Im Lager entscheidet sich, ob ein Versprechen an den Kunden gehalten wird. Bestellt ein Händler am Vormittag, soll die Ware am nächsten Morgen in der Filiale sein. Bestellt eine Konsumentin online, erwartet sie die Lieferung oft schon am selben Tag. Dazwischen liegen Wareneingang, Einlagerung, Kommissionierung, Verpackung, Verladung und viele kleine Entscheidungen, die zusammen über Kosten und Geschwindigkeit bestimmen.
Auf dem Österreichischen Logistik-Tag 2026 war die Produktivität im Lager eines der großen Themen, von KI-gestützter Robotik über Digital Twins bis zum Dark Warehouse, das fast ohne Menschen auskommt. So unterschiedlich die Technologien sind, eines haben sie gemeinsam. Sie entfalten ihren Nutzen erst, wenn sie gut geplant und gesteuert werden. In diesem Beitrag zeigen wir, an welchen Stellen mathematische Optimierung die Produktivität im Lager erhöht.
Wo im Lager die Zeit verloren geht
In einem klassischen Person-zur-Ware-Lager entfällt ein großer Teil der Arbeitszeit in der Kommissionierung auf Wege. Die Kommissioniererin läuft oder fährt von Lagerplatz zu Lagerplatz, sucht den Artikel, entnimmt ihn und geht weiter. Das eigentliche Greifen dauert nur Sekunden, der Weg dazwischen oft ein Vielfaches. Wer die Wege verkürzt, gewinnt am meisten.
Auch in automatisierten Lagern geht Zeit verloren, nur an anderen Stellen. Shuttles warten aufeinander, Roboter stauen sich an Übergabepunkten, Arbeitsplätze stehen leer, weil die Ware nicht rechtzeitig ankommt. Die Frage verschiebt sich von der Wegeoptimierung zur Steuerung eines komplexen Systems, in dem viele Teile gleichzeitig arbeiten.
Lagerplätze klug vergeben
Die erste Stellschraube ist die Lagerplatzvergabe, im Fachjargon Slotting. Artikel, die oft gebraucht werden, gehören an gut erreichbare Plätze nahe der Packstation. Artikel, die häufig gemeinsam bestellt werden, sollten nahe beieinander liegen. Schwere Artikel gehören in Griffhöhe oder nach unten, leichte können höher liegen. Und saisonale Artikel müssen rechtzeitig umgelagert werden, bevor ihre Saison beginnt.
Ein Optimierungsmodell kann all diese Kriterien gleichzeitig berücksichtigen. Es berechnet aus den Auftragsdaten, welcher Artikel wo liegen sollte, und schlägt Umlagerungen vor, die sich lohnen. Dabei achtet es darauf, dass die Umlagerungen selbst nicht mehr Aufwand verursachen, als sie einsparen. Gerade in Lagern mit stark wechselndem Sortiment bringt eine regelmäßige Neuberechnung deutliche Wegeinsparungen.
Aufträge bündeln und in Wellen planen
Die zweite Stellschraube ist die Bündelung von Aufträgen. Statt jeden Auftrag einzeln zu kommissionieren, werden mehrere Aufträge gemeinsam gesammelt und später getrennt. Das spart Wege, verlangt aber eine gute Auswahl. Welche Aufträge passen gut zusammen, weil ihre Artikel nahe beieinander liegen? Wie viele Aufträge passen in einen Kommissionierwagen? Und welche Aufträge müssen zuerst fertig sein, weil ihr Lkw früher abfährt?
Mathematisch ist das ein anspruchsvolles Kombinationsproblem, das eng mit der Tourenplanung verwandt ist. Für jede Bündelung muss die kürzeste Route durch das Lager berechnet werden, und die Bündelung muss zu den Abfahrtszeiten der Lkw passen. Ein Modell, das beides gemeinsam betrachtet, findet deutlich bessere Lösungen als einfache Regeln. Mehr zu den Methoden auf unseren Seiten zur Graphentheorie und zu Metaheuristiken.
Menschen und Roboter gemeinsam steuern
Immer mehr Lager setzen auf Automatisierung. Fahrerlose Transportsysteme bringen Paletten, autonome mobile Roboter begleiten Kommissioniererinnen, und Ware-zur-Person-Systeme liefern Behälter an ergonomische Arbeitsplätze. Auf dem Logistik-Tag 2026 wurden KI-gestützte Roboter für die Einzelstückkommissionierung ebenso gezeigt wie der erste österreichische humanoide Roboter für Logistikaufgaben.
Mit jeder neuen Maschine steigt die Zahl der Entscheidungen, die koordiniert werden müssen. Welcher Roboter übernimmt welchen Auftrag? In welcher Reihenfolge werden Behälter an den Arbeitsplatz geliefert? Wie werden Ladepausen der Fahrzeuge geplant, ohne dass der Durchsatz sinkt? Und wie arbeiten Menschen und Maschinen so zusammen, dass beide gut ausgelastet sind? Ein übergeordnetes Optimierungsmodell kann diese Entscheidungen abstimmen und verhindert, dass einzelne Systeme lokal optimal, aber gemeinsam ineffizient arbeiten.
Personal nach dem tatsächlichen Bedarf planen
Auch im hochautomatisierten Lager bleibt der Mensch wichtig. Die Personaleinsatzplanung entscheidet, ob zur richtigen Zeit genug Mitarbeitende an den richtigen Stellen sind. Der Bedarf schwankt stark über den Tag, die Woche und das Jahr. Vor Feiertagen, in der Weihnachtszeit oder bei Aktionen des Handels steigt das Volumen deutlich.
Ein gutes Planungsmodell leitet den Personalbedarf aus der Prognose des Auftragsvolumens ab und erstellt einen Schichtplan, der den Bedarf deckt, die Arbeitszeitregeln einhält und die Wünsche der Mitarbeitenden berücksichtigt. Es kann auch zeigen, wie viele Mitarbeitende mit welchen Qualifikationen gebraucht werden und wo sich eine flexible Einsatzplanung zwischen verschiedenen Bereichen lohnt. Wie wir Dienst- und Schichtplanung angehen, beschreiben wir auf unserer Seite über Personal- und Schichtplanung im Lager. Für die vielen Regeln der Schichtplanung eignet sich besonders Constraint Programming.
An der Rampe beginnt und endet alles
Das Lager ist nur so schnell wie seine Rampen. Wenn Lkw im Wareneingang Schlange stehen, verzögert sich die Einlagerung. Wenn im Warenausgang die Ware nicht rechtzeitig bereitsteht, fährt der Lkw später ab oder halb leer. Ein Zeitfenstermanagement, bei dem Spediteure vorab einen Termin buchen, ist heute weit verbreitet. Die Frage ist, wie die Zeitfenster vergeben werden.
Ein Optimierungsmodell kann die Zeitfenster so planen, dass die Rampen gleichmäßig ausgelastet sind, der Wareneingang zum Personal passt und dringende Lieferungen Vorrang haben. Im Warenausgang lässt sich die Reihenfolge der Kommissionierung so steuern, dass die Ware für jeden Lkw rechtzeitig und in der richtigen Ladereihenfolge bereitsteht. Ähnliche Fragen stellen sich bei Recyclinganlagen, die wir im Beitrag zur Anlieferung und Produktion in Recyclinganlagen beschreiben.
Der Digital Twin als Testfeld
Bevor ein Lager umgebaut oder eine neue Steuerungslogik eingeführt wird, möchte man wissen, ob sie funktioniert. Ein Digital Twin, also ein digitales Abbild des Lagers mit seinen Prozessen, macht das möglich. In der Simulation lassen sich verschiedene Layouts, Strategien und Automatisierungsgrade testen, ohne den laufenden Betrieb zu stören.
Simulation und Optimierung ergänzen sich dabei. Die Simulation zeigt, wie sich ein System unter realistischen Bedingungen verhält, mit Schwankungen, Störungen und Wartezeiten. Die Optimierung findet innerhalb der Simulation die besten Entscheidungen. Zusammen entsteht ein Werkzeug, mit dem sich Investitionsentscheidungen fundiert treffen lassen. Auf dem Logistik-Tag 2026 zeigte etwa Coca-Cola HBC Austria, wie ein Digital Twin Engpässe früh erkennbar macht und Optimierungen ohne Eingriff in den Betrieb ermöglicht.
KI im Lager sinnvoll einsetzen
Künstliche Intelligenz hat im Lager viele sinnvolle Anwendungen. Bilderkennung prüft Waren im Wareneingang, Prognosemodelle sagen das Auftragsvolumen voraus, und Greifroboter lernen, unterschiedlichste Artikel sicher zu fassen. Für die Planung ist vor allem die Prognose wichtig. Wer weiß, wie viele Aufträge morgen kommen und welche Artikel gefragt sein werden, kann Personal, Lagerplätze und Nachschub vorausschauend planen.
Die Entscheidung, was mit dieser Prognose zu tun ist, trifft dann das Optimierungsmodell. Wie diese Arbeitsteilung aussieht, erklären wir im Beitrag Operations Research oder KI. Wie Prognosen mit maschinellem Lernen entstehen, zeigt unsere Seite zum Machine Learning. Und wie KI-Agenten auf solche Modelle zugreifen können, beschreiben wir im Beitrag zu KI-Agenten in der Supply Chain.
Wie Hex bei einem Lagerprojekt vorgeht
Hex ist das Team für mathematische Optimierung in der Anexia Digital Engineering Group. In einem Lagerprojekt beginnen wir mit den Bewegungsdaten aus dem Lagerverwaltungssystem. Daraus analysieren wir, wo Zeit verloren geht, und berechnen, wie viel eine optimierte Lagerplatzvergabe, Auftragsbündelung oder Personalplanung bringen würde. Dieser Vergleich mit der heutigen Situation zeigt schnell, wo die größten Hebel liegen.
Danach binden wir die Optimierungsmodelle an das bestehende Lagerverwaltungssystem an, ohne es zu ersetzen. Das System liefert weiter die Daten und führt die Aufträge aus, das Modell liefert die besseren Entscheidungen. Wie das funktioniert, beschreiben wir im Beitrag zur Ergänzung bestehender Planungssoftware. Den größeren Zusammenhang zeigt unser Beitrag zur Supply Chain Optimierung.
Nachschub zur richtigen Zeit
Ein Kommissionierplatz nützt wenig, wenn er leer ist, während ein Auftrag darauf wartet. Der Nachschub aus dem Reservelager muss deshalb so geplant werden, dass die Greifplätze immer rechtzeitig aufgefüllt sind, ohne dass Stapler und Kommissionierer sich in den Gängen behindern. Ein Modell, das den Bedarf der nächsten Stunden kennt, plant Nachschubaufträge vorausschauend und legt sie in Zeiten, in denen in den betroffenen Gängen wenig kommissioniert wird. So werden Wartezeiten vermieden und die Staplerflotte gleichmäßig ausgelastet.
Sie möchten wissen, wie viel Produktivität in Ihrem Lager steckt? Sprechen Sie mit unserem Mathematikteam. Wir analysieren Ihre Bewegungsdaten und zeigen Ihnen die größten Hebel.
Häufige Fragen
Lohnt sich Optimierung auch in einem manuellen Lager?
Ja, gerade dort. In manuellen Lagern entfällt ein großer Teil der Arbeitszeit auf Wege, und eine bessere Lagerplatzvergabe und Auftragsbündelung wirkt sich direkt aus.
Müssen wir unser Lagerverwaltungssystem austauschen?
Nein. Die Optimierung wird über Schnittstellen angebunden und liefert Vorschläge an das bestehende System.
Wie schnell rechnet das Modell im laufenden Betrieb?
Für Auftragsbündelung und Reihenfolgeplanung in wenigen Sekunden. Strategische Fragen wie ein neues Layout werden in längeren Rechenläufen untersucht.
Hilft Optimierung auch bei der Planung eines neuen Lagers?
Ja. Layout, Automatisierungsgrad und Kapazitäten lassen sich mit Simulation und Optimierung vergleichen, bevor investiert wird.