Montagmorgen, 6:14 Uhr. Der Lagerleiter öffnet sein Dashboard, scrollt durch 60 Kennzahlen und sieht: alles grün. Kapazitätsauslastung im Zielkorridor. Kommissionierquote stabil. Durchschnittliche Versandzeit unter Plan. Um 9:30 Uhr ruft der Großkunde an. Zwei Paletten fehlen, die dritte kam einen Tag zu spät. Das Dashboard hat nicht gelogen. Es hat nur nichts gesteuert.
Datengetriebene Logistik bedeutet nicht, möglichst viele Zahlen zu sammeln. Sie bedeutet, die richtigen Zahlen so zu verknüpfen, dass du Entscheidungen treffen kannst, bevor Probleme entstehen. Dieser Artikel zeigt dir, wie vier KPIs ausreichen, um Werkvertragsprojekte von reinen Leistungsabrechnungen in steuerbare Wertschöpfungsprozesse zu verwandeln.
Warum Messen allein dein Lager nicht besser macht
Die meisten Logistikbetriebe messen viel. Zu viel. 60 Kennzahlen in einem ERP-System, bunte Ampeln auf Bildschirmen, wöchentliche Reports mit 14 Seiten. Das Problem: Wer 60 Kennzahlen trackt, steuert keine einzige. Messen ist Kontrolle. Kontrolle heißt: Ich sehe, dass etwas passiert ist. Steuerung heißt: Ich erkenne, warum etwas passiert, und kann gegenlenken.
In Werkvertragsprojekten wird dieser Unterschied zum geschäftskritischen Faktor. Denn beim Werkvertrag zählt das Ergebnis, nicht die Stunde. Wenn du als Auftraggeber nicht weißt, welche Stellschrauben die Performance deines Dienstleisters wirklich treiben, steuerst du blind. Du bezahlst für ein Ergebnis, das du nicht beeinflussen kannst.
Datengetriebene Logistik löst dieses Problem, indem sie vier Kerntreiber zu einem integrierten Entscheidungsframework verknüpft: OTIF, Pick Accuracy, Durchlaufzeit und Kosten pro Orderline. Diese vier Kennzahlen reichen aus, um den operativen Status abzubilden, Echtzeit-Steuerung zu ermöglichen und Verträge auf messbare Leistung auszurichten.
OTIF: Dein Lieferversprechen in einer Zahl
OTIF steht für On Time In Full und misst den Prozentsatz der Bestellungen, die am gewünschten Lieferdatum und in der bestellten Menge beim Kunden ankommen. Die Formel ist simpel: Anzahl der Lieferungen, die vollständig und pünktlich ankommen, geteilt durch die Gesamtzahl der Bestellungen, multipliziert mit 100.
Klingt nach der einen Kennzahl, die alles sagt. Tut sie nicht.
OTIF auf einen Blick
✔ Formel: (Lieferungen vollständig + pünktlich / Gesamtbestellungen) x 100
✔ Benchmark B2B: Durchschnitt liegt bei 88 %, Zielkorridor für Werkverträge: 92 bis 95 %
✔ Einsatz im Werkvertrag: SLA-Compliance messbar machen, Basis für Bonus/Malus-Klauseln
✔ Schwäche: Gewichtet nicht. 1 Tag Verspätung zählt wie 1 Woche. 1 fehlender Artikel zählt wie 50 % der Lieferung
OTIF ist die Eingangskennzahl deines Steuerungsframeworks. Sie zeigt dir, ob dein Lieferversprechen hält. Aber sie sagt dir nicht, warum es bricht. Dafür brauchst du den Drill-down in die drei anderen KPIs.
Was OTIF dir wirklich sagt (und was nicht)
OTIF sollte nie isoliert betrachtet werden. Ein OTIF-Wert von 91 % sieht solide aus, kann aber bedeuten, dass 9 % deiner Kunden eine komplett unbrauchbare Lieferung erhalten haben. Die Kennzahl unterscheidet nicht zwischen einem fehlenden Artikel und einer komplett falschen Palette. Genau deshalb hängt OTIF direkt von zwei Faktoren ab: der Durchlaufzeit (ist der Prozess stabil genug, um pünktlich zu liefern?) und der Bestandsreichweite (ist überhaupt genug Ware da, um vollständig zu liefern?).
Für Werkvertragsprojekte bedeutet das: OTIF ist dein Alarmsystem. Wenn der Wert fällt, weißt du, dass etwas nicht stimmt. Aber um zu verstehen, was nicht stimmt, musst du tiefer schauen.
Pick Accuracy: Der Hebel, den die meisten unterschätzen
Ein Griff ins falsche Fach. Ein Barcode, der nicht gescannt wird. Eine Menge, die um zwei Stück abweicht. Was nach Kleinigkeit klingt, löst eine Kettenreaktion aus, die 3 bis 5 Mal den Originalwert des Auftrags kostet. Retoure, Neukommissionierung, erneuter Versand, Kundenservice, Imageschaden. Pick Accuracy (Kommissioniergenauigkeit) misst den Anteil der fehlerfrei kommissionierten Aufträge an der Gesamtzahl aller Kommissionieraufträge.
Der Benchmark für professionelle Lager liegt bei mindestens 97 %. Alles unter 95 % ist die rote Zone und erfordert sofortige Korrektur. Im Kontext von datengetriebene Logistik ist Pick Accuracy keine Nebenkennzahl. Sie ist der operative Kern.
Warum Pick Accuracy der stärkste Prädiktor für OTIF ist
Pick Accuracy ist der stärkste Hebel in deinem gesamten KPI-Framework. Wenn die Kommissionierung fehlerhaft ist, kann selbst perfekter Transport die OTIF nicht retten. Eine falsch kommissionierte Sendung ist per Definition nicht „In Full“ und führt automatisch zum OTIF-Ausfall. Die Kausalkette ist eindeutig: Kommissionierfehler verursachen Nacharbeit, Nacharbeit verlängert die Durchlaufzeit, die verlängerte Durchlaufzeit gefährdet das „On Time“, und die Korrektur treibt die Kosten pro Orderline nach oben.
In Werkverträgen wird dieser Zusammenhang besonders relevant. Denn die Kommissioniergenauigkeit liegt in der operativen Verantwortung des Dienstleisters. Sie ist direkt steuerbar durch Schulungen, Prozessdesign, Pick-by-Light-Systeme und Qualitätskontrollen. Wer hier investiert, verbessert drei KPIs gleichzeitig.
Durchlaufzeit: Nicht die Länge ist das Problem, sondern die Schwankung
Deine Durchlaufzeit ist nicht zu lang. Sie ist zu unberechenbar. Die Order Cycle Time umfasst die gesamte Zeitspanne vom Auftragseingang bis zur Auslieferung: Auftragsregistrierung, Planung, Kommissionierung, Verpackung, Versand, Transport, Zustellung. Ein Durchschnittswert von 24 Stunden klingt gut. Aber wenn die Spanne zwischen 16 und 38 Stunden liegt, hast du kein Planungssystem. Du hast ein Glücksspiel.
Variabilität ist der wahre Feind der Durchlaufzeit, nicht die absolute Länge. Ein stabiler Prozess mit 28 Stunden Durchlaufzeit schlägt einen instabilen Prozess mit 22 Stunden Durchschnitt, der regelmäßig auf 40 Stunden ausreißt. Denn Stabilität ermöglicht verbindliche Lieferzusagen. Und verbindliche Lieferzusagen sind das, was dein Kunde braucht.
Wie Variabilität deine Lieferzusagen zerstört
Wenn dein Prozess an drei Tagen der Woche 20 Stunden braucht und an zwei Tagen 36 Stunden, welche Durchlaufzeit kommunizierst du dem Kunden? Du musst den schlechtesten Fall als Standard setzen, um dein Lieferversprechen zu halten. Das bedeutet: Die Variabilität deines Prozesses bestimmt deine Lieferzusage, nicht der Durchschnitt.
In der datengetriebenen Logistik geht es deshalb nicht primär darum, die Durchlaufzeit zu verkürzen. Es geht darum, sie zu stabilisieren. Die Werkzeuge dafür sind Standardisierung entlang der Lieferkette, IoT-Sensorik für Echtzeit-Tracking, RFID zur Prozessüberwachung und prädiktive Analytik zur Vorhersage von Verzögerungen. Je stabiler die Durchlaufzeit, desto höher die OTIF-Wahrscheinlichkeit und desto zuverlässiger der gesamte Werkvertrag.
Kosten pro Orderline: Die Zahl, die keiner gerne anschaut
Jeder kennt seine Kosten pro Auftrag. Aber pro Orderline? Da wird es still. Die Kosten pro Orderline erfassen alle logistischen Kosten pro einzelne Position im Auftrag: Transport, Lagerung, Handling, Verpackung, Administration. Diese Kennzahl zeigt dir die Effizienz-Wahrheit deiner gesamten Logistikkette, heruntergebrochen auf die kleinste steuerbare Einheit.
Und genau hier verstecken sich die Kostentreiber, die in Quartalsberichten nicht auffallen, aber über zwölf Monate gerechnet sechsstellige Beträge ausmachen können.
Drei Kostenfresser, die in jeder Orderline stecken
Die drei versteckten Kostentreiber
1. Ineffiziente Schichtplanung: Wenn der Output pro Stunde nicht getrackt wird, laufen Schichten mit falscher Besetzung. Zu viele Leute in ruhigen Phasen, zu wenige in Spitzenzeiten. Die Kosten pro Orderline steigen, ohne dass sich am Volumen etwas ändert.
2. Doppelte Transporte: Palettenbewegungen, die nicht konsolidiert werden. Zwei Fahrten, wo eine gereicht hätte. Routenoptimierung und Ladeplanung können diesen Kostentreiber um 10 bis 15 % senken.
3. Fehlerkosten: Jeder Kommissionierfehler erzeugt Nacharbeit, Retouren und erneuten Versand. Die Nacharbeitsquote ist der direkte Draht zwischen Pick Accuracy und deinen Kosten pro Orderline. Hier schließt sich der Kreis zum KPI-Framework.
Unternehmen, die ihre Logistikdaten systematisch auswerten, erzielen durch die Kombination aus Predictive Analytics (saisonale Spitzen und Ausfallmuster vorhersagen) und dynamischer Schichtplanung nachweislich Kostenreduktionen von rund 8 % pro Quartal. Datengetriebene Logistik macht diese Einsparungen sichtbar und planbar.
Das Verknüpfungsmodell: Wie die vier KPIs zusammenspielen
Vier KPIs, vier Silos? Dann hast du kein Framework. Dann hast du eine Excel-Sammlung. Die Stärke der datengetriebenen Logistik liegt nicht in den einzelnen Kennzahlen, sondern in ihrer Verknüpfung. Die Kausalkette sieht so aus: Pick Accuracy steigt, also steigt OTIF, also steigt die Kundenzufriedenheit. Gleichzeitig sinkt die Durchlaufzeit (weniger Nacharbeit), also sinken die Kosten pro Orderline, also steigt die Marge.
Ein einziger Kommissionierfehler verursacht vier Probleme gleichzeitig: OTIF-Ausfall (nicht vollständig geliefert), Rücksendekosten (Retoure), doppelte Durchlaufzeit (Nachlieferung) und zusätzlichen Verwaltungsaufwand. Pick Accuracy ist deshalb nicht ein KPI unter vielen. Sie ist der Hebel, der das gesamte System bewegt.
Dieses Verknüpfungsmodell zeigt auch, warum isolierte KPI-Betrachtung scheitert. Wer nur auf OTIF schaut, ohne die Pick Accuracy zu analysieren, behandelt Symptome. Wer nur auf Kosten pro Orderline schaut, ohne die Durchlaufzeit-Variabilität zu kennen, optimiert an der falschen Stelle. Das integrierte Framework macht aus vier Einzelwerten ein Steuerungssystem.
Vom Dashboard zur Entscheidung: Der Drei-Stufen-Prozess
Die meisten Lager haben Dashboards. Die wenigsten haben Entscheidungsprozesse, die auf diesen Dashboards aufbauen. Datengetriebene Logistik funktioniert nur, wenn die Daten auch zu Handlungen führen. Der Weg dahin ist ein Drei-Stufen-Prozess.
Stufe 1: Aufräumen (von 60 KPIs auf 14)
Der erste Schritt ist der schmerzhafteste: Kennzahlen streichen. Von über 60 bestehenden Metriken sollten nur diejenigen mit echtem Steuerungswert bleiben. In der Praxis hat sich eine Reduktion auf etwa 14 KPIs bewährt, aufgeteilt in drei Kategorien.
Operativ: OTIF, Truck-Turnaround-Time, Kommissionierfehlerquote, Erstzustellungsrate. Betriebswirtschaftlich: Kosten pro Orderline, Kapazitätsauslastung, Frachtrechnungsgenauigkeit. Qualitativ: Kommissioniergenauigkeit, Lagergenauigkeit, PPM-Werte. Dazu kommen die Steuerungskennzahlen für Durchlaufzeit-Stabilität und Bestandsreichweite.
Das Pareto-Prinzip gilt auch hier: 20 % der Kennzahlen liefern 80 % der Steuerungsrelevanz. Der Rest erzeugt Rauschen.
Stufe 2: Echtzeit-Monitoring aufbauen
Kennzahlen, die einmal pro Woche in einem PDF-Report erscheinen, sind keine Steuerungsinstrumente. Sie sind Geschichtsschreibung. Echtzeit-Monitoring bedeutet, dass OTIF, Pick Accuracy, Durchlaufzeit und Kosten pro Orderline als Live-KPIs auf einem Dashboard laufen, das operative Entscheidungen in Minuten statt in Tagen ermöglicht.
Die technische Grundlage dafür: IoT-Sensorik und RFID für die automatische Datenerfassung im Lager, ERP-Schnittstellen für den Datenfluss zwischen Auftraggeber und Dienstleister, und RPA (Robotic Process Automation) zur Eliminierung manueller Dateneingaben. Manuelle Datenerfassung ist der häufigste Grund für verzögerte und fehlerhafte Logistikdaten.
Stufe 3: Prädiktiv steuern statt reaktiv reparieren
Die dritte Stufe ist der eigentliche Sprung: von „Wir sehen, was passiert ist“ zu „Wir sehen, was passieren wird“. Predictive Analytics nutzt historische Daten und aktuelle Parameter, um Engpässe vorherzusagen. Saisonale Spitzen, Ausfallmuster bei Subunternehmern, wetterbedingte Transportverzögerungen: all das lässt sich mit ausreichender Datengrundlage prognostizieren.
Die praktische Auswirkung: Schichtpläne werden dynamisch angepasst, bevor die Spitze eintritt. Pufferzonen werden erweitert, bevor der Engpass entsteht. Und im Werkvertrag heißt das: „Wir haben es gelöst“ statt „Wir arbeiten dran“. Unternehmen, die diesen Dreistufenprozess konsequent umsetzen, erzielen nachweislich Effizienzsteigerungen von bis zu 26 %.
Benchmarks eines datengesteuerten Logistikbetriebs
✔ Lagergenauigkeit: Durchschnitt 97 %
✔ LKW-Turnaround-Time: Durchschnitt 50 Minuten
✔ Frachtrechnungsgenauigkeit: Durchschnitt 96 %
✔ Kostenreduktion durch Predictive Analytics: rund 8 % pro Quartal
Werkvertrag und SLA: Wie du KPIs vertraglich verankerst
Ein SLA ohne messbare KPIs ist ein Handschlag mit Hoffnung. In Werkvertragsprojekten definiert das Service Level Agreement, welche Leistung der Dienstleister schuldet. Aber erst die datengestützte Verankerung macht diese Leistung steuerbar. Und zwar für beide Seiten.
Das Instrument dafür ist das Bonus/Malus-System. Nicht als Druckmittel, sondern als gemeinsame Steuerungslogik. Der Dienstleister weiß exakt, welche Zielwerte gelten, welche Prämie bei Übererfüllung wartet und welche Konsequenz bei Unterschreitung greift. Der Auftraggeber erhält planbare Qualität und ein vertragliches Frühwarnsystem.
Bonus/Malus-Schwellwerte für die vier KPIs
OTIF: SLA-Ziel mindestens 92 %. Bonus bei über 95 % (+2 % Honorar). Malus bei unter 90 % (-3 %)
Pick Accuracy: SLA-Ziel mindestens 97 %. Bonus bei über 99 % (+1,5 %). Malus bei unter 95 % (-2 %)
Durchlaufzeit: SLA-Ziel maximal 24 Stunden. Bonus bei unter 20 Stunden (+1 %). Malus bei über 30 Stunden (-2 %)
Kosten pro Orderline: SLA-Ziel gleich oder unter Zielwert. Bonus bei minus 5 % (Teilung der Sparprämie). Malus bei plus 10 % (Korrekturplan verpflichtend)
Termintreue getrennt messen: eigene Fahrer vs. Subunternehmer
Ein entscheidender Punkt, den viele SLAs übersehen: Termintreue muss getrennt gemessen werden für eigene Fahrer und für Subunternehmer (Erfüllungsgehilfen). In der Praxis zeigt sich häufig, dass die eigene Flotte stabil liefert, während einzelne Subunternehmer die Gesamtperformance nach unten ziehen. Ohne diese Trennung bleibt der Verursacher unsichtbar.
Im Werkvertrag hat das eine direkte vertragliche Konsequenz: Der Dienstleister trägt die Verantwortung für seine Erfüllungsgehilfen. Wenn die Daten zeigen, dass ein bestimmter Subunternehmer regelmäßig die SLA-Ziele verfehlt, ist das kein Zufall. Es ist ein Steuerungssignal, das zum Austausch oder zur Nachschulung führen muss.
Was Allcox anders macht
Allcox baut keine Dashboards. Allcox liefert Ergebnisse. Und zwar auf Basis genau dieser Logik: Werkvertragsprojekte, in denen nicht Stunden abgerechnet werden, sondern steuerbare Leistung. X Paletten kommissioniert, Y Aufträge verpackt, Z Linien bestückt. Volle operative Verantwortung, eigene Organisation, eigenes Personal, eigenes Ergebnis.
Datengetriebene Logistik ist bei Allcox kein Zusatzprodukt. Sie ist der Grund, warum Werkvertrag bei Allcox funktioniert: weil jedes Ergebnis messbar, jede Abweichung sichtbar und jede Verbesserung planbar ist.
Ob Inhouse-Outsourcing in deiner Lagerhalle, ergebnisorientierter Werkvertrag in der Kommissionierung oder der Einstieg über Allcox Persona (Arbeitnehmerüberlassung): Die operative Steuerung auf Basis belastbarer KPIs ist bei Allcox Standard. Nicht weil es modern klingt, sondern weil es die einzige Art ist, im Werkvertrag dauerhaft Qualität zu liefern.
FAQs zum Thema datengetriebene Logistik
Was bedeutet OTIF in der Logistik?
OTIF steht für „On Time In Full“ und misst den Prozentsatz der Bestellungen, die pünktlich und in der vollständigen Menge beim Kunden ankommen. Im B2B-Bereich liegt der Durchschnitt bei rund 88 %, der Zielkorridor für professionelle Werkvertragsprojekte bei 92 bis 95 %. OTIF ist die zentrale Kennzahl für Liefertreue, sollte aber nie isoliert betrachtet werden, da sie nicht zwischen kleinen und großen Abweichungen unterscheidet.
Wie berechnet man die Kosten pro Orderline?
Die Kosten pro Orderline erfassen alle logistischen Kosten (Transport, Lagerung, Handling, Verpackung, Administration) pro einzelne Position im Auftrag. Die Berechnung erfolgt, indem die gesamten Logistikkosten eines Zeitraums durch die Anzahl der bearbeiteten Orderlines geteilt werden. Diese Kennzahl macht Effizienzunterschiede sichtbar, die in den Gesamtkosten pro Auftrag untergehen.
Warum ist Pick Accuracy wichtiger als Liefergeschwindigkeit?
Pick Accuracy (Kommissioniergenauigkeit) ist der stärkste Prädiktor für die gesamte Logistikperformance. Ein Kommissionierfehler kostet das 3 bis 5-Fache des Originalwerts durch Retouren, Nachlieferung und Verwaltungsaufwand. Selbst perfekter und schneller Transport kann einen Kommissionierfehler nicht kompensieren, denn eine falsch zusammengestellte Lieferung ist per Definition nicht „In Full“ und führt zum OTIF-Ausfall.
Was bringt Predictive Analytics in der Lagerlogistik?
Predictive Analytics nutzt historische Daten und aktuelle Parameter, um Engpässe und Bedarfsspitzen vorherzusagen, bevor sie eintreten. In der Praxis ermöglicht das dynamische Schichtplanung, vorausschauende Puffersteuerung und proaktive Routenoptimierung. Unternehmen, die Predictive Analytics in der Logistik einsetzen, erzielen Kostenreduktionen von rund 8 % pro Quartal durch bessere Ressourcenallokation.
Wie funktioniert ein Bonus/Malus-System im Werkvertrag?
Ein Bonus/Malus-System verknüpft die Vergütung des Logistikdienstleisters mit messbaren KPI-Zielen. Für jeden KPI (z.B. OTIF mindestens 92 %, Pick Accuracy mindestens 97 %) werden Schwellwerte definiert. Bei Übererfüllung erhält der Dienstleister eine Prämie, bei Unterschreitung greift ein Abzug oder ein verpflichtender Korrekturplan. Das System schafft Transparenz und einen gemeinsamen Anreiz für kontinuierliche Verbesserung.
Weitere Informationen und Hintergründe zum Thema findest du hier:
TradeLink: Logistik Kennzahlen 2025
TIMOCOM: Bonus-Malus-System in der Logistik
