Die Renaissance des Store Picking: Strategischer Rückschritt oder kluger Schachzug? (2/2)

Unit Economics: Die harte Anatomie der Verlustzone
Die weit verbreitete Annahme im stationären Handel ist, dass In-Store Picking «günstig» sei, da die Fixkosten der Immobilie ohnehin gedeckt sind. Diese Grenzkostenbetrachtung ist jedoch gefährlich, da sie die Skalierungseffekte ignoriert. Sobald das E-Food Bestellvolumen allerdings das Stadium eines Hobby-Projekts mit nur wenigen Aufträgen pro Tag verlässt, müssen die vollen operativen Kosten dem Kanal zugerechnet werden.

In einem Lager ist die Ware nach Umschlagshäufigkeit (Schnelldreher, Langsamdreher) und Ergonomie platziert. In einem Supermarkt folgt die Platzierung der so genannten Shopper Logic; means Impulsware, Markenblöcke und oftmals thematische Welten. Ein Picker, der eine Online-Bestellung kommissioniert, muss also die Logik des Kunden nachahmen, nicht die zeit- und wegoptimierte eines Logistikers.

Die Gesamtzeit pro Bestellung (T_total) setzt sich dabei primär aus vier Hauptkomponenten zusammen, die Händler unbedingt ermitteln sollten, um ihren Store Picking Prozess zu analysieren:

1. Wegzeit (t_travel): In einem 20.000 SKU-Supermarkt ohne optimiertes Routing legt ein Picker pro Bestellung oft 600 bis 800 Meter zurück. Die reine Wegzeit macht oftmals direkt 50 bis 60 Prozent der Gesamtzeit aus.
2. Suchzeit (t_search): Das Finden eines spezifischen Artikels (z.B. «Bio-Basilikum 20g») in einem Regal mit 50 Gewürzen dauert im Laden signifikant länger als im Lager, da die Regal-Planogramme visuell und nicht numerisch codiert sind.
3. Entnahme & Prüfung (t_pick): Hier schlägt der «DACH-Qualitätsanspruch» zu Buche. Ein Picker kann nicht einfach den ersten Apfel greifen. Er muss ihn prüfen, als wäre er der Kunde selbst. Diese Qualitätskontrolle verlangsamt den physischen Greifprozess massiv.
4. Entscheidungszeit (t_dec): Sowohl bei obiger Qualitätskontrolle der Ware als auch bei OOS-Situationen (Regallücken) muss der Picker über Substitute oder Abnuller entscheiden.

Was kostet nun also eine Order im Store Picking? Hierzu einmal ein kleines Rechenbeispiel für den DACH-Raum:

Wir berechnen die Picking-Kosten für einen Standard-Warenkorb unter DACH-Bedingungen. Dabei betrachten wir einen grösseren Supermarkt mit rd. 20'000 SKU, einen typischen Warenkorb im Wocheneinkaufs-Setting mit 35-40 SKU, einer Pick-Leistung von 80 UPH (units per hour) und einem Stundenlohn unter Vollkosten von EUR 25.

Schritt 1: Zeitaufwand für das Picking
Zeit pro Order = 40 SKU / 80 UPH = 0.5h = 30 Minuten

Schritt 2: Arbeitskosten Picking
Pickingkosten = Zeit pro Order * Kosten pro Zeiteinheit = 0.5h* EUR 25 = EUR 13

Das ist jedoch nur der reine Prozess am Regal. Hinzu kommen vor- und nachgelagerte Prozesse, die oft in Kalkulationen vergessen werden, wie beispielsweise:

• Rüstzeit: Wagen holen, Scanner anmelden, Taschen vorbereiten.
• Konsolidierung: Zusammenführen von Trocken-, Kühl- und Tiefkühlware im Backroom.
• Staging: Einlagern in Abholregale oder Bereitstellen für den Fahrer.
• Übergabe: Scan-out an den Fahrer oder Kunden (sofern nicht von diesen selbst durchgeführt).

Diese Prozesse addieren im Schnitt weitere 6-8 Minuten pro Bestellung:

Weitere Prozess-Kosten = 6/60 * EUR 25 = EUR 2.5

Damit ergeben sich als Gesamtkosten der Kommissionierung:

Gesamtkosten Personal (Kommissionierung, ohne Lieferung): EUR 13 + EUR 2.5 = EUR 15

Stellen wir diesen Kosten nun noch einmal den Ertrag gegenüber. Ein Warenkorb von ca. EUR 100 erwirtschaftet im Lebensmittelhandel eine Bruttomarge von ca. 25-27 Prozent, also etwa EUR 25 bis EUR 27.

Allein die Personalkosten fürs Picking im Laden (EUR 15) fressen somit bereits ca. 60 Prozent der Bruttomarge auf. Dabit verbleiben im Idealfall lediglich EUR 10-12, um die Kosten für:

• Last Mile Delivery (Fahrzeug, Fahrer, Benzin - oft Kosten von EUR 6 - 12 pro Stopp),
• Transaktionsgebühren (Payment),
• Marketing,
• Abschreiber (z.B. MHD/Verderb),
• Technologie-Abschreibungen und
• Verwaltung/Overhead

zu decken.

Unter Vollkostenbetrachtung ist das Store Picking im DACH-Raum strukturell also eher schwierig mit Gewinnen zu betreiben.

Die Genauigkeits-Falle (Pick Accuracy)
Ein in der Kostenanalyse häufig unterschätzter Faktor ist die Bestandsqualität. Da der Kommissionierprozess in der Regel in einem für den Publikumsverkehr geöffneten Supermarkt stattfindet, entsteht zwangsläufig eine Divergenz zwischen dem theoretischen Warenwirtschaftsbestand und dem physischen Ist-Bestand. Ursächlich hierfür sind Faktoren wie Bruch, Verderb, Diebstahl oder die fehlerhafte Rücklage von Waren durch Kunden vor Ort.

Diese Bestandsunsicherheit hat unmittelbare operative Konsequenzen: Der Kommissionierer wendet wertvolle Arbeitszeit für die Suche nach sogenannten «Geisterbeständen» auf – Artikel, die laut System verfügbar sein müssten, physisch jedoch fehlen. Eine solche erfolglose Suche, die inklusive der Rücksprache mit Kollegen ein bis zwei Minuten in Anspruch nehmen kann, stellt eine ineffiziente Ressourcenallokation dar. Bei einer «Not-Found»-Quote von fünf Prozent kumulieren sich diese unproduktiven Zeiten zu massiven Ineffizienzen. Darüber hinaus löst jeder nicht auffindbare Artikel komplexe nachgelagerte Substitutionsprozesse aus, wie etwa allenfalls notwendige Kundenrücksprachen, welche den kontinuierlichen Prozessfluss nachhaltig unterbrechen.

Analyse von Interferenz-Kosten und Congestion-Effekten im stationären Handel
Ein kritischer, wenngleich in der Praxis häufig unzureichend quantifizierter Aspekt des In-Store-Pickings ist die negative Auswirkung operativer Logistikprozesse auf das stationäre Kerngeschäft. Dieses Phänomen, in der Fachliteratur als «Congestion-Problem» oder Interferenz-Kosten bezeichnet, resultiert aus der doppelten Nutzung der begrenzten Verkaufsfläche. Insbesondere in der DACH-Region stellt die räumliche Infrastruktur älterer Bestandsfilialen mit Gangbreiten von oft nur 1,60 bis 2,00 Metern eine signifikante Restriktion dar.

Geometrische Restriktionen und sozio-psychologische Interaktionen
Eine geometrische Analyse verdeutlicht das Konfliktpotenzial: Während ein Standard-Einkaufswagen eine Breite von ca. 0.60 Metern aufweist, beanspruchen professionelle Multi-Order-Trolleys mit Abmessungen von bis zu 0.80 Metern Breite und 1.20 Metern Länge erheblichen Raum. Nimmt ein Kommissionierer zur Warenentnahme eine ergonomisch bedingte, diagonale Position zum Regal ein, blockiert er effektiv bis zu 1.20 Meter der Gangbreite. In einem 1,80 Meter breiten Gang verbleibt somit eine Restbreite von unter 0.80 Metern, was ein Passieren für Kunden faktisch unmöglich macht. Diese physische Blockade erzwingt entweder eine Arbeitsunterbrechung seitens des Personals oder führt zu Wartezeiten beim Kunden. Angesichts der in Deutschland ausgeprägten Erwartungshaltung an Effizienz (Stichwort: «Wegerecht» des Kunden) führen solche Blockaden rasch zu Frustration. Bei einer hohen Taktung, in der ein Picker mehrmals pro Minute Kundenwege kreuzt, kumulieren sich diese negativen Mikro-Interaktionen zu einer signifikanten Beeinträchtigung des Einkaufserlebnisses.

Ökonomische Quantifizierung der Interferenz
Empirische Studien und Simulationen belegen, dass ab einer kritischen „Picker-Dichte“ der stationäre Umsatz korreliert sinkt. Dies manifestiert sich in zwei Verhaltensweisen: Zum einen im Vermeidungsverhalten, bei dem Kunden blockierte Gänge und damit oft impulskaufstarke Warengruppen meiden; zum anderen im Kaufabbruch, wenn die Störungsdichte in Spitzenzeiten die Toleranzschwelle überschreitet. Eine beispielhafte Berechnung verdeutlicht das ökonomische Risiko: Verliert ein Supermarkt mit 50.000 Euro Tagesumsatz durch Congestion-Effekte lediglich ein Prozent seines Umsatzes, entspricht dies einem Schaden von 500 Euro. Demgegenüber steht ein hypothetischer Gewinn von 200 Euro aus 100 Online-Bestellungen (bei optimistischen 2 Euro Deckungsbeitrag). Dieses Missverhältnis zeigt, dass das In-Store-Picking ohne striktes Management die Profitabilität der Filiale kannibalisiert, da der Schaden im Kerngeschäft die Margen des Online-Kanals überkompensiert.

Strategien zur Prozessentzerrung (Mitigation Strategies)
Um diese Interferenz zu minimieren, verfolgen Händler Strategien der zeitlichen Entkopplung, wie etwa das «Wave Picking» vor Ladenöffnung (z.B. 06:00 bis 08:00 Uhr). Dies ermöglicht eine Steigerung der Pick-Leistung (Units per Hour) auf 90-100 Einheiten bei gleichzeitiger Eliminierung der Kundenstörung.

In der DACH-Region stösst dieser Ansatz jedoch auf strukturelle Grenzen: Arbeitsrechtliche Hürden (Zuschlagspflichten, Betriebsratsvorgaben) erschweren frühe Schichtmodelle. Zudem stellt die Frischelogistik eine Herausforderung dar, da früh kommissionierte Ware für späte Lieferfenster (z.B. 18:00 Uhr) über zwölf Stunden unter Einhaltung der Kühlkette zwischengelagert werden müsste, was massive Lagerkapazitäten im Backroom bindet. Schliesslich erfordern «Same Day»-Serviceversprechen mit kurzen Cut-Off-Zeiten zwangsläufig eine Kommissionierung während der Hochfrequenzphasen des Ladens, was das Congestion-Problem reaktiviert.

Identifikation systemischer Belastungsgrenzen («Tipping Points»)
Eine zentrale Herausforderung für das Management von Store Picking Ansätzen besteht in der präzisen Bestimmung der operativen Sättigungsgrenze. Basierend auf Marktdaten und Simulationen lassen sich – in Abhängigkeit der jeweiligen Filialgrösse – kritische Wendepunkte (so genannte «Tipping Points») definieren, ab denen das In-Store-Modell in seiner Wirtschaftlichkeit und Funktionalität kollabiert. Diese Grenzen manifestieren sich sowohl volumenbasiert auf der Verkaufsfläche als auch kapazitätsbasiert in den Lagerbereichen.

Die operative Belastung der Filiale durch Store Picking lässt sich idealtypisch in drei Skalierungsphasen unterteilen. In der «Integrationsphase» (< 50 Bestellungen/Tag) existiert das Online-Geschäft weitgehend konfliktfrei parallel zum stationären Betrieb. Da lediglich ein bis zwei Kommissionierer aktiv sind, wird die bestehende Infrastruktur kaum beansprucht; die operativen Ineffizienzen sind als initiale Lernkosten zu verbuchen.

Mit dem Anstieg auf 50 bis 150 Bestellungen pro Tag tritt das System in langsam die «Reibungsphase» ein. Ein dediziertes Team von vier bis acht Mitarbeitern erzeugt nun sichtbare Präsenz auf der Fläche, was von Kunden zunehmend als Störfaktor wahrgenommen wird. Managementseitig erfordert diese Phase den Übergang zu effizienteren Kommissioniermethoden (z.B. Batch-Picking mehrerer Aufträge), um die Laufwege und damit die Störfrequenz zu minimieren.

Überschreitet das Volumen den Bereich von 150 bis 200 Bestellungen pro Tag, erreicht das Modell meist den «Tipping Point» zum operativen Kollaps. In einem durchschnittlichen Supermarkt (ca. 1.500 m²) führt der parallele Einsatz von mehr als zehn Kommissionierern zu permanenter Gangverstopfung und ggf. explodierenden Wartezeiten an Service-Theken. In diesem Stadium übersteigen die negativen Externalitäten – definiert als Summe aus stationärem Umsatzverlust und Prozessineffizienzen – den Grenzertrag des Online-Kanals. Branchenanalysen (u. a. McKinsey, https://www.mckinsey.com/industries/retail/our-insights/achieving-profitable-online-grocery-order-fulfillment#/) bestätigen, dass ab einem regelmässigen Volumen von ca. 300 Bestellungen pro Tag (der Wechsel zu einem dedizierten Fulfillment-Lager («Dark Store») zwingend erforderlich ist, um die Wirtschaftlichkeit zu gewährleisten.

Der restriktive Faktor der Backroom-Kapazität
Häufig wird in der Planung übersehen, dass nicht nur die Verkaufsfläche, sondern primär der rückwärtige Lagerbereich (Backroom) den limitierenden Faktor darstellt. Die Konsolidierung von 200 Bestellungen erfordert – bei einer konservativen Schätzung von drei Behältern («Totes») pro Auftrag – Lagerkapazität für 600 Einheiten in verschiedenen Temperaturzonen. Dies entspricht einem Flächenbedarf von 50 bis 80 m² für den reinen Staging-Bereich. Da innerstädtische Supermärkte in der DACH-Region typischerweise über Backroom-Anteile von unter zehn Prozent verfügen, die bereits für den stationären Nachschub voll ausgelastet sind, entsteht eine kritische Flächenkonkurrenz. Sobald Online-Bestellungen Lagerkapazitäten blockieren, die für den regulären Nachschub benötigt werden, bricht die interne Supply Chain zusammen. Die Folge ist unter Umständen eine paradoxe Situation: Regallücken («Out of Stock») im Verkaufsraum entstehen nicht durch fehlende Ware, sondern durch die Unzugänglichkeit der Bestände im überfüllten Lager und verzögerte Auffüllprozesse.

Fazit: Store Picking als strategischer Pragmatismus mit klaren Grenzen
Die aktuelle Renaissance des Store Pickings – vorwiegend im anglo-amerikanischen Bereich – ist weder ein technologischer Rückschritt noch ein Eingeständnis des Scheiterns, sondern ein Korrektiv in einer Ära, in der Profitabilität vor unbedingtem Wachstum steht. Für viele Händler im DACH-Raum bietet der Griff ins Regal die nötige Flexibilität, um volatile Nachfragen ohne riskante CAPEX-Investitionen in Grossanlagen zu bedienen und trotzdem dem Kundenwunsch nach einem Online-Angebot nachzukommen.

Der vorliegende Deep Dive entlarvt die weit verbreitete Illusion der kostenlosen «Eh-da»-Ressourcendenke. Gerade in der Hochlohnregion des DACH-Raums diktieren die Unit Economics eine harte Wahrheit: Manuelle Kommissionierung im Store frisst die Handelsmarge fast vollständig auf, sobald man die Prozesskosten ehrlich gegenrechnet. Hinzu kommt die Gefahr der Kannibalisierung des stationären Kerngeschäfts durch «Congestion» und überlastete Backroom-Kapazitäten.

Store Picking ist folglich kein universelles Allheilmittel (auch nicht wenn man den Prozess – inklusive Kundenzugang – an einen Drittanbieter der Plattformökonomie outsourced), sondern ein valides Fulfillment-Modell mit einem klar definierten Verfallsdatum: dem «Tipping Point». Der Erfolg im E-Food wird künftig nicht davon abhängen, ob man für oder gegen Store Picking ist, sondern ob man als Händler präzise erkennt, wann das Volumen die Integration in die Filiale sprengt und der Wechsel in dedizierte Dark Stores oder automatisierte Fulfillment-Lösungen betriebswirtschaftlich zwingend wird. Bis dahin bleibt die Filiale ein hybrider Lernort – vorausgesetzt, man akzeptiert ihre operativen und physischen Grenzen.