Lagerbestand für Kosmetikprodukte automatisch steuern

Das echte Ausmaß des Problems

Der Lagerbestand eines Salons oder Beauty-Studios ist kleiner als der eines Einzelhandels­geschäfts, aber komplizierter. Ein mittelgroßer Friseursalon mit acht Mitarbeitenden verwaltet oft 150 bis 300 verschiedene Positionen — Haarfarben in dutzenden Nuancen, Oxidationsmittel in vier Stärken, Pflegeprodukte, Retail-Artikel für den Verkauf an der Theke, Verbrauchsmaterial wie Folien, Handschuhe und Einwegcapes. Diese Produkte haben völlig unterschiedliche Nachfragemuster, Laufzeiten und Mindesthaltbarkeiten.

Laut der Salon-Management-Plattform Suplery (2024) verlieren Salons im Durchschnitt über 5.000 Euro jährlich durch eine Kombination aus Überdosierung von Back-Bar-Produkten, Verfallsverlusten und Umsatzausfall durch Stockouts bei Bestsellern. Ein konkretes Beispiel aus der Studie: Ein Friseursalon in Miami reduzierte seine Verfallsverluste um 20 Prozent und sparte damit rund 2.000 Dollar jährlich — allein durch systematisches FIFO-Management (Ältest zuerst verbrauchen). Mit automatischer Prognose steigt das Sparpotenzial weiter.

Das Grundproblem liegt in der Kombination aus drei Faktoren:

Saisonale Schwankungen, die mit reiner Erfahrung schwer vorherzusagen sind: Weihnachten, die Karneval-/Fasching-Saison, der Hochzeitssommer — jedes Jahr etwas anders, aber nie gleich. Wer zu spät bestellt, riskiert Engpässe in Hochphasen. Wer zu früh oder zu viel bestellt, hat Kapital im Regal, das vielleicht abläuft, bevor es verbraucht wird.

Zwei völlig unterschiedliche Produktkategorien unter einem Dach, die sich wie verschiedene Betriebe verhalten: Retail-Produkte, die Kunden kaufen, und Back-Bar-Verbrauchsmaterial, das Stylistinnen während der Behandlung nutzen. Wer beide in einem Topf verwaltet, verliert den Überblick — weil die Nachfragetreiber grundlegend verschieden sind.

Fehlende Transparenz beim tatsächlichen Verbrauch: Wieviel Farbe wurde gestern tatsächlich verbraucht? Schätzungen variieren je nach Stylistin um 20 bis 40 Prozent. Ohne präzise Messung akkumulieren sich Fehler im Bestand über Monate.

Retail oder Back-Bar? Die zwei Lager eines Salons

Dieser Unterschied ist entscheidend, weil er bestimmt, welchen Ansatz du wählst und welche Daten du dafür brauchst.

Retail-Produkte — also Shampoos, Conditioner, Seren, Masken, die Kunden zum Mitnehmen kaufen — verhalten sich wie klassischer Einzelhandel. Die Nachfrage hängt vom Kundenfluss, von Empfehlungen durch Stylistinnen und von Saisonalität ab. Jeder Verkauf wird an der Kasse erfasst. Der Bestand ist in der Regel zählbar, EAN-codiert und über das POS-System nachvollziehbar. KI-gestützte Prognosen funktionieren hier gut, sobald du zwölf Monate saubere Verkaufsdaten hast.

Back-Bar-Verbrauchsmaterial — Haarfarbe, Oxidationsmittel, Töner, Pflegezusätze, die Stylistinnen direkt am Kunden einsetzen — ist eine andere Welt. Hier gibt es keinen Kassenbon für die Entnahme. Die Menge richtet sich nach dem konkreten Termin (Farbe, Länge, Technik), der Erfahrung der Stylistin und ehrlich gesagt nach Gewohnheiten, die von Person zu Person erheblich variieren. Eine Coloristin, die routinemäßig zehn Gramm mehr mischt als nötig, kostet den Salon über ein Jahr mehr als eine falsche Bestellung.

Warum das für die Technologiewahl entscheidend ist:

Für Retail-Produkte reicht oft ein gutes Salon-POS-System mit Bestandsmodul — Phorest oder Fresha können das. Das System kennt die Verkaufszahlen, kennt die Lieferzeiten und kann zuverlässig warnen, wenn ein Produkt knapp wird.

Für Back-Bar-Material brauchst du zusätzlich ein Gramm-genaues Tracking-System. Tools wie SalonScale nutzen Bluetooth-Waagen: Stylistinnen wiegen ihre Mischung vor dem Auftragen, das System zieht die Menge automatisch vom Lagerbestand ab und berechnet den Materialanteil je Behandlung. Das ist der einzige Weg, um Back-Bar-Verbrauch wirklich zu verstehen — und die einzige Datenbasis, auf der ein KI-Modell später sinnvolle Prognosen bauen kann.

Die häufigste Fehlinvestition: ein teures Inventory-Tool kaufen, bevor klar ist, welche der beiden Produktkategorien das eigentliche Problem ist.

Mit vs. ohne KI — ein ehrlicher Vergleich

Vergleichswerte basieren auf Praxisberichten aus Suplery (2024) und dem LEAFIO-Fallbeispiel L Cosmetics (2024); individuelle Ergebnisse hängen von Salonstruktur, Datenpflege und Produktportfolio ab.

Einschätzung auf einen Blick

Zeitersparnis — mittel (3/5) Der Bestellprozess, der heute zwei bis vier Stunden pro Woche kostet, schrumpft auf eine kurze Kontrollrunde: Empfehlungen prüfen, genehmigen, absenden. Das ist real — aber kein Gamechanger für das Tagesgeschäft. Dieser Anwendungsfall spart primär administrativen Aufwand der Inhaberin oder des Managers, nicht die Zeit der Stylistinnen am Kunden.

Kosteneinsparung — hoch (4/5) Dieser Wert kommt aus zwei Quellen, die zusammen substanziell sind: weniger Kapital im Überbestand gebunden, und weniger Verlust durch abgelaufene Produkte. Das LEAFIO-Fallbeispiel L Cosmetics (2024) zeigt 6 Prozent Überbestandsreduktion und 25 Prozent bessere Bestandsumschlagsquote nach drei Monaten. In einem Salon mit 30.000 Euro gebundenem Lagerbestand bedeuten 6 Prozent weniger Kapital knapp 1.800 Euro — plus die eingesparten Verfallsverluste. Verglichen mit anderen Beauty-Anwendungsfällen ist das ein klar messbarer Effekt; daher 4 von 5.

Schnelle Umsetzung — niedrig (2/5) Hier ist Ehrlichkeit gefragt. Bevor du ein KI-Prognosemodell sinnvoll einsetzen kannst, braucht es mindestens zwölf Monate saubere, SKU-genaue Verkaufsdaten — und eine saubere Trennung zwischen Retail und Back-Bar in deinem POS-System. Wer das heute noch nicht hat, fängt nicht mit KI an, sondern mit Datenpflege. Der Weg vom ersten Einrichten bis zu verlässlichen Prognosen dauert realistisch sechs bis zwölf Wochen. Damit liegt dieser Anwendungsfall bei der Umsetzungsgeschwindigkeit deutlich unter Einstiegern wie der Social-Media-Content-Erstellung oder dem Bewertungsmanagement.

ROI-Sicherheit — hoch (4/5) Im Unterschied zu vielen anderen KI-Anwendungen lässt sich der Nutzen hier gut messen: Verfallsabschreibungen sind buchhalterisch erfasst, Bestellkosten vergleichbar, Stockout-Häufigkeit zählbar. Nach einem bis zwei vollständigen Saisonzyklen — also nach einem Jahr — siehst du verlässlich, ob das System seinen Wert erbringt. Kein indirekter Nutzen, den man schätzen muss.

Skalierbarkeit — hoch (4/5) Wer mit einem Standort beginnt, kann das System später auf zwei, drei oder zehn Filialen ausweiten — ohne proportionalen Mehraufwand. Die zentrale Bestandsübersicht über alle Standorte ist bei Phorest und spezialisierten Inventory-Tools Standard. Für wachsende Ketten ist das ein klarer Vorteil.

Richtwerte — stark abhängig von Salonstruktur, Produktportfolio und Datenpflegereife.

Was das System konkret macht

Die technische Grundlage ist Predictive Analytics: Das System analysiert historische Verkaufs- und Verbrauchsdaten, erkennt Muster und berechnet daraus, wann ein Produkt wahrscheinlich ausgeht — unter Berücksichtigung der Lieferzeit. Im einfachsten Fall ist das eine automatische Reorder-Point-Berechnung: Wenn der aktuelle Bestand unter X fällt und der Lieferant drei Tage Lieferzeit hat, erscheint eine Nachbestellempfehlung.

In leistungsfähigeren Systemen fließen weitere Faktoren ein:

• Gebuchte Termine: Ein Colorations-Termin nächste Woche erfordert voraussichtlich X Gramm Farbe in Nuance Y. Das System kann bereits heute warnen, wenn der Bestand für die gebuchten Termine nicht ausreicht.
• Saisonalität: Das System erkennt wiederkehrende Spitzen aus dem Vorjahresmuster — Weihnachten, Karneval, Sommerferien — und rechnet sie in die Prognose ein.
• Lieferantenzyklen: Viele Salons bestellen bei bestimmten Lieferanten nur einmal pro Woche. Das System bündelt Bestellempfehlungen automatisch auf den nächsten Bestellzyklus.

Was das System nicht macht: Es erfindet keine Daten. Wenn die Bestandseingaben unzuverlässig sind, sind die Empfehlungen unzuverlässig. Das ist der kritische Punkt, auf den wir bei den Einstiegsfehlern noch eingehen werden.

Verfallsdaten ernst nehmen — das unsichtbare Kostenproblem

Kosmetikprodukte haben ein spezifisches Merkmal, das sie von anderen Handelsprodukten unterscheidet: Sie laufen ab. Geöffnete Produkte verlieren ihre Wirksamkeit und Sicherheit nach dem Mindesthaltbarkeitsdatum, das in Deutschland seit 2005 auf der Verpackung angegeben sein muss. Für Produkte mit weniger als 30 Monaten Mindesthaltbarkeit ist das ein aufgedrucktes Datum; für langlebige Produkte gilt das Prinzip des „Period After Opening” (PAO) — ein Symbol auf der Verpackung zeigt, wie viele Monate nach dem Öffnen das Produkt verwendbar ist.

In der Praxis bedeutet das für Salons: Produkte, die 18 Monate halten, können trotzdem ablaufen, wenn sie zu viel auf Vorrat gekauft wurden. Oxidationsmittel verlieren nach dem Öffnen schnell ihre Wirksamkeit. Selbst Retail-Produkte, die an der Theke stehen, laufen ab — insbesondere wenn eine Farb- oder Produktlinie eingestellt wird und der Salon noch Restbestände hat.

Was ein KI-gestütztes System hier liefert: Es priorisiert automatisch Produkte nach Verfallsdatum — FIFO (First In, First Out) als Standard. Es warnt, wenn ein Produkt in den nächsten vier bis sechs Wochen ablaufen wird und noch nicht vollständig verbraucht ist. Und es verhindert systematisch, dass neue Ware eingelagert wird, solange ältere Einheiten noch vorhanden sind.

Was kein System alleine lösen kann: die physische Disposition im Lagerraum. Ältere Produkte müssen tatsächlich weiter vorne stehen. Das ist Organisationsdisziplin, kein Softwareproblem — aber ein gutes System macht die Notwendigkeit sichtbar.

Konkrete Werkzeuge — was wann passt

Fresha — wenn du noch kein POS-System hast und klein beginnst Fresha ist für viele kleine Salons das erste digitale Kassensystem. Die kostenlose Grundversion enthält einfache Bestandsverwaltung: Produkte anlegen, Mindestbestandsgrenzen setzen, manuelle Inventur. KI-gestützte Prognosen bietet Fresha nicht — aber als Datenbasis für den späteren Schritt ist das System sinnvoll, wenn du noch keine strukturierten Verkaufsdaten hast.

Phorest — für Salons ab 3–4 Mitarbeitenden mit Retail-Bereich Phorest ist das funktional stärkste Salon-System für die Kombination aus Terminbuch, Kasse und Bestandsverwaltung. Die Software trennt Retail und Back-Bar als Kategorien, erlaubt Mindestbestandsgrenzen je Produkt und generiert Nachbestellhinweise. Automatische KI-Prognosen basierend auf Buchungsmustern sind in höheren Plänen enthalten. Kosten: ab ca. 220 Euro pro Standort/Monat. Verfügbar in Deutschland, deutschsprachiger Support, DSGVO-konform.

SalonScale — wenn Back-Bar dein Hauptkostenproblem ist SalonScale ist spezialisiert auf das Gramm-genaue Tracking von Farbmischungen und Behandlungsprotokollen über eine Bluetooth-Waage. Es löst das fundamentale Datenproblem beim Back-Bar-Material: Statt Schätzungen arbeitet das System mit tatsächlich gemessenen Verbrauchsmengen. Damit baut es die Datenbasis auf, die für jede KI-Prognose notwendig ist. Kosten: ab ca. 55 USD/Monat plus Waage (ca. 30 USD einmalig). Keine deutsche Oberfläche; Datenspeicherung in den USA — DSGVO-Konformität vor Einführung klären.

Inventory Planner — wenn du ein Retail-Verkaufssortiment mit 300+ Produkten hast Für größere Kosmetik-Retailer oder Fachgeschäfte — etwa spezialisierte Parfümeriegeschäfte oder professionelle Kosmetik­fachhandlungen — ist Inventory Planner eine ausgefeiltere Lösung. Das Tool analysiert Verkaufshistorien, Saisonalität und Werbeeffekte und gibt konkrete Bestellempfehlungen. Integration in Shopify und andere E-Commerce-Systeme. Ab ca. 299 USD/Monat; keine deutsche Oberfläche.

Zusammenfassung: Wann welcher Ansatz

• Kleiner Salon, erste Digitalisierung → Fresha als Einstieg
• 3–30 Mitarbeitende, Retail-Fokus → Phorest als zentrales System
• Coloristen-Salon, Farbkosten sind das Problem → SalonScale ergänzend
• Großer Retail-Betrieb mit 300+ SKUs → Inventory Planner

Datenschutz und Datenhaltung

Die meisten Lagerbestandsdaten in einem Salon sind nicht personenbezogen: Produktbestände, Bestellmengen, Lieferzeiten. Das erleichtert die DSGVO-Situation erheblich. Problematisch werden Daten erst, wenn Verbrauchsdaten mit Mitarbeiter-Accounts oder Kundenprofilen verknüpft werden — etwa wenn das System protokolliert, welche Stylistin wieviel Farbe verbraucht hat.

Konkret für die wichtigsten Tools:

• Fresha: EU-Datenhosting (Irland), deutschsprachige Oberfläche, AVV auf Anfrage. Die sauberste DSGVO-Lösung unter den Salon-Plattformen.
• Phorest: EU-Hosting (Irland), DSGVO-konform, AVV standardmäßig verfügbar. Für Mitarbeiter-Daten gelten die normalen Datenschutzregeln des Arbeitsverhältnisses.
• SalonScale: Datenspeicherung in Kanada/USA. Vor Einführung Datenschutzbeauftragten oder Anwalt einschalten — insbesondere wenn mitarbeiter-spezifische Verbrauchsdaten erfasst werden, ist das eine klassische Auftragsverarbeitungs-Situation.
• Inventory Planner: Globale Infrastruktur unter Sage; konkrete EU-Datenhosting-Angaben nicht öffentlich verfügbar — Nachfragen beim Anbieter vor Vertragsabschluss.

Für reine Bestandsdaten ohne Personenbezug ist der DSGVO-Aufwand gering. Sobald individuelle Mitarbeiterleistungsdaten oder Kundenpräferenzen in die Bestandsplanung einfließen, muss eine Datenschutz-Folgenabschätzung stattfinden.

Was es kostet — realistisch gerechnet

Einmalige Einrichtungskosten

• Bestandsaufnahme (alle Produkte erfassen, kategorisieren, Mindestbestände setzen): 4–8 Stunden intern
• Software-Einrichtung: Bei Fresha kostenfrei; Phorest bietet geführtes Onboarding; SalonScale ca. 2 Stunden Setup
• Hardware (Waage für SalonScale): ca. 30 Euro einmalig

Laufende Kosten (monatlich)

• Fresha: kostenlos für die Grundfunktion (Bestandsverwaltung inklusive)
• Phorest: ab ca. 220 Euro/Monat pro Standort (Essential-Plan)
• SalonScale: ab ca. 55 USD/Monat (Solo) bis ca. 199 USD/Monat (größere Salons)
• Inventory Planner: ab ca. 299 USD/Monat

Wie du den Nutzen tatsächlich misst Definiere vor dem Start drei konkrete Kennzahlen: (1) Anzahl der Stockout-Ereignisse pro Monat, (2) Verfallsabschreibungen pro Quartal, (3) gebundenes Lagerkapital am Monatsende. Diese Zahlen musst du heute kennen — ohne Ausgangswert kannst du nach sechs Monaten nicht beurteilen, ob das System seinen Wert erbracht hat.

Konservatives Rechenbeispiel Ein Salon mit 8.000 Euro monatlichem Umsatz hat typischerweise 1.500 bis 2.500 Euro im Lagerbestand gebunden. Bei 15 Prozent Reduktion des Überbestands: ca. 250 bis 375 Euro weniger gebundenes Kapital. Plus: Wenn du pro Quartal 300 Euro an abgelaufenen Produkten abschreibst und das auf 100 Euro reduzierst, sind das 800 Euro jährlich. Zusammen: 1.500 bis 2.500 Euro jährlicher Nutzen. Phorest kostet ca. 2.640 Euro pro Jahr. Das rechnet sich, sobald du die Vorteile der integrierten Terminplanung und des Kassensystems miteinrechnest — aber als reine Lagerbestandslösung ist Phorest für einen kleinen Salon teuer. Für diesen Fall ist Fresha + SalonScale (ca. 660 USD/Jahr) die ehrlichere Rechnung.

Drei typische Einstiegsfehler

1. Retail und Back-Bar in einem Topf verwalten. Das ist der häufigste Fehler. Wenn ein Farbprodukt sowohl für Behandlungen als auch für den Retail-Verkauf genutzt wird und du beide Abgänge in einer Bestandsposition führst, verlierst du jegliche Aussagekraft. Das System weiß nicht, warum der Bestand sinkt — und wird falsch bestellen. Lösung: Von Anfang an zwei getrennte Kategorien anlegen, auch wenn es anfangs mehr Aufwand bedeutet.

2. Das System einrichten und auf die erste Bestellempfehlung vertrauen. In den ersten drei bis sechs Monaten ist das System noch im Lernmodus. Die Prognosen basieren auf den Daten, die du eingegeben hast — und die sind zu Beginn selten vollständig. Fehlende Produkte, falsch geschätzte Anfangsbestände, Lücken bei der Back-Bar-Erfassung: All das führt zu Empfehlungen, die noch deutlich manuell nachkorrigiert werden müssen. Lösung: Die ersten Monate als Kalibrierungsphase behandeln — Empfehlungen prüfen, Abweichungen notieren, Ausgangsdaten nachbessern.

3. Das System läuft, aber niemand pflegt die Produktdaten. Das ist der langsamste, aber schädlichste Fehler — und er trifft fast jeden Salon sechs bis zwölf Monate nach dem Rollout. Neue Produkte werden eingeführt, aber nicht im System angelegt. Eingestellte Produkte bleiben im Bestand. Lieferzeiten ändern sich. Preise steigen. Das System rechnet weiter mit alten Werten. Ergebnis: Bestellempfehlungen, die immer weniger zu der Realität passen, die du siehst. Lösung: Vierteljährliche Bestandsrevision als festen Termin im Kalender — wer das übernimmt, muss namentlich bestimmt sein, nicht „die IT” oder „irgendwann”.

Was mit der Einführung wirklich passiert — und was nicht

Die häufigste Enttäuschung nach der Einführung: „Das System schlägt falsche Mengen vor.” Fast immer ist die Ursache nicht das System, sondern die Daten, die reingesteckt wurden. Bestandssoftware liefert Qualität proportional zur Datenqualität — eine Trivialität, die im Eifer der Einführung regelmäßig vergessen wird.

Was in der Praxis gut funktioniert: Das System erledigt genau das, was es soll — es erinnert, es warnt, es bündelt Bestelllisten. Die zehn Minuten montags früh, um die Bestellempfehlungen zu prüfen, ersetzen zwei Stunden manuelle Inventur. Das ist der echte, messbare Alltagsgewinn.

Was nicht funktioniert: Back-Bar-Tracking ohne kulturellen Wandel im Team. Wenn Stylistinnen das Wiegen vergessen, wenn Entnahmen nicht gebucht werden, wenn frisch gelieferte Ware nicht eingelagert wird — dann rechnet das System mit Phantombeständen. Ein gutes System kann einen schlecht organisierten Lagerraum nicht ersetzen. Es braucht die Grundordnung, um darauf aufzubauen.

Konkrete Widerstands-Muster und Lösungen:

„Ich weiß selbst, was ich brauche” — erfahrene Inhaberinnen fühlen sich durch das System bevormundet. Lösung: Das System nicht als Entscheidungsträger, sondern als Erinnerungshelfer positionieren. Die finale Entscheidung bleibt bei der Inhaberin. Das System spart nur das Aufschreiben.

„Das Wiegen kostet Zeit am Kunden” — vor allem bei Farbbehandlungen. Lösung: SalonScale in den normalen Mischprozess integrieren; in der Praxis kostet Wiegen etwa 30 Sekunden pro Mischung. Die meisten Coloristinnen berichten, dass das Wiegen schnell zur Gewohnheit wird.

„Wir haben das immer ohne Software gemacht” — stimmt, und hat bisher auch funktioniert. Lösung: Die erste Auswertung nach dem ersten Monat zeigen, was vorher nicht sichtbar war. Konkrete Zahlen — nicht Konzepte — überzeugen.

Realistischer Zeitplan mit Risikohinweisen

Wichtig: Die ersten Hochsaison-Prognosen sind fast immer ungenau — das System hat schlicht noch keine vollständige Jahreshistorie. Das ist normal und kein Fehler des Systems. Erst nach einem vollständigen Jahreszyklus beginnen die Prognosen zuverlässig zu werden.

Häufige Einwände — und was dahintersteckt

„Ich habe zu wenig Produkte, um das zu brauchen.” Stimmt für viele Solosalons — dort lohnt sich ein spezialisiertes System tatsächlich nicht. Aber sobald du mehr als 80 bis 100 aktive Produkte verwaltest und mindestens drei bis vier Mitarbeitende beschäftigst, wird manuelle Inventur fehleranfällig. Der Grenzwert ist nicht die Produktanzahl allein, sondern die Kombination aus Produktanzahl, Mitarbeiterzahl und Umsatzvolumen.

„Unsere Produkte sind so speziell, das kann kein System prognostizieren.” Hauttyp-spezifische Mixturen, Spezialfarben, Einzel-Rezepturen — das ist ein berechtigtes Argument für Back-Bar-Spezialprodukte. Aber die meisten Retail-Artikel und Standardprodukte (Shampoos, Oxidationsmittel, Standardtöner) haben durchaus prognostizierbare Nachfragemuster. Ein System, das 70 Prozent des Bestands zuverlässig plant, entlastet trotzdem erheblich.

„Wir haben gerade das System gewechselt und fangen neu an.” Das ist tatsächlich der schlechteste Zeitpunkt, um mit KI-Prognosen zu starten. Ohne historische Daten keine Prognose. Lösung: Sechs bis zwölf Monate strukturiert Daten sammeln, dann mit der Prognose beginnen. Das ist die richtige Reihenfolge — nicht anders herum.

Woran du merkst, dass das zu dir passt

Du erkennst dich in mindestens drei dieser Situationen:

• Du hast mindestens einmal im letzten Quartal mitten in einer Behandlung festgestellt, dass ein Produkt fehlt
• Du findest bei der monatlichen Inventur regelmäßig abgelaufene oder überschüssige Produkte
• Du verbringst mehr als eine Stunde pro Woche damit, Bestelllisten manuell zu erstellen
• Deine Lagerkosten liegen über 20 Prozent deines Monatsumsatzes, ohne dass du genau weißt warum
• Du hast einen Retail-Bereich, aber kein zuverlässiges Bild davon, welche Produkte sich wirklich bewegen

Wann es sich (noch) nicht lohnt — drei harte Ausschlusskriterien:

1. Du bist solo oder hast nur zwei Mitarbeitende. Die Transaktionsmenge ist zu gering, um statistische Muster zu erkennen. Manuelle Inventur mit einer einfachen Tabelle und Wiederbestellhinweisen im POS-System reicht vollständig aus. Kein KI-System wird deine Erfahrung schlagen, wenn du dreißig Produkte und zwanzig Termine pro Woche verwaltest.

2. Du hast keine zwölf Monate saubere Verkaufsdaten im System. KI-Prognosen brauchen historische Daten — mindestens eine volle Saisonkurve, besser zwei bis drei Jahre. Wenn du gerade auf ein neues POS-System gewechselt hast, wenn du die letzten zwei Jahre manuell gebucht hast oder wenn deine Kassendaten lückenhaft sind, sammelst du zunächst Daten. Das ist kein Rückschritt — es ist die Vorarbeit, die das System später brauchbar macht.

3. Du trennst Retail und Back-Bar noch nicht im POS-System. Wenn beides in einer gemeinsamen Bestandsliste läuft, sind alle Abgangsbuchungen gemischt — und das System kann nicht unterscheiden, ob ein Produkt verkauft oder verbraucht wurde. Diese Trennung muss zuerst erfolgen, bevor irgendwelche Prognosen Sinn ergeben. Das ist kein technisches Problem, sondern eine Entscheidung über die Datenstruktur — eine, die du jetzt treffen kannst.

Das kannst du heute noch tun

Starte heute mit einer einfachen Bestandsanalyse — keine Software nötig, kein Kostenaufwand. Öffne dein aktuelles POS-System oder eine Tabelle und beantworte drei Fragen:

1. Welche fünf Produkte habe ich in den letzten drei Monaten mindestens einmal nachbestellt, weil sie ausverkauft waren?
2. Welche drei Produkte aus der letzten Lieferung sind nach über sechs Wochen noch ungeöffnet?
3. Habe ich Retail und Back-Bar getrennt in meiner Bestandsliste?

Wenn du Frage 3 mit Nein beantwortest, ist das dein erster Schritt — nicht die Software. Wenn du Frage 1 und 2 mit konkreten Produkten beantworten kannst, hast du dein erstes Feedback-Signal: Diese Produkte sind die Kandidaten, bei denen ein System sofort messbar helfen würde.

Für einen ersten schnellen Einblick: Fresha kostenlos testen — auch wenn du bereits ein anderes System nutzt, lohnt es sich, zu sehen, wie strukturierte Bestandsverwaltung in der Praxis aussieht.

Quellen & Methodik

• LEAFIO AI, Case Study L Cosmetics (2024): Inventory-Automatisierung in einem Kosmetik-Retailer — 25 % Verbesserung der Bestandsumschlagsquote, 6 % Überbestandsreduktion, 50 % der Bestellungen vollautomatisch an Lieferanten. Durchschnittliche Amortisationszeit LEAFIO-Projekte: 6 Monate. leafio.ai/case-studies/l-cosmetics/

• Suplery, Salon Inventory Management Guide (2024): Praxisbeispiele aus dem US-amerikanischen Salon-Markt: Miami-Friseursalon reduziert Verfallsverluste um 20 %, spart ca. 2.000 USD jährlich durch FIFO; Lash Bar senkt Produktabfall um 25 %, steigert Gewinnmarge um 15 %. Allgemeiner Richtwert: 5.000+ USD jährliche Verluste durch mangelhafte Bestandskontrolle in mittelgroßen Salons. suplery.com/blog/salon-inventory-management-a-guide/

• Suplery, Best Salon Inventory Management Software (2024): Preisvergleich und Feature-Matrix salon-spezifischer Software. Daraus: Back-Bar-Spezialisten wie SalonScale und Vish erfordern „discipline” und tägliche Wiegegewohnheiten; Square Appointments und ähnliche Allrounder deducten Back-Bar-Verbrauch nicht automatisch. suplery.com/blog/best-salon-inventory-management-software/

• Preisangaben Phorest, SalonScale, Inventory Planner, Fresha: Veröffentlichte Tarife der jeweiligen Anbieter und Community-Berichte (Stand Mai 2026). Phorest-Pricing: typischerweise ab ca. 220 €/Standort/Monat (nicht öffentlich, Richtwert aus Community-Reports).

• Kosmetik-Haltbarkeit und PAO-Symbol: Verordnung (EG) Nr. 1223/2009 über kosmetische Mittel; nationales Recht zur Umsetzung der Kennzeichnungspflicht für kosmetische Produkte in Deutschland (Pflicht zur MHD-Angabe seit 2005 für Produkte unter 30 Monaten Haltbarkeit).

Du willst wissen, welche Software am besten zu deiner aktuellen Salon-Struktur passt — und ob der Aufwand für deine Größe überhaupt lohnt? Meld dich — das klären wir gemeinsam in einem kurzen Gespräch.