bedarfssignal.
Operative Entscheidungen vorbereitet
Einkauf, Produktion und FBA-Umlagerung greifen auf dieselbe erwartete Nachfrage zu. Fachanwender können die Verfahren vergleichen und die Ergebnisse prüfen, bevor daraus Bestell-, Produktions- oder Umlagerungsvorschläge entstehen. Den naheliegenden Wechsel zum einfachen Verfahren bei stark wachsenden Artikeln haben wir umgesetzt und gemessen: Er half dem Beispielartikel, verschlechterte aber den Gesamtforecast und ging deshalb nicht in Produktion.
McFilter verkauft seit 2004 Staubsaugerbeutel und Zubehör über die großen Online-Marktplätze. Der Sitz ist Ebersbach-Neugersdorf in Sachsen; Produktentwicklung, Einkauf, Lager und Versand liegen im eigenen Haus.
Über zwei Mandanten laufen 39 aktive Verkaufskanäle auf Amazon, eBay, weiteren Marktplätzen und eigenen Shops, auf denen in zwölf Monaten rund 910.000 Aufträge zusammenkamen. Die Unimatrix führt diese Daten mit Warenwirtschaft und Logistik zusammen und trägt darauf Reporting, Profitabilitätsanalyse und Planung: von der Bestellung über die Produktion bis zur Umlagerung ins Amazon-Lager.