Amazon Nachfrageprognose 2026: Absatzplanung mit KI

Die kurze Antwort: Eine belastbare Nachfrageprognose sagt Ihnen, wie viele Einheiten je SKU Sie in den kommenden Wochen verkaufen werden — und damit, wann und wie viel Sie nachbestellen müssen. Der klassische Ansatz, den Absatz der letzten 30 Tage fortzuschreiben, scheitert an Saisonalität, Werbeeffekten, Preisänderungen und Aktionstagen. KI-gestützte Prognosen berücksichtigen diese Faktoren gleichzeitig und aktualisieren sich täglich. Branchenauswertungen berichten von bis zu 50 Prozent geringeren Prognosefehlern und bis zu 30 Prozent niedrigeren Beständen bei gleicher Lieferfähigkeit (Stand: August 2026, Quelle: Branchenanalysen zu KI-Forecasting im Handel). Für Amazon-Händler ist das kein IT-Projekt, sondern die Grundlage jeder Kapitalentscheidung.

Warum die 30-Tage-Fortschreibung nicht funktioniert

Die meisten Händler planen so: Absatz der letzten 30 Tage nehmen, Lieferzeit dazurechnen, Sicherheitspuffer aufschlagen, bestellen.

Das Verfahren ist einfach und in ruhigen Monaten brauchbar. Es hat aber vier systematische Schwächen.

Erstens ignoriert es Saisonalität. Wer im Juli plant, überträgt Sommerabsätze auf den Herbst — bei saisonabhängigen Produkten ein Fehler von mehreren hundert Prozent.

Zweitens vermischt es Ursachen. Ein starker Vormonat kann an einem Deal, einem höheren Werbebudget oder einem ausverkauften Wettbewerber gelegen haben. Fällt der Grund weg, fällt der Absatz.

Drittens rechnet es auf Ebene der Produktfamilie statt je Kind-Variante. Ein Elternartikel kann rechnerisch gut dastehen, während die meistverkaufte Größe längst kritisch ist.

Viertens reagiert es zu spät. Ein Trend zeigt sich in den Daten oft zwei bis drei Wochen vor dem Umsatzeffekt — die Fortschreibung erkennt ihn erst, wenn er im Durchschnitt angekommen ist.

⚠️ Die teuerste Folge ist nicht der Fehlbestand, sondern die Kombination: In einem typischen Sortiment sind gleichzeitig einige SKUs überbevorratet und andere kurz vor dem Ausverkauf. Der Händler hat also zu viel Kapital gebunden und trotzdem Umsatzausfälle.

Bei AMZ+ Consulting sehen wir dieses Muster in fast jedem Erstgespräch. Es ist kein Zeichen von Nachlässigkeit, sondern die logische Folge einer zu einfachen Rechenmethode.

Welche Signale eine gute Prognose berücksichtigt

Eine KI-Prognose unterscheidet sich vom Durchschnitt vor allem dadurch, dass sie mehrere Einflussgrößen gleichzeitig gewichtet — und lernt, welche davon bei welchem Produkt wichtig sind.

Diese Signale gehören in ein belastbares Modell:

• Verkaufshistorie je Kind-SKU über mindestens 12 Monate, um Saisonalität zu erkennen
• Preisverlauf und Preiselastizität, denn jede Preisänderung verschiebt die Absatzkurve
• Werbedruck: Impressionen, Klicks und Budget je ASIN im Zeitverlauf
• Bestandsverfügbarkeit in der Vergangenheit, um Ausverkaufstage als Ausreißer zu behandeln
• Buy-Box-Anteil, weil ein Verlust der Buy Box den Absatz einbrechen lässt, ohne dass die Nachfrage sinkt
• Wettbewerbsdichte und Preisniveau in der Kategorie
• Kalendereffekte: Aktionstage, Feiertage, Schulferien, Wetterlagen bei saisonalen Produkten

Der entscheidende Punkt ist der fünfte. Wer Ausverkaufstage nicht bereinigt, unterschätzt die echte Nachfrage systematisch — und bestellt beim nächsten Mal wieder zu wenig. So entsteht eine Abwärtsspirale, die rein aus der Datenaufbereitung stammt.

💡 Genauso wichtig: Die Prognose muss eine Bandbreite ausgeben, nicht nur einen Wert. "Zwischen 380 und 520 Einheiten mit 80 Prozent Wahrscheinlichkeit" ist eine planbare Aussage. "440 Einheiten" suggeriert eine Genauigkeit, die es nicht gibt.

Aus dieser Bandbreite leitet sich der Sicherheitsbestand ab — und zwar rechnerisch statt nach Gefühl. Wie das mit den übrigen Lagerkennzahlen zusammenspielt, zeigt unser Beitrag zum IPI-Score und zur Lagerbestandssteuerung.

Was Amazons eigene Prognose leistet — und was nicht

Amazon stellt im Seller Central eigene Prognosewerte bereit, etwa im Bereich der Bestandsplanung und in den Restock-Empfehlungen. Diese Werte sind ein guter Ausgangspunkt und kosten nichts.

Sie haben aber drei Grenzen, die man kennen sollte.

Erstens beziehen sie sich auf FBA. Ihr Eigenversand, Ihre Ware bei Otto oder Kaufland und Ihr Zentrallager tauchen darin nicht auf.

Zweitens kennen sie Ihre Einkaufsseite nicht. Lieferzeiten, Mindestbestellmengen, Zahlungsziele und Containerkapazitäten sind Amazon unbekannt — für Ihre Bestellentscheidung aber ausschlaggebend.

Drittens optimieren sie nicht auf Ihre Marge. Amazons Empfehlung zielt auf Verfügbarkeit; Ihre Aufgabe ist es, Verfügbarkeit und gebundenes Kapital in ein sinnvolles Verhältnis zu bringen.

✅ Praktischer Umgang: Nutzen Sie die Amazon-Prognose als Gegenprobe, nicht als Bestellgrundlage. Weichen Ihre Zahlen stark ab, lohnt der Blick, warum.

Für die eigentliche Planung brauchen Sie eine Sicht über alle Kanäle und alle Lagerorte. Genau das leisten Warenwirtschaftssysteme — mehr dazu in unserem Überblick zu ERP und Warenwirtschaft im Marktplatzhandel.

Wir haben die Prognoselogik in unsere eigene KI-Plattform MarketplAIce eingebaut: Sie berechnet den erwarteten Absatz je SKU, bereinigt Ausverkaufstage, berücksichtigt Preis- und Werbeeffekte und leitet daraus konkrete Nachbestellvorschläge mit Termin und Menge ab. Freigegeben wird weiterhin vom Händler.

In 7 Schritten zur eigenen Absatzprognose

1. Datenbasis herstellen. Ziehen Sie die Verkaufsdaten der letzten 24 Monate je Kind-SKU, inklusive Datum, Menge, Preis und Kanal. Ohne Kind-Ebene ist jede Prognose unbrauchbar.
2. Ausverkaufstage markieren. Kennzeichnen Sie alle Tage, an denen ein Artikel nicht verfügbar war oder die Buy Box fehlte. Diese Tage dürfen nicht als "geringe Nachfrage" gewertet werden.
3. Sondereffekte trennen. Markieren Sie Aktionszeiträume, Deals und Phasen mit außergewöhnlichem Werbebudget. Sie gehören in das Modell, aber nicht in die Basislinie.
4. Saisonprofil je Produktgruppe bilden. Ermitteln Sie je Kategorie einen Monatsfaktor. Bei neuen Produkten übertragen Sie das Profil einer vergleichbaren, etablierten SKU.
5. Prognose mit Bandbreite rechnen. Erzeugen Sie je SKU einen Erwartungswert und ein oberes sowie unteres Szenario. Die Spanne bestimmt Ihren Sicherheitsbestand.
6. Wiederbeschaffungszeit hinterlegen. Rechnen Sie Produktionszeit, Transport, Zoll und Einlagerung realistisch zusammen — inklusive der Puffer, die Ihr Lieferant nie zugibt.
7. Bestellpunkt automatisieren. Legen Sie je SKU fest, bei welcher Reichweite eine Bestellung ausgelöst wird, und prüfen Sie diese Liste wöchentlich statt monatlich.

Wenn Sie diese sieben Schritte einmal aufgesetzt haben, wird die laufende Pflege zur Routine von 30 Minuten pro Woche. Der Aufwand liegt fast vollständig im Aufbau.

Ein Hinweis zur Reihenfolge: Beginnen Sie nicht mit dem gesamten Sortiment. Nehmen Sie die 20 umsatzstärksten SKUs, bauen Sie den Prozess daran auf und rollen Sie ihn erst danach aus.

Diese 20 SKUs machen in den meisten Sortimenten 60 bis 80 Prozent des Umsatzes aus. Der Nutzen ist also nach wenigen Tagen messbar, statt nach einem dreimonatigen Datenprojekt.

AMZ+ Consulting startet Planungsprojekte grundsätzlich so — nicht aus Bequemlichkeit, sondern weil ein früh sichtbarer Erfolg die Bereitschaft im Team erheblich erhöht, den Rest ebenfalls sauber aufzusetzen.

Rechenbeispiel: Was eine bessere Prognose an Kapital freisetzt

Rechenbeispiel: Angenommen, ein Händler führt 180 SKUs, hat einen durchschnittlichen Lagerbestand von 420.000 Euro zu Einkaufspreisen und einen Jahresumsatz von 2,4 Millionen Euro.

Seine Planung erfolgt monatlich per Fortschreibung. Die Folge: Bei rund 25 SKUs liegt regelmäßig zu viel Ware, bei etwa 15 SKUs kommt es zwei- bis dreimal jährlich zum Ausverkauf.

Angenommen, eine strukturierte Prognose senkt den durchschnittlichen Bestand um 20 Prozent, ohne die Lieferfähigkeit zu verschlechtern. Das entspricht 84.000 Euro freigesetztem Kapital.

Bei einer Kapitalbindungskosten-Annahme von 8 Prozent pro Jahr sind das 6.720 Euro direkte Ersparnis. Hinzu kommen niedrigere Lagergebühren: Bei einem angenommenen Satz von 9 Prozent des Warenwerts pro Jahr für Lagerung und Langzeitgebühren wären das weitere rund 7.560 Euro. Wie sich diese Kosten im Detail zusammensetzen, zeigt unser Beitrag zu den Amazon Lagergebühren 2026.

Der größere Effekt liegt aber auf der anderen Seite. Angenommen, die 15 kritischen SKUs stehen für 18 Prozent des Umsatzes, also 432.000 Euro im Jahr, und verlieren durch Ausverkäufe im Schnitt 9 Prozent ihres möglichen Absatzes. Das sind rund 38.900 Euro entgangener Umsatz.

💰 Bei einem Deckungsbeitrag von 22 Prozent entspricht das rund 8.560 Euro. Zusammengerechnet ergeben sich in diesem Beispiel etwa 22.840 Euro jährlicher Effekt — allein aus einer besseren Planungsmethode, ohne einen Cent mehr Werbebudget.

Sie wollen wissen, wie viel Kapital in Ihrem Lager unnötig gebunden ist? Wir rechnen das mit Ihnen anhand Ihrer echten Zahlen durch. Kostenloses Erstgespräch buchen

Prognose ist eine Führungsaufgabe, kein Tool-Thema

Die beste Prognose nützt nichts, wenn niemand danach handelt. Deshalb gehört zur Absatzplanung ein fester Rhythmus.

Bewährt hat sich ein wöchentlicher Termin von 30 Minuten mit drei Fragen: Welche SKUs sind unter der kritischen Reichweite? Welche Bestellungen müssen diese Woche raus? Wo weicht der Ist-Absatz stark von der Prognose ab und warum?

Die dritte Frage ist die wichtigste. Jede große Abweichung hat eine Ursache — ein Wettbewerber, eine Preisänderung, ein Werbebudget, ein Katalogfehler. Wer diese Ursachen sammelt, verbessert das Modell schneller als jede Software.

Sinnvoll ist außerdem, die Prognosegüte selbst zu messen. Der einfachste Wert: durchschnittliche prozentuale Abweichung zwischen Prognose und Ist über alle SKUs. Wenn diese Zahl über die Monate sinkt, funktioniert Ihr Prozess. Weitere passende Kennzahlen finden Sie in unserer Übersicht zu den wichtigsten Marktplatz-KPIs.

Für Händler mit mehreren Kanälen kommt ein Zusatznutzen dazu: Eine kanalübergreifende Prognose zeigt, wo eine knappe Charge den höchsten Deckungsbeitrag erzielt. Das gilt analog für Otto und Kaufland, deren Absatzkurven sich oft deutlich von Amazon unterscheiden.

AMZ+ Consulting baut diesen Rhythmus mit Händlern gemeinsam auf — inklusive der unbequemen Frage, welche SKUs man besser gar nicht mehr nachbestellt.

Was Sie jetzt tun können

✅ Heute: Prüfen Sie, ob Ihre Absatzdaten je Kind-SKU vorliegen. Wenn Sie nur auf Elternebene planen, ist das der erste Fehler, den Sie beheben sollten.

✅ Diese Woche: Markieren Sie in den Daten der letzten 12 Monate alle Ausverkaufstage. Rechnen Sie danach die Basisnachfrage neu — sie wird höher liegen als gedacht.

✅ Diese Woche: Ermitteln Sie für Ihre Top-30-SKUs die tatsächliche Wiederbeschaffungszeit der letzten drei Bestellungen, nicht die zugesagte.

✅ Innerhalb von 30 Tagen: Legen Sie je SKU einen Bestellpunkt fest und richten Sie einen wöchentlichen Planungstermin ein.

✅ Dauerhaft: Messen Sie Ihre Prognosegüte monatlich und dokumentieren Sie die Ursachen der größten Abweichungen.

Diese fünf Schritte kosten wenige Stunden und wirken sofort auf Kapitalbindung und Lieferfähigkeit.

FAQ: Häufige Fragen zur Nachfrageprognose auf Amazon

Wie viele Monate Historie brauche ich für eine brauchbare Prognose?

Für saisonale Produkte sollten es mindestens 12, besser 24 Monate sein, damit das Modell den Jahresverlauf kennt. Bei nicht saisonalen Artikeln liefern bereits 6 Monate brauchbare Ergebnisse. Für neue Produkte überträgt man am besten das Profil einer vergleichbaren, etablierten SKU.

Kann ich einfach die Prognose aus dem Seller Central nutzen?

Als Gegenprobe ja, als alleinige Bestellgrundlage nicht. Die Amazon-Werte kennen weder Ihre anderen Kanäle noch Ihre Lieferzeiten, Mindestbestellmengen oder Margen. Nutzen Sie sie, um Ihre eigene Rechnung zu plausibilisieren.

Muss ich je Kind-Variante planen oder reicht die Produktfamilie?

Immer je Kind-Variante. Größen- und Farbverteilungen verschieben sich saisonal, und der Ausverkauf einer einzigen Hauptvariante kostet oft mehr Umsatz als der Ausverkauf mehrerer Nebenvarianten zusammen.

Wie berücksichtige ich Aktionstage und Deals?

Behandeln Sie Aktionszeiträume als eigene Effekte und nicht als normale Nachfrage. In der Planung schlagen Sie den erwarteten Aktionsabsatz separat auf die Basislinie auf — sonst überschätzt das Modell die Folgemonate.

Wie hoch sollte der Sicherheitsbestand sein?

Er sollte sich aus der Prognosebandbreite und der Wiederbeschaffungszeit ergeben, nicht aus einem pauschalen Prozentsatz. Je schwankender die Nachfrage und je länger die Lieferzeit, desto höher der Puffer. Für stabile Artikel mit kurzer Lieferzeit reicht oft deutlich weniger, als Händler ansetzen.

Was ist der häufigste Fehler bei der Umsetzung?

Ausverkaufstage nicht zu bereinigen. Dadurch wird die echte Nachfrage systematisch unterschätzt, es wird erneut zu wenig bestellt und der nächste Ausverkauf folgt. Dieser eine Schritt verbessert die meisten Planungen sofort.

Lohnt sich KI-Forecasting auch für kleinere Sortimente?

Ab etwa 30 aktiven SKUs wird der manuelle Aufwand spürbar, ab 100 SKUs ist eine Automatisierung praktisch unverzichtbar. Bei kleineren Sortimenten ist der wichtigere Hebel meist die Datenqualität — saubere Kind-Daten und bereinigte Ausverkaufstage.

Absatzplanung ist der unspektakulärste Hebel im Marktplatzgeschäft und gleichzeitig einer der wirksamsten. Sie verbessert Liquidität und Umsatz zugleich — mehr dazu auch in unserem Beitrag zur Bestandsplanung und Restock-Steuerung.

Wenn Sie Ihre Planung von Bauchgefühl auf Zahlen umstellen wollen, sprechen Sie mit uns. Kostenloses Erstgespräch buchen

Über den Autor

Jorginho Engelmeyer ist Geschäftsführer der AMZ+ Consulting GmbH und seit über 8 Jahren auf Amazon, Otto und Kaufland für Händler aktiv. → Kostenloses Erstgespräch buchen