KI-optimierte Pick-Routen im Lager

Das echte Ausmaß des Problems

Kommissionierung macht in einem typischen Lager 50–70 Prozent der gesamten operativen Arbeitszeit aus, und davon entfällt laut Branchenstudien rund die Hälfte auf das reine Zurücklegen von Wegen. Nicht das Greifen, nicht das Scannen, nicht das Packen: die Laufwege zwischen den Lagerorten.

Eine Auswertung des Fraunhofer-Instituts für Materialfluss und Logistik zeigt, dass mittelständische Betriebe in Deutschland bei manueller Kommissionierung ohne Wegeoptimierung durchschnittlich 60–80 Prozent ihrer theoretisch möglichen Kommissionierleistung erreichen. Die Lücke entsteht fast immer durch dieselben drei Muster:

• Fixe Standardrouten: Picklisten werden in Auftragsreihenfolge oder alphabetisch sortiert ausgegeben, nicht nach Lagerreihenfolge. Der Picker läuft die Regalreihe zweimal ab, weil Artikel A zufällig am Anfang und Artikel B am Ende derselben Liste stehen.
• Kein Batching: Jeder Auftrag wird einzeln abgearbeitet, auch wenn drei Aufträge in derselben Stunde denselben Artikel aus Reihe F enthalten. Dreimal denselben Weg laufen, statt alles auf einmal mitzunehmen.
• Kein Wissen über Auftragsdringlichkeit: Expressaufträge werden nach demselben Schema bearbeitet wie Standardaufträge. Die Priorität liegt auf dem Papier, nicht in der Route.

Eine Studie in der Review of Managerial Science (Springer, Februar 2025) zur KI-basierten Kommissionierung, begleitende Praxisuntersuchung mit Interviews in mehreren Lagerbetrieben, dokumentiert, dass die größten Effizienzgewinne nicht aus teurer Robotisierung kommen, sondern aus besserer Auftragssteuerung und Routenplanung: Reisezeit und -distanz sinken nach Einführung KI-gestützter Systeme nachweisbar, unabhängig davon, ob der Picker ein Mensch oder ein Fahrzeug ist.

Für einen Betrieb mit acht Pickern und 300 Aufträgen täglich bedeutet das bei realistisch 25 Prozent Wegeoptimierung: rund 4–6 Personenstunden täglich, die in produktive Picks fließen statt in unnötige Laufwege. Bei einem Brutto-Stundenlohn von 18–22 Euro: 72–132 Euro täglich, 1.500–2.700 Euro im Monat.

Mit vs. ohne KI, ein ehrlicher Vergleich

Die Fehlerwerte basieren auf Praxisberichten (laut Softwareanbieter und Fraunhofer-Erhebungen); individuelle Ergebnisse hängen stark von Sortimentstyp, Lagergröße und bestehender Prozessqualität ab.

Einschätzung auf einen Blick

Zeitersparnis, hoch (5/5) Kommissionieroptimierung ist einer der direktesten Zeithebel im Lager: Die eingesparte Zeit ist pro Auftrag klein (5–10 Minuten), aber sie akkumuliert sich sofort über alle Picker, alle Schichten, alle 365 Tage. Kein anderes KI-Anwendungsfeld in der Logistik liefert so unmittelbar spürbares Feedback in der täglichen Schichtleistung.

Kosteneinsparung, stark (4/5) Mehr Picks pro Schicht bedeutet entweder niedrigere Personalkosten für denselben Durchsatz oder mehr Aufträge ohne zusätzliche Stellen. Beide Effekte sind real und messbar. Nicht ganz auf 5/5, weil die absolute Höhe stark von Lagergröße und Auftragsprofil abhängt, ein kleines Lager mit wenigen Picks spart weniger als ein großes Hochvolumenlager.

Schnelle Umsetzung, mittel (3/5) Die Technik hinter dem Algorithmus ist ausgereift, aber die Integration in das bestehende Warehouse Management System (WMS) und die Digitalisierung des Lagerlayouts brauchen Zeit. Realistisch sind 6–12 Wochen bis zum produktiven Einsatz, kein Wochenend-Projekt, aber auch keine 18-monatige ERP-Migration.

ROI-Sicherheit, hoch (5/5) Picks pro Stunde vor und nach der Umstellung: Das ist eine der wenigen Metriken in der Logistik, die sich vollständig objektivieren lässt. Keine Interpretation, keine Attribution: Du schaltest das System ein und misst den Unterschied in der nächsten Schicht. Damit gehört Pick-Routen-Optimierung zu den ROI-sichersten KI-Anwendungsfällen überhaupt.

Skalierbarkeit, mittel (3/5) Je mehr SKUs und Lagerorte dazu kommen, desto komplexer wird das Lagerlayout-Modell und desto häufiger muss es aktualisiert werden. Das System skaliert rechnerisch gut, aber der Pflegeaufwand wächst mit. Ein Lager mit 5.000 Artikeln funktioniert besser als eines mit 500, aber auch die Disziplin bei Lagerplatzdaten wächst als Anforderung mit.

Richtwerte, stark abhängig von Auftragsprofil, Lagergröße und Qualität der bestehenden Lagerplatzdaten.

Was das System konkret macht

Der Kern des Problems ist mathematisch: Wenn ein Picker zehn Artikel aus verschiedenen Lagerorten holen muss, gibt es theoretisch 10! (3,6 Millionen) verschiedene Reihenfolgen. Die kürzeste zu finden ist ein klassisches Optimierungsproblem, eine Variante des Travelling-Salesman-Problems (TSP).

Für ein Lager mit 20.000 Lagerorten und hundert gleichzeitigen Aufträgen ist die exakte Lösung rechnerisch nicht in Echtzeit möglich. Was die Systeme stattdessen tun: Sie verwenden Heuristiken und Algorithmen, die sehr gute (wenn auch nicht immer mathematisch optimale) Lösungen in Millisekunden liefern, zum Beispiel:

• S-shape-Routing: Der Picker durchläuft Gänge in einem Schlangenlinien-Muster, nimmt dabei alle Artikel in einem Gang mit. Einfach, stabil, 15–20 % besser als unsortierte Listen.
• Largest-Gap-Heuristik: Innerhalb eines Gangs wird entschieden, ob man komplett durchläuft oder am letzten Artikel umkehrt, abhängig davon, wo die nächsten Artikel liegen. Besser als reines S-shape.
• Optimized-return-Algorithmen: Kombinieren Gang-Übergabe und Rückweg-Entscheidungen. Erzielen in Benchmarks 30–40 % Laufwegersparnis gegenüber unsortierten Listen.
• Dynamische Echtzeit-Optimierung: Berücksichtigt zusätzlich aktuelle Lager-Blocking-Ereignisse (belegter Gang, laufende Einlagerung), Auftragsdringlichkeit und Batching-Optionen. Wird durch Machine Learning kontinuierlich verbessert.

Das System braucht dafür drei Inputs: ein digitales Modell des Lagerlayouts (Gänge, Lagerorte, Abstände), die aktuellen Lagerplatzdaten aus dem WMS (welcher Artikel ist wo?) und die Auftragsposition als Input. Daraus berechnet es die Pickliste in der optimierten Reihenfolge, und übergibt sie an den mobilen Scanner des Pickers.

Batch-Picking, Zone-Picking, Cluster-Picking, welche Strategie passt zu deinem Lager?

Pick-Routen-Optimierung ist mehr als die Reihenfolge auf einer Liste. Die eigentliche Strategieentscheidung liegt eine Ebene darunter: Wie viele Aufträge bearbeitet ein Picker gleichzeitig, und wie ist das Lager dafür aufgeteilt?

Einzelauftrag-Picking mit optimierter Route Ein Picker, ein Auftrag, eine optimierte Liste. Am einfachsten umzusetzen, sinnvoll für kleine Lager oder Aufträge mit vielen verschiedenen Artikeln. Vorteil: klare Auftragszuordnung, einfache Fehlersuche. Nachteil: wenn 20 Aufträge in einer Stunde denselben Artikel aus Reihe G brauchen, läuft derselbe Gang 20 Mal.

Batch-Picking Ein Picker sammelt für mehrere Aufträge gleichzeitig. Der Algorithmus bündelt Aufträge mit überlappenden Artikelpositionen und erstellt eine gemeinsame Route. Ergebnis: deutlich weniger Laufweg pro Auftrag. Herausforderung: Die gesammelten Artikel müssen danach aufgeteilt werden (manuell oder per Sortier-Station). Sehr wirkungsvoll bei kleinen Aufträgen mit 1–5 Positionen, also typisch im E-Commerce.

Zonen-Picking Das Lager ist in Zonen aufgeteilt, jeder Picker ist für seine Zone zuständig. Aufträge werden von Zone zu Zone weitergereicht. Vorteil: hohe Parallelität, kein Gang-Stau. Nachteil: Aufträge mit Artikeln aus vielen Zonen haben lange Durchlaufzeit. Sinnvoll für große Lager mit klarer ABC-Analyse (A-Artikel vorne, C-Artikel hinten).

Cluster-Picking Ein Picker trägt mehrere Behälter gleichzeitig (oft 6–12) und befüllt sie nach Zone. Aufträge werden gleichzeitig gestartet, nach einer Zone-Runde ist jeder Behälter befüllt. Hoher Geräteeinsatz (Mehrfachbehälter-Wagen oder mobile Trolleys), aber sehr hohe Effizienz bei gleichartigen Aufträgen.

Die richtige Strategie hängt von deinem Auftragsprofil ab:

Die Optimierungssoftware arbeitet mit allen Strategien, aber sie kann nur optimieren, was sie kennt. Wer heute noch Einzelaufträge auf Papier abarbeitet und morgen Batch-Picking einführen will, braucht zuerst die digitale Infrastruktur: Scanner, WMS-Integration, Auftragsmanagement. Die KI-Optimierung ist der letzte Schritt, nicht der erste.

Pick-by-Voice und Pick-by-Light, wann Hardware die Software ergänzt

Die Route kann das System berechnen. Wie der Picker die Information bekommt und bestätigt, ist eine separate Entscheidung, und die hat echte Auswirkungen auf Durchsatz und Fehlerquote.

Scan-basiertes Picking (Standard) Der Picker hat einen mobilen Barcodescanner. Die Pickliste erscheint auf dem Display, Lagerort, Artikel, Menge. Nach dem Greifen: Barcode scannen, Bestätigung. Günstig in der Einführung (Standard-Scanner ab 300–800 €), zuverlässig, hohe Fehlererfassung. Nachverfolgbarkeit auf Artikel-Ebene. Einschränkung: Der Picker muss auf das Display schauen, mit vollen Händen oder bei Dunkelheit unpraktisch.

Pick-by-Voice Ein Sprachsystem sagt dem Picker den nächsten Lagerort und Artikel an, der Picker bestätigt per Sprache eine Checksumme (oft die letzten zwei Ziffern des Lagerorts). Hände und Augen bleiben frei. Besonders vorteilhaft in Kühllager-Umgebungen (Handschuhe) oder bei körperlich anspruchsvollen Tätigkeiten. Geräte: Spezialisierte Headsets von Honeywell Vocollect oder Zebra, 400–800 € pro Headset plus Lizenzkosten. Nicht sinnvoll bei hohem Lärmpegel oder wenn viele kurzfristige Planänderungen anfallen.

Pick-by-Light An Lagerorts-Displays leuchten LEDs auf, die dem Picker zeigen, wo der nächste Artikel zu entnehmen ist. Nach dem Greifen: Bestätigungsknopf drücken. Sehr schnell bei hohem Durchsatz, kein Blick auf Screen nötig. Ideal für Fließband-nahe Kommissionierstationen (Durchlaufregale, Sortierstationen). Hohe Einführungskosten: Jeder Lagerort braucht ein Display-Modul (ab 30–80 € pro Modul), Verkabelung und Controller. Für große Lager mit 5.000+ Lagerorten sehr teuer; sinnvoll für kleinere Hochdurchsatz-Zonen (A-Artikel-Bereich).

Empfehlung nach Kontext:

Wichtig: Die Hardware-Entscheidung ist unabhängig von der Routing-Software, aber sie muss in die Systemintegration einfließen. Ein Pick-by-Voice-System, das nicht mit dem WMS kommuniziert, optimiert gar nichts. Die Software berechnet die Route; die Hardware überträgt sie.

Konkrete Werkzeuge, was wann passt

Die richtige Wahl hängt davon ab, welches WMS-System du bereits nutzt oder ob du gerade eines einführst.

Pickware WMS, wenn du Shopware nutzt Deutsche Lösung, nativ in Shopware integriert, ab 199 €/Monat. Optimierte Picklisten nach Lagerreihenfolge, Batch-Picking-Unterstützung, Barcodescanner-App. Für Onlinehändler mit 50–2.000 Aufträgen täglich der einfachste Einstieg: kein separates ERP-Mapping, keine komplexe Integration. Einschränkung: regelbasierte Routenlogik, keine dynamische KI-Optimierung pro Auftrag.

Manhattan Associates WMS, für Enterprise-Omnichannel Premium-WMS mit nativem Labor-Management-Modul, dynamischer Pick-Zuweisung und Echtzeit-Routenoptimierung. Gartner Magic Quadrant Leader mehrere Jahre in Folge. Sinnvoll für Betriebe mit 50+ Pickern, Omnichannel-Anforderungen und komplexen Fulfillment-Prozessen. Preispunkt: Enterprise, nicht für KMU wirtschaftlich darstellbar. Implementierung 6–12 Monate.

Blue Yonder WMS, wenn SAP im Haus ist Tiefe SAP-Integration, KI-gestützte Pick-Zuweisung und Echtzeit-Arbeitssteuerung. Für Logistikdienstleister und Großhandel mit bestehender SAP-Landschaft. Enterprise-Pricing ohne öffentliche Preisliste. Implementierungsprojekte typisch 200.000–1.000.000 USD+.

Körber K.Motion WMS, deutsche Mittelstandslösung Für mittelständische Lager außerhalb von Shopware ist Körber K.Motion WMS als deutsches Produkt (Körber-Konzern, Hamburg) besonders relevant: EU-Datenhosting ohne Sonderverhandlung, alle gängigen Picking-Strategien out-of-the-box, Pick-by-Voice nativ integriert. Neben Körber gibt es US-basierte Cloud-WMS-Lösungen (Deposco, Logiwa) mit DSGVO-Standardvertragsklauseln für ähnlichen Funktionsumfang. Preise typisch 2.000–10.000 €/Monat je nach Volumen; Implementierung 8–16 Wochen.

SAP Extended Warehouse Management (EWM), wenn SAP S/4HANA bereits läuft Wer SAP S/4HANA nutzt, hat pick-Optimierungs-Funktionalität bereits in der bestehenden Lizenz, sie muss aktiviert und konfiguriert werden. SAP EWM unterstützt alle gängigen Picking-Strategien (Batch, Zone, Wave) und Routing-Heuristiken. Der Vorteil: keine zusätzliche Systemintegration. Der Nachteil: SAP-EWM-Konfiguration ist technisch komplex und erfordert erfahrene Berater.

Wann welcher Ansatz:

• Shopware + bis 2.000 Aufträge/Tag → Pickware WMS
• SAP-Umgebung bereits vorhanden → SAP EWM aktivieren oder Blue Yonder WMS
• 10–100 Picker, kein ERP-Zwang → Körber K.Motion WMS
• 100+ Picker, Omnichannel, komplexes Fulfillment → Manhattan Associates WMS

Datenschutz und Datenhaltung

Lager-Kommissionierungsdaten enthalten in der Regel keine direkt personenbezogenen Daten im DSGVO-Sinne, Artikel-IDs, Lagerorte und Mengen sind Betriebsdaten, keine Personendaten.

Die DSGVO kommt ins Spiel, wenn:

• Mitarbeitenden-Tracking: Wenn das System erfasst, welcher Picker welchen Auftrag in welcher Zeit abgearbeitet hat (zur Leistungsmessung), werden Beschäftigtendaten verarbeitet. Das unterliegt Mitbestimmungsrechten des Betriebsrats (§ 87 BetrVG) und erfordert eine Betriebsvereinbarung, wenn das System zur Leistungskontrolle genutzt wird. Klarheit hier vor der Einführung ist entscheidend.
• Cloud-Datenübertragung: Wer ein US-Cloud-WMS nutzt (Logiwa, Deposco oder Shopify-basierte Lösungen), sollte Standardvertragsklauseln (SCCs) abschließen. EU-hosted Optionen: Körber K.Motion WMS (Hamburg), Pickware WMS (Deutschland), Manhattan Associates WMS (EU-Region verfügbar).
• Auftragsverarbeitungsvertrag (AVV): Für jeden Cloud-Anbieter, der auf Betriebsdaten zugreift, gilt Art. 28 DSGVO, AVV vor Produktivbetrieb abschließen.

In der Praxis: Die DSGVO-relevante Frage ist weniger die Lagerdaten selbst, sondern die Leistungserfassung der Mitarbeitenden. Wer das System zur Schichtplanung und Kapazitätssteuerung nutzt (ohne Einzelleistungsbewertung), hat wenig Reibung. Wer Picker-Performance-Dashboards einführen will, braucht den Betriebsrat im Boot, und das vor dem ersten Demo-Tag.

Was es kostet, realistisch gerechnet

Einmalige Einrichtungskosten

• Lagerlayout-Digitalisierung: 1–4 Wochen interner Aufwand (Lagerstruktur aufnehmen, Lagerorte eintragen, Abstände erfassen)
• WMS-Integration: 2.000–15.000 € für externe Implementierungsunterstützung, abhängig von bestehender IT-Infrastruktur
• Hardware (Scanner): 300–800 € pro Gerät; für 8 Picker ca. 3.000–6.000 € einmalig
• Gesamtprojekt mittelständisches Lager (WMS + Hardware + Einrichtung): typisch 15.000–40.000 € bei erstmaliger WMS-Einführung; bei bestehendem WMS (nur Optimierungsmodul aktivieren): 5.000–15.000 €

Laufende Kosten (monatlich)

• Pickware WMS: ab 199 €/Monat (Shopware-Nutzer)
• Körber K.Motion WMS und vergleichbare Midmarket-Cloud-WMS: 2.000–8.000 €/Monat je nach Auftragsvolumen
• SAP EWM (bei bestehender SAP-Lizenz): Konfigurationsaufwand einmalig, laufende Lizenz meist in bestehenden SAP-Kosten enthalten

Wie du den ROI tatsächlich misst Messe vor der Einführung in einer Referenzwoche die Picks pro Picker-Stunde (PPH: Picks Per Hour). Messe dieselbe Kennzahl vier Wochen nach der Einführung. Das ist dein Ergebnis. Keine Schätzung, keine Attribution: derselbe Auftragsmix, dieselben Picker, andere Route, anderes Ergebnis.

Konservatives Rechenszenario 8 Picker, 300 Aufträge/Tag, durchschnittliche Bearbeitungszeit 8 Minuten/Auftrag. Mit 20 Prozent Laufwegsersparnis: 1,6 Minuten eingespart pro Auftrag × 300 Aufträge = 8 Stunden täglich. Bei 20 € Bruttostundensatz: 160 € täglich, 3.200 €/Monat. Laufende WMS-Kosten 2.000 €/Monat: Netto +1.200 € monatlich. Einmalige Projektkosten von 25.000 € amortisiert in 21 Monaten.

Das Fraunhofer-Institut für Materialfluss und Logistik berichtet für WMS-Einführungsprojekte im deutschen Mittelstand eine durchschnittliche Amortisationszeit von 18–36 Monaten. Im konservativen Szenario liegt die Pick-Optimierung am unteren Ende dieser Spanne, weil die Einsparungen sofort sichtbar sind, nicht erst mit Verzögerung.

Vier typische Einstiegsfehler

1. Das Lagerlayout-Modell ist nicht gepflegt. Der am häufigsten unterschätzte Fehler. Pick-Routen-Optimierung basiert vollständig auf der Annahme, dass das System weiß, wo welcher Artikel liegt. Wenn Lagerplätze im WMS nicht mit der physischen Realität übereinstimmen, weil Umlagerungen nicht eingetragen wurden, weil temporäre Zwischenlager entstanden sind, schickt das System den Picker zu leeren Regalfächern. Erfahrungswert aus WMS-Einführungen: In Lagern ohne laufende Buchungsdisziplin sind 10–20 % der Lagerplatzdaten zum Zeitpunkt der Einführung fehlerhaft; jeder dieser Fehlgriffe kostet 3–5 Minuten Nachsuchen und macht die errechnete Wegeersparnis zunichte. Lösung: Vor der Einführung eine vollständige Inventur der Lagerplatzdaten im WMS, plane dafür mindestens eine Woche ein. Danach: konsequente Buchungsdisziplin bei jeder Einlagerung und Umlagerung als Prozessregel, nicht als Bitte.

2. Die Optimierungsstrategie passt nicht zum Auftragsprofil. Batch-Picking für ein Lager mit sehr großen Aufträgen (15+ Positionen) führt zu überfüllten Trolleys und verwirrten Pickern, in der Praxis verlängert sich die Kommissionierzeit pro Auftrag um 20–30 % gegenüber Einzelauftrag-Picking, weil das Sortieren der gesammelten Artikel die Wegeersparnis überkompensiert. Zonen-Picking für ein kleines Lager mit unter 10 Gängen erzeugt mehr Übergabe-Koordinationsaufwand als es einspart. Die Strategie muss zum Lager und Sortiment passen, nicht umgekehrt. Lösung: Auftragsprofil analysieren (Positionen pro Auftrag, Überlappungsquote, Frequenzverteilung) vor der Strategieentscheidung, eine Stunde Datenauswertung im WMS spart Wochen Konfigurationsarbeit am falschen Ansatz.

3. Mitarbeitende werden nach der Einführung an ihrer Tagesleistung gemessen, ohne Erklärung. In fast jeder Einführung, bei der das System plötzlich Pick-per-Hour-Zahlen für jeden Picker sichtbar macht, gibt es Widerstand. Nicht weil die Mitarbeitenden nichts leisten wollen, sondern weil sie sich beobachtet und bewertet fühlen, auch wenn das nicht die Absicht war. Im schlimmsten Fall blockiert der Betriebsrat die Inbetriebnahme nach § 87 BetrVG; eine nachträgliche Betriebsvereinbarung kann 4–8 Wochen Verzögerung bedeuten und den gesamten Projektzeitplan verschieben. Lösung: Betriebsrat in Monat 1 des Projekts einbinden, nicht in Monat 3. Transparenz vor dem ersten Produktivtag: Was wird gemessen, warum, und wie werden die Daten genutzt, schriftlich in der Betriebsvereinbarung fixiert.

4. Das System wird für Express-Aufträge nicht anders konfiguriert. Prioritätsaufträge werden mit derselben Routenberechnung abgearbeitet wie Standardaufträge, nur theoretisch “bevorzugt”, weil sie auf der Liste oben stehen. Konkret: Ein Express-Auftrag wartet, bis der laufende Batch mit 8–12 Aufträgen abgeschlossen ist, das kann 15–25 Minuten Verzögerung bedeuten, obwohl der Artikel drei Gänge entfernt liegt. Bei einem Tagesvolumen von 20 Express-Aufträgen summiert sich das auf 5 Stunden verlorener Priorität. Lösung: Separate Pick-Welle für Express-Aufträge mit Echtzeit-Einsteuerung konfigurieren; die meisten WMS bieten das als Standard-Konfigurationsoption, die aber aktiv aktiviert und getestet werden muss.

Was mit der Einführung wirklich passiert, und was nicht

Die Technik ist innerhalb von Wochen produktiv. Die Verhaltensänderung der Mitarbeitenden dauert länger.

Was sofort funktioniert: Die Laufwege werden kürzer. Wer mit dem Scanner dem System folgt, läuft automatisch kürzere Wege, auch wenn er noch nicht versteht, warum die Reihenfolge so ist wie sie ist. Die Kennzahl verbessert sich in der ersten vollständigen Schicht.

Was Wochen dauert: Vertrauen aufzubauen, dass das System recht hat, wenn es einen scheinbar “falschen” Weg vorschlägt. Erfahrene Picker, die seit Jahren dieselben Routen kennen, werden anfangs dem System misstrauen, und manchmal abweichen. Das ist menschlich und löst sich mit guten Ergebnissen.

Drei typische Widerstandsmuster:

Die erfahrene Stammbelegschaft: “Ich kenne das Lager seit acht Jahren, ich weiß, wie ich laufen muss.” Stimmt manchmal, bei Einzelaufträgen in einem stabilen Lager. Stimmt nicht mehr bei dynamischem Sortiment, Batch-Picking oder Ausnahmefällen (Gang blockiert, Artikel umgelagert). Konkrete Maßnahme: Pilot mit freiwilligen Mitarbeitenden, deren bessere Kennzahlen alle anderen sehen. Kein Zwang am Anfang.

Die Skepsis gegenüber Mehrarbeit bei Inventur: Die Lagerlayout-Erfassung wird unterschätzt, und wenn sie doch aufwendiger wird als erwartet, verliert das Projekt Schwung. Gegenmittel: Diesen Schritt als eigenständiges Projekt behandeln, mit klarem Zeitrahmen und Ressourcen, bevor das WMS-Projekt startet.

Der Datenschutzeinwand beim Betriebsrat: Kommt in jedem Betrieb mit Mitbestimmung, und er ist berechtigt. Frühzeitige Einbindung (Monat 1, nicht Monat 3) macht den Unterschied zwischen einem Verbündeten und einem Veto.

Was konkret hilft:

• Pilotbetrieb mit zwei bis drei Pickern vor der Einführung, echte Zahlen schaffen mehr Überzeugung als jede Präsentation
• Schichtleiter als System-Champions einbinden, nicht übergehen
• Die Kennzahl “Picks pro Stunde” für das gesamte Team sichtbar machen, nicht als Einzelbeurteilung, sondern als Teamleistung

Realistischer Zeitplan mit Risikohinweisen

Wichtig für SAP-Umgebungen: SAP EWM-Aktivierung erfordert SAP-Basis-Know-how; plane 4–8 Wochen zusätzlichen Projektpuffer für Systemtests und Berechtigungsvergabe.

Häufige Einwände, und was dahintersteckt

“Unsere Picker kennen das Lager auswendig, das brauchen wir nicht.” Das stimmt für Einzelaufträge in einem stabilen Lager mit wenig Sortimentsbewegung. Es stimmt nicht bei Batch-Picking (wo der menschliche Kopf nicht gleichzeitig sechs Aufträge im Blick hat), bei häufigen Sortimentsveränderungen oder bei neuen Mitarbeitenden. Die Frage ist nicht, ob erfahrene Picker gut sind, sie sind es. Die Frage ist, ob sie beim zehnten Auftrag um 14:00 Uhr noch denselben Optimierungsgrad haben wie beim ersten um 6:00 Uhr.

“Wir haben kein WMS, das ist zu aufwendig.” Für eine einfache Liste-Optimierung mit Excel-Lagerplatzdaten gibt es Zwischenlösungen (z. B. Routing-Tabellen in Tabellenkalkulationen), aber der Mehrwert ist begrenzt. Wenn kein WMS vorhanden ist, ist die richtige Reihenfolge: zuerst WMS einführen (ähnlich wie beim KI-optimierten Warehouse Slotting), dann Pick-Optimierung aktivieren. Beides zusammen ist wirkungsvoller als jedes Einzelprojekt, und die WMS-Einführung zahlt sich unabhängig davon aus.

“Was, wenn das System einen Fehler macht und der Picker in die falsche Richtung geschickt wird?” Ein gut konfiguriertes System macht keine Routen-”Fehler” im Sinne von falschem Lagerort, es kennt die Positionen aus dem WMS. Was passieren kann: Ein Artikel ist nicht am erwarteten Ort (weil eine Umlagerung nicht gebucht wurde). Das ist kein Algorithmus-Fehler, sondern ein Datenpflege-Fehler. Der Picker bestätigt jede Entnahme per Scan, fehlt der Artikel, ist das sofort erkennbar und buchbar.

“Das lohnt sich erst, wenn wir größer sind.” Umgekehrt. Die prozentuale Einsparung ist bei kleinen Lagern oft größer, weil ineffiziente Standardrouten in kleineren Betrieben häufiger eingefahren und schwerer zu hinterfragen sind. Der absolute Euro-Betrag ist kleiner, aber das Investitionsvolumen auch. Bereits ab 3–5 Pickern und 100 Aufträgen täglich rechnet sich ein einfaches WMS mit Picklisten-Optimierung.

Woran du merkst, dass das zu dir passt

Du bist in einer guten Ausgangssituation, wenn:

• Dein Lager hat mindestens 3 Picker und 100 Aufträge täglich, unter diesen Schwellenwerten amortisiert sich der Aufwand kaum
• Deine Picklisten werden heute noch nach Auftragsreihenfolge oder alphabetisch sortiert ausgegeben (nicht nach Lagerreihenfolge)
• Du hast bereits ein WMS oder planst es, Pick-Optimierung ohne Echtzeit-Lagerdaten funktioniert nicht
• Du siehst, dass Picker dieselbe Regalreihe mehrfach pro Auftrag besuchen, das ist ein sicheres Zeichen für unoptimierte Listen
• Dein Lager hat mehr als 5 Gänge oder 500+ aktive Lagerorte, hier gewinnt der Algorithmus gegenüber menschlicher Intuition

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

1. Weniger als 50 Aufträge täglich oder 1–2 Picker: Der Einrichtungsaufwand für WMS-Integration und Lagerlayout-Digitalisierung übersteigt den Nutzen. Eine gut sortierte Pickliste nach Regalreihe, manuell erstellt, ist ausreichend und kostenlos.

2. Keine sauberen Lagerplatzdaten im WMS: Wenn Lagerorte nicht zuverlässig im System gepflegt sind (Umlagerungen werden nicht gebucht, temporäre Zwischenlager existieren ohne Systembuchung), produziert jede Optimierung falsche Routen. Datenqualität ist eine Voraussetzung, keine Option, das ist der wichtigste Einstiegsfehler in der Praxis.

3. Lager mit sehr hohem SKU-Turnover oder saisonaler Komplettumstrukturierung: Wenn das Sortiment sich vierteljährlich um 40+ Prozent dreht und das Lagerlayout dabei grundlegend umgebaut wird, ist der Pflegeaufwand für das Layout-Modell dauerhaft hoch. In diesem Fall ist KI-optimiertes Warehouse Slotting die prioritäre Maßnahme, erst das Layout stabilisieren, dann die Routen optimieren.

Das kannst du heute noch tun

Bevor du einen Cent investierst, analysiere deine aktuelle Situation in 30 Minuten:

Nimm eine repräsentative Pickliste von gestern (oder heute Morgen). Zeichne die Positionen in einem vereinfachten Grundriss deines Lagers ein. Dann zeichne die Reihenfolge der Abarbeitung als Pfad, wie eine Schrittkarte. Zähle, wie oft der Picker in dieselbe Regalreihe zurückkehrt. Das ist dein Optimierungspotenzial, ohne Technologie, nur mit einem Stift auf Papier sichtbar gemacht.

Wenn du mehr als drei Rückkehrwege auf deinem Zettel hast: Das Potenzial ist real.

Für die erste systemgestützte Analyse kannst du ChatGPT oder Claude mit den folgenden Daten verwenden:

Quellen & Methodik

• “Adoption of AI-based order picking in warehouse: benefits, challenges, and critical success factors”: Springer Nature, Review of Managerial Science, Februar 2025. Quantitative und qualitative Untersuchung mit Interviews in Lagerbetrieben. Dokumentiert Effizienzgewinne durch KI-basierte Kommissioniersteuerung und kritische Erfolgsfaktoren. doi.org/10.1007/s11846-025-00858-1
• Fraunhofer-Institut für Materialfluss und Logistik (IML): Studie zu WMS-Einführungen im deutschen Mittelstand, durchschnittliche Amortisation 18–36 Monate; 60–80 % realisierte Kommissionierleistung ohne Wegeoptimierung (zitiert aus Branchenquellen auf software-mittelstand.info, Mai 2026).
• Pickware WMS Preisangabe: Pickware.com, Preisübersicht ab 199 €/Monat für Neukunden ab Februar 2026. pickware.com/de/lagerverwaltung
• Leanafy Pick Path Optimization Guide 2025: Benchmark-Daten zu Heuristiken (S-shape, Largest Gap, Return) und prozentualen Laufwegersparnissen. leanafy.com/pick-path-optimization
• Praktikerbefund zur Inventargenauigkeit: “If your inventory isn’t right, your pick path isn’t optimized. It’s just optimized failure.”, Aus Praxisliteratur zum WMS-Betrieb (HY-TEK Material Handling, cadretech.com), Mai 2026.
• Kennzahlen zu Kommissionieranteil: Kommissionierung macht 50–70 % der operativen Lagerarbeitszeit aus; davon ~50 % Laufwege, industrieweite Benchmarks aus Branchenstudien und WMS-Anbieter-Whitepapers (Manhattan Associates, Blue Yonder, Körber, Mai 2026).
• Betriebsverfassungsgesetz § 87 BetrVG: Mitbestimmung des Betriebsrats bei Einführung technischer Einrichtungen zur Verhaltens- oder Leistungsüberwachung. Geltende Fassung.

Du willst wissen, ob dein Lager das Potential für Pick-Optimierung hat und welcher konkrete Einstieg für euch sinnvoll ist? Meld dich, das klären wir gemeinsam in einem kurzen Gespräch.