# KI-Absatzprognose für den Handel - sktime Anwendungsfall

Weniger Kapital im Lager, weniger leere Regale: Wie Open-Source-KI-Prognosen mit sktime dem Handel bei Disposition, Frischware, Aktionen und Personalplanung helfen.

Canonical page: https://www.sktime.net/de/anwendungsfaelle/handel-und-produktverkaeufe/

## Weniger Kapital im Lager. Weniger leere Regale.

Wissen, wie viel Sie für jeden Artikel und jede Filiale bestellen müssen, statt zu raten. Kostenlose Open-Source-Prognosesoftware, für Sie eingerichtet von den sktime-Entwicklern.

## Beispielprognose

- Wie viele Stück sollte ich für das Wochenende bestellen? sktime prognostiziert: Zwischen 440 und 520 Stück am Samstag. Bestellen Sie 520 Stück für das Wochenende, damit das Regal voll bleibt.
- Wie viele Brote sollte die Filiale am Samstag backen? sktime prognostiziert: Zwischen 290 und 350 Broten am Samstag. Backen Sie 340 Brote: weniger Ausverkauf am Samstag, weniger Abschrift am Dienstag.
- Wie viel Ware braucht die Aktion? sktime prognostiziert: Das 2,1- bis 2,7-Fache des normalen Absatzes in der Aktionswoche. Bestellen Sie 3 Paletten und planen Sie das Tal danach ein.
- Wie viele Kassen sollten heute Nachmittag besetzt sein? sktime prognostiziert: Zwischen 130 und 150 Kunden um 17 Uhr. Planen Sie mit 150 Kunden: Öffnen Sie um 17 Uhr 6 Kassen, mittags 3.

Illustratives Beispiel. sktime übernimmt die Prognose. Die Entscheidungen bleiben bei Ihrem Team.

## Wo Händler Geld verlieren und wo sktime hilft.

Fehl- und Überbestände kosten den Handel weltweit rund 6,5 % seines Umsatzes. Die Ursache ist fast immer Planung nach Bauchgefühl. Sie zeigt sich an fünf Stellen: ([IHL Group, 2025](https://www.ihlservices.com/news/analyst-corner/2025/09/retail-inventory-crisis-persists-despite-172-billion-in-improvements/))

- Ihr Bestseller ist am Freitag ausverkauft. Der Ladenhüter füllt das Lager.: Bestellungen auf Basis des Vorjahres liegen in beide Richtungen daneben. sktime prognostiziert den Absatz pro Artikel und Filiale, damit sich Ihre Bestellungen an der erwarteten Nachfrage orientieren.
- Ihr Frischbrot ist samstags um 14 Uhr ausverkauft und wird dienstags weggeworfen.: Bei wenigen Tagen Haltbarkeit gibt es keinen Spielraum. sktime prognostiziert pro Artikel, Filiale und Wochentag, inklusive Wetter und Feiertagen, damit Sie bestellen, was sich verkauft.
- Die Aktion lief gut. Jetzt stehen drei Paletten übrig.: sktime bezieht Preise und Aktionen in die Prognose ein. So wissen Sie, wie viel Ware eine Aktion braucht und wie die Nachfrage danach einbricht.
- Das erste warme Wochenende leert das Grillregal. Der Nachschub kommt eine Woche zu spät.: Saisonspitzen kehren jedes Jahr wieder, aber nie am selben Datum. sktime erkennt das Muster in Ihrer Verkaufshistorie, damit Sie den Bestand rechtzeitig aufbauen.
- Nach Feierabend lange Schlangen an der Kasse, mittags Leerlauf.: Mit denselben Methoden lässt sich die Kundenfrequenz pro Filiale und Stunde vorhersagen, so richtet sich der Schichtplan nach der tatsächlichen Nachfrage.

## Was moderne Prognosen im Handel bringen können.

Studien und Praxisberichte zeigen, was Prognosen auf Basis von maschinellem Lernen im Handel erreichen. sktime bündelt diese Methoden in einem Open-Source-Werkzeugkasten, sodass Sie sie nutzen können, ohne alles selbst zu entwickeln.

- 25 % weniger Fehlbestände im Frischesortiment: So viel weniger Fehlbestände melden Lebensmittelhändler mit KI-gestützten Planungssystemen im Durchschnitt. Dazu kommen mindestens 10 % weniger Abschriften und bis zu 30 % geringere Kosten für die Bestandsplanung. Quelle: [McKinsey & Company, 2019](https://www.mckinsey.com/industries/retail/our-insights/the-invisible-hand-on-the-path-to-autonomous-planning-in-food-retail)
- 30 % weniger Retouren in Bäckereien: Ein ML-Prognosedienst senkte die Retouren von Bäckereien 2022 laut Verkaufsberichten im Schnitt um 30 %, vor allem bei Brot und Brötchen. Quelle: [Hübner et al., Journal of Industrial Ecology, 2024](https://onlinelibrary.wiley.com/doi/10.1111/jiec.13528)
- 20 % weniger Überbestand bei Otto: Otto steuert einen Teil seines Einkaufs mit KI-Prognosen und hat seinen Überbestand um ein Fünftel gesenkt. Quelle: [The Economist, 2017](https://www.economist.com/business/2017/04/12/how-germanys-otto-uses-artificial-intelligence)

sktime ist Open Source: keine Lizenzkosten pro Nutzer oder Artikel.

Die Zahlen stammen aus Studien und Praxisberichten zu ML-Prognosen im Handel, nicht aus sktime-Projekten. Was in Ihrem Unternehmen realistisch ist, klären wir im Erstgespräch anhand Ihrer Daten.

## Was könnte das für Ihr Unternehmen wert sein?

Eine Bierdeckelrechnung. Tragen Sie Ihren Jahresumsatz und Ihre Rohertragsmarge ein und sehen Sie eine grobe Spanne in Euro. Alles andere sind übliche Werte im Handel aus öffentlichen Quellen.

Das ist eine Veranschaulichung, und wir versprechen diese Ergebnisse nicht. Die Reduktionsraten stammen aus Berichten über andere Unternehmen, nicht aus sktime-Projekten, und der Umsatzverlust durch leere Regale schwankt stark zwischen Unternehmen. Im Gespräch besprechen wir, welche Möglichkeiten es für Ihren eigenen Anwendungsfall gibt.

## In drei Schritten zu Prognosen, denen Sie vertrauen.

- Erstgespräch und Klärung: Wir sehen uns Ihre Daten an und klären, wo die Planung Sie heute am meisten kostet. Daraus ergeben sich Umfang und Festpreis für das Pilotprojekt.
- Pilot mit Ihren Daten: In zwei bis sechs Monaten bauen wir ein erstes Prognosesystem auf Ihren eigenen Daten. Sie erhalten belastbare Vergleichstests, den vollständigen Code und einen Bericht. Auf dieser Grundlage entscheiden Sie, wie es weitergeht.
- Einsatz in der täglichen Planung: Die Prognosen fließen in Ihren regulären Planungsprozess ein. Mit einem Servicevertrag wartet sktime Enterprise Solutions das System und bleibt Ihr Ansprechpartner, wenn Fragen aufkommen.

## Was die Chefetage zuerst fragt.

### Wir setzen noch keine KI ein. Ist das zu früh für uns?

Nein. Nachfrageprognosen eignen sich gut als erstes KI-Projekt, weil Sie das Ergebnis direkt an Beständen und Umsatz messen können. Ein Pilotprojekt mit einem Ausschnitt Ihrer Daten zeigt die Wirkung, bevor Sie die Prognosen im ganzen Unternehmen einführen.

### Sind unsere Daten gut genug?

Meistens ja. Für den Start reicht die Verkaufshistorie pro Artikel und Filiale aus Ihrem Warenwirtschafts- oder Kassensystem. Preise, Aktionen und Feiertage verbessern die Prognose und lassen sich später ergänzen. In frühen Pilotprojekten kann Datenaufbereitung und -bereinigung nötig sein. Wir sorgen dafür, dass sich die Ergebnisse wiederverwenden lassen, und verbessern im besten Fall Datenqualität und Data Governance im ganzen Unternehmen.

### Bleiben unsere Daten bei uns, und passt das zu unseren Systemen?

sktime ist dafür gedacht, auf Ihren eigenen Servern oder in Ihrer Cloud, Ihre Daten müssen das Unternehmen also nicht verlassen. Als Grundlage dienen die Verkaufsdaten, die Ihr Warenwirtschafts- oder Kassensystem bereits exportiert, und die Prognosen fließen als Datei oder über eine Schnittstelle zurück in Ihre Disposition. Weil sktime Open Source ist und von einer breiten Community entwickelt wird, können Sie jederzeit prüfen, was es tut, und sind an keinen einzelnen Anbieter gebunden. Das Kern-Framework steht dauerhaft unter einer permissiven Lizenz, ohne Lizenzgebühren und ohne Abo-Pflicht.

### Haben wir die Kontrolle über die Software in unserem System?

Ja. Das Kern-Framework ist Open Source und dauerhaft permissiv lizenziert, abgesichert durch die gemeinnützige GC.OS. Individuell für Sie entwickelter Code läuft nicht auf proprietären Systemen anderswo, und Sie werden auch sonst nicht davon ausgesperrt. Welches Wartungsmodell Sie wählen, besprechen wir vorab mit Ihnen: Entweder übergeben wir den Code vollständig an Ihr Team, oder Sie bezahlen für die laufende Wartung.

### Mit wem schließen wir den Vertrag, und was passiert, wenn ein Entwickler geht?

Je nach Art des Projekts ist Ihr Vertragspartner das German Center for Open Source AI (gemeinnützig) oder die sktime Enterprise Solutions GmbH in Ulm, die Dienstleistungen und Software rund um sktime anbietet. Für die Betreuung nach der Einrichtung bieten wir Service-Level-Agreements (SLA) an. Durch die gemeinnützige Struktur ist die Wartung der Framework-Ebene langfristig gesichert. Ein SLA gibt Ihnen eine rechtlich durchsetzbare Garantie, dass immer genug Entwickler bereitstehen, um Ihre Infrastruktur mitzuwarten, auch wenn jemand ausscheidet.

### Müssen wir dafür neue Leute einstellen?

Nein. Wir setzen aber auf die Souveränität unserer Kunden. Dazu gehört, Sie beim Aufbau eines kompetenten Teams zu unterstützen, statt Sie in endlose Beratungsverträge zu binden. Unsere Arbeit begleiten meist Schulungen für Ihre internen Teams, etwa zu KI, Prognosen oder Python, damit Sie das System bald selbst betreiben können. Auf Wunsch übernehmen wir die meisten Anfragen auch mit unseren eigenen Mitarbeitenden, Forward Deployed Engineers oder Freelancern. Ihr Team wird dann kaum belastet, und Ihre Disponenten verbringen weniger Zeit mit Tabellen und müssen nicht programmieren.

### Was kostet das?

Das Kern-Framework von sktime ist kostenlos, ohne Lizenzgebühren pro Nutzer oder Artikel, weder jetzt noch später, und wird von einer gemeinnützigen Organisation getragen. Sie zahlen für Einrichtung und Betreuung, die Sie beauftragen. Pilotprojekte haben einen Festpreis, der vorab feststeht. Größere Projekte haben klar definierte Ergebnisse, und den Preis schätzen wir in einer Klärungsphase vor dem Start und deckeln ihn. Individuelle Software oder Modelle, die wir für Sie warten, können Kosten über ein SLA oder eine Lizenz verursachen. Vertrags- und Abrechnungsmodell besprechen wir immer vorab mit Ihnen.

## Schauen wir gemeinsam auf Ihre Zahlen.

sktime ist kostenlos und Open Source. In einem kostenlosen 60-Minuten-Gespräch sehen sich die Menschen hinter sktime an, wie Sie heute planen und bestellen und was bessere Prognosen für Ihr Unternehmen wert sein könnten.

sktime wird über eine Million Mal pro Monat heruntergeladen und von mehr als 500 Mitwirkenden weltweit entwickelt. Jetzt richtet das Kernteam es für Sie ein.

- Ihre Situation: Wie Sie heute bestellen und planen und wo es Sie am meisten kostet.
- Ihre Daten: Was Sie schon haben und was ein erster Prognosedurchlauf braucht.
- Ihre Zahlen: Eine erste, grobe Schätzung, was es wert sein könnte, und wie ein Pilotprojekt aussehen würde.
