Trendanalyse und Sortimentsplanung: Weihnachtsgeschäft nicht mehr dem Bauchgefühl überlassen

Das echte Ausmaß des Problems

Die Spielwarenbranche hat eine Eigenschaft, die sie von fast jeder anderen Branche unterscheidet: Radikal saisonale Konzentration. Das Weihnachtsgeschäft trägt einen großen Teil des Jahresumsatzes. Eine frei abrufbare, belastbare Zahl dazu haben wir beim Branchenverband BVS (Bundesverband des Spielwaren-Einzelhandels) nicht gefunden. Deinen eigenen Anteil siehst du in zwei Minuten in der Warenwirtschaft: Umsatz November plus Dezember, geteilt durch den Jahresumsatz. Was im September im Lager steht, entscheidet über das Jahresergebnis.

Das erzeugt ein klassisches Dilemma: Zu wenig bestellt und die Regale sind am 20. Dezember leer, Umsatz weg, Kunden enttäuscht. Zu viel bestellt und die Ware liegt im Januar noch im Lager, Kapitalbindung, Abschriften, Flächenkosten. Der Mittelweg erfordert Prognosekompetenz, die traditionelle Einkaufsplanung nicht liefert.

Das zweite Problem ist strukturell: Spielzeugtrends entstehen dort, wo Einkäufer nicht systematisch hinschauen. Fidget Spinner, Loom-Bänder, magnetische Tile-Sets, Squishmallows, alle diese Phänomene explodierten auf YouTube und TikTok Monate bevor sie im klassischen Handelseinkauf ankamen. Die Vorlaufzeit von Produktkonzept bis Regalfläche beträgt bei eigener Entwicklung 12 bis 18 Monate. Wer einen Trend erst erkennt, wenn er im Fachhandel angekommen ist, hat für eigene Sortimentsentwicklungen das Fenster verpasst.

Für den Handel liegt die Herausforderung anders: Trendprodukte müssen frühzeitig gelistet werden, bevor die Konkurrenz sie entdeckt und Lieferkontingente knapp werden.

Was häufig passiert:

• Überbestand in stagnierenden Kategorien: Produkte, die bei Einkäufern gut ankommen, aber keine Social-Resonanz haben, klassische Messe-Bewertungsfalle
• Stockouts in Trend-Kategorien: Im Dezember kann man nicht mehr nachordern, was im Oktober ausverkauft ist
• Reaktiv statt antizipativ: Preisreduktionen auf Überbestände und Verzicht auf Umsatz bei Trendprodukten gleichzeitig
• Saisonale Blindheit: Historische Verkaufsdaten aus Excel erkennen wiederkehrende Muster, aber keine Trendbeschleunigungen oder -abschwächungen

Mit vs. ohne KI, ein ehrlicher Vergleich

¹ Richtwerte der Redaktion, nicht gemessen. Prüfen kannst du es rückwirkend: Wann tauchte ein Bestseller des letzten Jahres erstmals in Google Trends oder auf TikTok auf, und wann hast du nachbestellt?

² Anbieterangabe von Leafio zur Spielwarenkette Toy House mit 67 Filialen, Zeitraum 2018 bis 2019. Eine Fallstudie des Anbieters, kein unabhängiger Vergleich.

Einschätzung auf einen Blick

Zeitersparnis, niedrig (2/5) Trendanalyse und Sortimentsplanung sparen keine Arbeitsstunden in der unmittelbaren Einkaufsarbeit, sie ersetzen die manuelle Marktbeobachtung durch ein automatisiertes System, das bessere Entscheidungsgrundlagen liefert. Die Reports kommen automatisch, der Einkäufer liest und entscheidet schneller. Aber der direkte Zeitgewinn je Person ist begrenzt, das System erzeugt Mehrwert durch bessere Entscheidungen, nicht durch weniger Arbeit.

Kosteneinsparung, mittel (3/5) Überbestand bindet Kapital, erzwingt Abschriften und blockiert Verkaufsfläche. Ein Prozentpunkt weniger Überbestandsquote auf einem Weihnachtssortiment von 500.000 € Einkaufswert sind 5.000 € weniger Restware. Gespart ist davon aber nur die Abschrift, nicht der Warenwert, denn Spielzeug verdirbt nicht, die Restware wird später mit Abschlag verkauft. Bei 30 Prozent Abschriftensatz (Annahme) sind das 1.500 € je Prozentpunkt, dazu die Zinsen auf das gebundene Kapital. Sinkt die Überbestandsquote von 20 auf 15 Prozent, sind 25.000 € weniger Restware rund 7.500 € gesparte Abschrift. Dazu kommen Umsätze aus besser verfügbaren Trendprodukten, die sich schwer beziffern lassen. Dagegen stehen Werkzeugkosten von dreistellig im Monat bis sechsstellig im Jahr, deshalb nur eine 3.

Schnelle Umsetzung, niedrig (2/5) Das ist der wesentliche Haken dieses Anwendungsfalls. Social Listening ist relativ schnell eingerichtet, 4 bis 8 Wochen bis zum ersten brauchbaren Report. Demand Forecasting braucht aber historische Daten und dauert 3 bis 6 Monate, bis die Prognosen zuverlässig sind. Wer heute anfängt, hat für das nächste Weihnachtsgeschäft in sechs Monaten möglicherweise noch keine verlässlichen Prognosen. Früh anfangen ist hier keine Empfehlung, sondern Pflicht.

ROI-Sicherheit, mittel (3/5) Die Prognoseverbesserung ist messbar, der direkte Kausalzusammenhang zwischen Social-Listening-Insight und einem besseren Kaufentscheid ist es schwerer. Im Ergebnis: Man kann messen, ob Über- und Unterbestände geringer werden; man kann aber nicht immer sicher sagen, welcher Teil davon auf das Forecasting-Tool zurückgeht und welcher auf bessere Einkaufsentscheidungen im Team. Der ROI ist real, aber erfordert eine disziplinierte Messmethodik.

Skalierbarkeit, hoch (4/5) Ein Demand-Forecasting-System, das für 200 SKUs konfiguriert ist, läuft für 2.000 SKUs ohne proportionalen Mehraufwand an Arbeit. Die Lizenz wächst allerdings mit: Inventory Planner rechnet laut unserer Toolseite nach verwaltetem Bestandsvolumen ab, RELEX nach Projektumfang. Social Listening für eine Produktkategorie läuft parallel für zehn Kategorien. Das System wächst mit dem Sortiment, und liefert dabei sogar bessere Ergebnisse, weil Kreuzkorrelationen zwischen Kategorien (wenn Kategorie A wächst, folgt oft Kategorie B) erst bei größerem Datensatz sichtbar werden.

Richtwerte, stark abhängig von Sortimentsgröße, Qualität historischer Daten und konsequenter Nutzung der Forecasting-Ergebnisse.

Was die KI bei Trendanalyse und Sortimentsplanung konkret macht

Es geht um zwei separate, aber ergänzende Systeme:

System 1: Social Listening für Trend-Früherkennung

Eine Predictive Analytics-Plattform wie Talkwalker überwacht kontinuierlich TikTok-Hashtags, YouTube-Kanäle (vor allem Unboxing-Formate), Instagram-Accounts und Fachforen auf Engagement-Anomalien. Das System sucht nicht nach Erwähnungen einzelner Produkte, sondern nach Kategorie- und Themen-Clustern: “Magnetbaukasten”, “fidget”, “miniature crafting kit”, “trading card”, Begriffe, deren Engagement-Volumen und Wachstumsrate gemessen werden.

Ein KI-Modell erkennt, wenn ein Thema sich von normalem Rauschen auf ein ungewöhnliches Wachstumsmuster verschiebt. Das Ergebnis: Ein wöchentlicher Alert mit den Top-Themen, deren Aufmerksamkeit signifikant gestiegen ist, mit Links zu repräsentativen Inhalten und einer Einschätzung der Nutzerdemografie (Eltern, Kinder, Sammlerhobbyisten).

System 2: Demand Forecasting für Bestellmengen

Tools wie RELEX Solutions oder Inventory Planner kombinieren historische Verkaufsdaten mit saisonalen Korrekturfaktoren, Werbekalender und Trend-Inputs. Der Machine Learning-Algorithmus erkennt, dass dieser Artikel letztes Jahr im Oktober angezogen hat, wie viele Wochen der Trend anhielt und wie stark er war. Auf dieser Basis berechnet das System eine Bestellmengenempfehlung, mit Konfidenzintervall und Risikoeinschätzung.

Beide Systeme zusammen liefern: Frühwarnsignal (Social Listening) → Bestellentscheidung → kalibrierte Menge (Demand Forecasting). Das Bauchgefühl bleibt, als letzte Entscheidungsinstanz, jetzt aber mit Daten unterfüttert.

Konkrete Werkzeuge, was wann passt

Talkwalker , Führende Social-Intelligence-Plattform für tiefe Trendanalyse. Stärke ist die Abdeckung: mehr als 30 Social-Plattformen und über 150 Millionen Quellen, darunter Nachrichtenseiten, Blogs und Foren, plus Video- und Bildanalyse (erkennt Markenlogos ohne Texterwähnung). Die Blue-Silk-KI liefert automatisierte Trendvorhersagen. Schwäche: Jahresverträge ab ca. 9.000 USD, nicht für kleine Händler mit engem Budget. Talkwalker ist das richtige Werkzeug für Hersteller mit eigenem Marktforschungsbudget oder größere Filialisten.

RELEX Solutions , Enterprise-Lösung für Supply-Chain-Planung im Handel. Besonders stark bei saisonalen Produkten und Multi-Channel-Forecasting. Prognosemodelle berücksichtigen Wetter, regionale Unterschiede, Promotion-Effekte. Die Preise liegen im fünf- bis sechsstelligen Jahresbereich, RELEX ist für Unternehmen ab ca. 50 Millionen Umsatz. Wer kleiner ist, zahlt für mehr, als er braucht.

Inventory Planner , Die skalierbare Mittelklasselösung. Direktintegration in Shopify, WooCommerce und Amazon; KI-Prognosemodell berücksichtigt Saisonalität, Trends und Lieferzeiten. Preise nennt der Anbieter nur auf Anfrage, abgerechnet wird nach verwaltetem Bestandsvolumen; laut unserer Toolseite liegt der Einstieg typischerweise im niedrigen dreistelligen Dollarbereich im Monat. Deutlich zugänglicher als RELEX, aber für reinen Stationärhandel ohne E-Commerce weniger geeignet, und ohne deutschsprachige Oberfläche. Ideal für Spielwarenhändler mit eigenem Online-Shop und 300+ aktiven SKUs.

ChatGPT oder Claude für wöchentliche Trend-Reports, Wenn kein Budget für Talkwalker vorhanden ist: TikTok und YouTube manuell zu beobachten ist ineffizient, aber ein strukturiertes wöchentliches Briefing lässt sich mit KI vorbereiten. Grundlage: Einkauf sammelt Beobachtungen und Notizen, KI strukturiert sie zu einem priorisierten Trend-Report. Kein Ersatz für echtes Social Listening, aber ein günstiger Einstieg in datengestützte Sortimentsplanung.

n8n für Report-Automatisierung, Sobald Social-Listening-Daten und Forecast-Daten in strukturierter Form vorliegen, lässt sich ein wöchentlicher Zusammenfassungsreport automatisieren: n8n holt die Daten aus den Quellen, übergibt sie an ChatGPT , und der Report landet automatisch im Team-Chat oder per E-Mail. Einrichtungsaufwand: 1–2 Tage für einen technisch versierten Mitarbeitenden.

Zusammenfassung: Wann welcher Ansatz

• Kleiner Händler mit Online-Shop und begrenztem Budget: ChatGPT für strukturierte Trend-Notizen + Inventory Planner für Forecasting
• Reiner Stationärhändler wie Thomas aus dem Beispiel oben: zuerst die Prognose- und Saisonfunktionen der eigenen Warenwirtschaft prüfen, dazu KI-gestützte Trend-Reports, denn Inventory Planner ist für reine Stationärware ohne digitale Anbindung weniger geeignet
• Mittelgroßer Filialist (5–20 Standorte) mit E-Commerce: Inventory Planner + strukturierte Trend-Reports mit KI-Unterstützung
• Größerer Hersteller oder Filialist ab 50 Mio. Umsatz: Talkwalker für Trend-Intelligence + RELEX Solutions für Forecasting

Datenschutz und Datenhaltung

Social Listening analysiert öffentlich zugängliche Inhalte. Öffentlich heißt aber nicht anonym: Ein Post mit Nutzername ist ein personenbezogenes Datum im Sinne der DSGVO. Rechtsgrundlage ist in der Regel das berechtigte Interesse (Art. 6 Abs. 1 lit. f DSGVO), und für Trendzählungen brauchst du keine Namen, werte also aggregiert aus. Talkwalker betreibt seine Rechenzentren laut unserer Toolseite bei Hetzner in Deutschland und bei Amazon Web Services, das Mutterunternehmen Hootsuite sitzt in Kanada, und Drittanbieter können Daten außerhalb des EWR verarbeiten. Den AVV nach Art. 28 DSGVO und die Transfergrundlage vor Vertragsschluss prüfen.

Demand-Forecasting-Systeme verarbeiten eure internen Verkaufsdaten, das sind Geschäftsgeheimnisse, keine personenbezogenen Daten. RELEX hostet laut unserer Toolseite in der EU. Inventory Planner (von Sage) verweist auf die zentrale Sage-Datenschutzrichtlinie und macht keine ausdrückliche Angabe zur Hosting-Region, das im Angebot schriftlich klären.

Kritischer Punkt: Wenn Verkaufsdaten aus eurem ERP in ein Cloud-Forecasting-Tool exportiert werden, sind das Echtdaten zu Lieferanten, Preisen und Verkaufsmengen, sensible Unternehmensdaten. Vor dem Export prüfen, welche Felder wirklich für das Forecasting benötigt werden, und granulare Kundendaten (falls vorhanden) herausfiltern.

Was es kostet, realistisch gerechnet

Einmalige Einrichtungskosten

Social Listening Setup: 2–4 Wochen Konfiguration (intern oder extern); bei externem Dienstleister 2.000–5.000 €. Demand Forecasting Integration: ERP-Anbindung 1–2 Wochen Aufwand intern oder 3.000–8.000 € extern; historische Datenmigration und -bereinigung oft unterschätzt.

Laufende Kosten (monatlich)

• Talkwalker: nur Jahresverträge, laut unserer Toolseite typischerweise ab ca. 9.000 USD im Jahr
• RELEX: Enterprise-Preise auf Anfrage, laut unserer Toolseite typisch fünf- bis sechsstellig im Jahr
• Inventory Planner: Preise auf Anfrage, nach verwaltetem Bestandsvolumen, Einstieg typischerweise im niedrigen dreistelligen Dollarbereich im Monat
• n8n (Self-Hosting): kostenlos; Hosting ca. 10–20 €/Monat

Was du dagegenrechnen kannst

Spielwarenhändler mit 800.000 € Weihnachtssortiment-Einkaufswert und 25 Prozent Überbestand nach Weihnachten: Das sind 200.000 € Restware. Sinkt der Überbestand um 19 Prozent wie in der Fallstudie Toy House, bleiben 38.000 € weniger Ware liegen. Gespart ist davon die Abschrift, nicht der Warenwert: Bei einem Abschriftensatz von 30 Prozent für Januar-Restware (Annahme) sind das rund 11.400 € im Jahr, dazu die Zinsen auf das nicht mehr gebundene Kapital. Dazu kommen vermiedene Stockout-Verluste, die schwerer zu beziffern, aber ebenfalls real sind: Wenn ein Trend-Produkt im Dezember leer ist, kauft der Kunde woanders.

Dagegen stehen die Werkzeugkosten. Inventory Planner startet im niedrigen dreistelligen Dollarbereich im Monat, zwölf solche Monatsbeträge, das macht grob 1.000 bis 4.500 € im Jahr, dazu einmalig 3.000 bis 8.000 € Einrichtung. Im ersten Jahr liegt das Ergebnis je nach Angebot zwischen leicht im Minus und gut 7.000 €, ab dem zweiten Jahr bei knapp 7.000 bis gut 10.000 €. Für Talkwalker ist da kein Platz: Rund 9.000 USD im Jahr für Social Listening würden die gesparte Abschrift fast vollständig aufzehren. Social Listening lohnt sich erst bei größeren Sortimenten oder als Hersteller.

Wichtiger Vorbehalt: Diese Rechnung gilt nur, wenn das Forecasting-System tatsächlich genutzt und die Bestellentscheidungen daran ausgerichtet werden. Ein Demand-Forecasting-Tool, das Empfehlungen ausgibt, die der Einkäufer dann trotzdem nach Gefühl überstimmt, spart nichts.

Datenqualität als Voraussetzung

Demand Forecasting funktioniert nur so gut wie die historischen Daten, auf denen es trainiert wird. Das klingt offensichtlich, in der Praxis scheitern Forecasting-Projekte häufig genau hier.

Was “gute Daten” in der Spielwarenplanung bedeutet:

• Mindestens 2 Jahre Verkaufshistorie je SKU für saisonale Produkte: Weniger als zwei Weihnachtsgeschäfte reichen nicht, um saisonale Muster sicher zu erkennen.
• Saubere SKU-Struktur: Wenn dasselbe Produkt unter verschiedenen Artikelnummern läuft (z.B. nach Lieferantenwechsel), denkt das System, dass ein altes Produkt ausgelaufen und ein neues entstanden ist, die Verkaufshistorie reißt ab.
• Promotions und Ausnahmen dokumentiert: War ein Artikel im November rabattiert? Hat eine Influencerin ihn empfohlen? Diese Ausreißer müssen als solche markiert sein, sonst lernt das System: “Im November 2023 verkaufte dieser Artikel x-mal so viel wie normal”, und schlägt im nächsten Oktober eine unrealistisch hohe Bestellmenge vor.
• Fehlmengen dokumentiert: Was tatsächlich nicht mehr auf Lager war und nicht verkauft werden konnte, erscheint in den Daten als “0 Verkäufe”, obwohl die echte Nachfrage höher war. Gute Forecasting-Systeme können mit markierten Stockout-Perioden umgehen, aber nur wenn diese korrekt gekennzeichnet sind.

Wenn diese Grundlage nicht vorhanden ist, ist der erste Schritt nicht das Forecasting-Tool, sondern die Datenbereinigung.

Drei typische Einstiegsfehler

1. Social Listening und Demand Forecasting gleichzeitig einführen. Beide Systeme einzeln sind je ein mittelgroßes Projekt. Zusammen gleichzeitig sind sie ein großes. Wer anfängt, überlädt den Einkauf mit neuen Prozessen und neuen Tools gleichzeitig, und bekommt eine schlechtere Nutzungsrate für beide. Empfehlung: Mit einem der beiden beginnen. Demand Forecasting hat den direkteren Nutzen für die Sortimentsplanung; Social Listening ist strategischer. Für die meisten Händler ist Demand Forecasting der sinnvollere erste Schritt.

2. Das System nutzen, aber die Bestellentscheidungen trotzdem nach Bauchgefühl treffen. Das ist häufiger als man denkt. Einkäufer, die jahrelang nach Erfahrung eingekauft haben, folgen dem Systemvorschlag nur dann, wenn er bestätigt, was sie sowieso tun wollten. Wenn er widerspricht, wird er überstimmt, mit der impliziten Begründung “das System kennt nicht alle Zusammenhänge”. Das Ergebnis: Die Forecasting-Software bezahlt man, nutzt man aber nicht. Der Wandel von intuitivem zu datengetriebenem Einkauf erfordert aktive Führungsentscheidung, nicht nur Tool-Einführung.

3. Trendanalyse ohne Wettbewerbskontext. Ein Social-Listening-Tool zeigt dir, dass ein Thema wächst. Es zeigt dir nicht, ob dein Sortiment diesen Trend abdeckt oder ob der Wettbewerber drei Regale weiter bereits alle Kontingente gesichert hat. Trendanalyse muss immer mit Sortiments-Ist-Vergleich kombiniert werden: Welche Produkte in unserem aktuellen Sortiment greifen diesen Trend auf? Welche fehlen? Was ist noch lieferbar?

Was mit der Einführung wirklich passiert, und was nicht

Die Einführung eines Forecasting-Systems verändert die Machtstruktur im Einkauf, subtil aber real. Erfahrene Einkäufer, die sich über Jahre Sortimentskompetenz aufgebaut haben, erleben das System möglicherweise als Bedrohung ihrer Expertise. Das Gegenteil sollte kommuniziert werden: Das System liefert eine bessere Datenbasis für ihre Entscheidungen, es ersetzt nicht die Erfahrung, es schärft sie.

Typische Widerstandsmuster:

• “Die Daten passen nicht zu unserer Region”: Regionale Unterschiede sind real, ein Bergspielzeug-Spezialist in Bayern hat andere Muster als ein Handelsstadtgeschäft in Hamburg. Forecasting-Systeme können mit regionalen Korrekturfaktoren arbeiten, aber das muss konfiguriert werden.
• “Der Algorithmus versteht keine Trends”: Wahr für Neuheiten ohne Verkaufshistorie, hier hilft Demand Forecasting wenig. Social-Listening-Inputs können als manuelle Korrekturgröße eingearbeitet werden.
• Erste Monate enttäuschender als erwartet: Die ersten zwei bis drei Monate liefert das System Prognosen mit mittelmäßiger Qualität, die historischen Daten sind noch nicht vollständig eingeflossen, das Modell muss sich kalibrieren. Das ist normal und kein Zeichen, dass es nicht funktioniert.

Realistischer Zeitplan mit Risikohinweisen

Wichtig: Wer dieses System für das übernächste Weihnachtsgeschäft nutzen will, muss spätestens im Januar-Februar des Vorjahres beginnen.

Häufige Einwände, und was dahintersteckt

„Unsere Branche ist zu unvorhersehbar, was nützen Prognosen?” Kein Forecasting-System sagt exakt voraus, welches Produkt im nächsten Jahr viral geht. Das ist nicht das Ziel. Das Ziel ist, die bekannten Muster, Saisonalität, wiederkehrende Kategorien, Abverkaufskurven, präziser zu modellieren, als es Excel kann. Die unvorhersehbaren Elemente bleiben unvorhersehbar; die vorhersehbaren werden besser genutzt.

„Das ist nur für große Händler.” Nicht unbedingt. Inventory Planner beginnt laut unserer Toolseite im niedrigen dreistelligen Dollarbereich im Monat und integriert direkt in Shopify. Für einen Online-Spielwarenhändler mit 500 SKUs rechnet es sich, wenn die gesparte Abschrift die Lizenz übersteigt: Die Faustregel: Jahreskosten des Tools geteilt durch deinen Abschriftensatz ergibt, um wie viel der Überbestand mindestens sinken muss. Bei 30 Prozent (Annahme) und Jahreskosten in Höhe von zusammen 3.000 € heißt das: 3.000 € geteilt durch 0,3, das ergibt 10.000 €. Die Rechnung oben zeigt, wie du das mit deinen Zahlen prüfst.

„Wir haben die Daten nicht.” Die meisten Handelssysteme speichern Verkaufsdaten seit Jahren. Das Problem ist oft nicht Datenmangel, sondern Datenqualität: falsch gebuchte Retouren, nicht dokumentierte Stockouts, inkonsistente SKU-Struktur. Zwei bis vier Wochen Datenbereinigung sind realistisch, kein Hexenwerk, aber Aufwand, der eingeplant werden muss.

Woran du merkst, dass das zu dir passt

• Du hast Weihnachten regelmäßig entweder Überbestand auf stagnierenden Produkten oder Leerregalmentalität auf Trendprodukten, manchmal beides gleichzeitig
• Du erkennst Spielzeugtrends erst, wenn Eltern danach fragen, und dann ist meistens kein Kontingent mehr verfügbar
• Du hast mehr als 200 aktive SKUs, ab da macht automatisiertes Forecasting effizienter als manuelle Planung

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

1. Weniger als zwei Jahre saubere Verkaufsdaten. Demand Forecasting braucht mindestens zwei vollständige Weihnachtszyklen als Lernbasis. Wer ein jüngeres Unternehmen oder ein frisch übernommenes System hat, muss zunächst Datenbasis aufbauen.

2. Unter ca. 200 aktiven SKUs. Unterhalb dieser Grenze ist manuelles Forecasting in Excel schneller und günstiger. Der Zeitgewinn durch Automatisierung rechtfertigt die Implementierungskosten nicht.

3. Keine Bereitschaft, Einkaufsentscheidungen datengestützt zu treffen. Das ist der wichtigste Punkt. Wenn Forecasting-Empfehlungen regelmäßig nach Bauchgefühl überstimmt werden, zahlt das Unternehmen für ein System, das es nicht nutzt. Die Kultur muss den Wandel mitgehen, sonst ist das Tool wertlos.

Das kannst du heute noch tun

Bevor du in Software investierst: Mach einen schnellen Trendaudit mit kostenlosen Tools. Öffne Google Trends und suche nach drei bis fünf Spielzeugkategorien aus deinem Sortiment. Schau, ob Suchvolumen und Saison-Kurven dem entsprechen, was du aus dem Verkauf kennst. Dann öffne TikTok und suche nach denselben Kategorien, wie viele frische Videos mit hoher Interaktion gibt es?

Was du damit weißt: Ob es einen Unterschied zwischen deiner aktuellen Sortimentspräsenz und den Signal-Stärken in sozialen Netzwerken gibt. Das dauert 30 Minuten.

Für die regelmäßige, strukturierte Trendbeobachtung ohne Budget für Talkwalker:

Quellen & Methodik

• Weihnachtsanteil am Jahresumsatz: Eine frei abrufbare Zahl haben wir beim Bundesverband des Spielwaren-Einzelhandels (BVS, bvspielwaren.de, abgerufen am 19.09.2026) nicht gefunden. Die Seite nennt deshalb keinen Prozentwert, sondern zeigt, wie du deinen eigenen Anteil ermittelst.
• Fallstudie Toy House: Leafio, Toy House Case Study, abgerufen am 19.09.2026. Spielwarenkette mit 67 Filialen, bis 2019: Überbestand minus 19 Prozent, 98 Prozent Artikelverfügbarkeit, entgangene Umsätze minus 26 Prozent. Anbieterangabe, keine Prognosegenauigkeit ausgewiesen.
• Talkwalker, RELEX, Inventory Planner: Unsere Toolseiten, Stand Juni und Juli 2026 (Preise, Hosting, Eignung). Talkwalker: Rechenzentren bei Hetzner (Deutschland) und AWS, Mutterunternehmen Hootsuite in Kanada. Inventory Planner: keine ausdrückliche Angabe zur Hosting-Region.
• Abschriftensatz 30 Prozent, Überbestandsquote 25 Prozent, Zeitwerte der Tabelle: Annahmen und Richtwerte der Redaktion für das Rechenbeispiel, nicht gemessen. Setze deine eigenen Werte aus der Warenwirtschaft ein.