Die Verwaltung eines modernen Lagers ist ein hochkomplexes Unterfangen. War es in der Vergangenheit oft ausreichend, das Lager gut zu strukturieren, statische Prozessabläufe klar zu definieren und genügend Lagerarbeiter zu beschäftigen, sind die Herausforderungen heute deutlich komplexer. Die Märkte sind globaler, große Versandunternehmen erweitern stetig ihr Netz an Logistik-Zentren – und die Kunden erwarten ein umfangreiches Sortiment und kurze Lieferzeiten.

Um erfolgreich und konkurrenzfähig zu bleiben, ist es notwendig, alle Abläufe effizient zu gestalten und dynamisch auf unvorhergesehene Ereignisse reagieren zu können. Dies erfordert eine genaue Analyse und Optimierung aller Arbeitsschritte im Lager. Die Minimierung von Lieferzeiten betrifft alle Prozesse, die die Kommissionierung eingegangener Bestellungen (Picking) beschleunigen. Hierzu gehören auf operativer Ebene vor allem das mögliche Zusammenfassen mehrerer Bestellungen (Batching) und die Wegeoptimierung (Routing).

Zudem können schon Entscheidungen in vorgelagerten Prozessen – etwa das Aufteilen des Lagers in verschiedene Produktbereiche (Zoning) oder die Strategie beim Einsortieren neuer Ware (Storage Allocation) – die Effizienz beim Picking entscheidend beeinflussen.

Zusätzliche Komplexität erwächst daraus, dass die einzelnen Optimierungsprobleme nicht getrennt voneinander betrachtet werden sollten, weil auch die Kombination verschiedener Strategien für unterschiedliche Probleme enormes Optimierungspotenzial birgt (van Gils, Ramaekers, Braekers, Depaire, & Caris, 2018).

Die naheliegende Herangehensweise, für jede eingegangene Bestellung die Positionen der bestellten Waren im Lager zu ermitteln und daraus die kürzeste Route zu berechnen, ist aus verschiedenen Gründen nicht ratsam. Zum einen ergibt sich, je nach Layout des Lagers, wie beim sogenannten Traveling Salesman Problem (TSP) möglicherweise ein NP-vollständiges Problem, dessen optimale Lösung nicht effizient berechnet werden kann. Selbst wenn eine Berechnung dieser Lösung möglich ist und sich eine optimale Route bestimmen lässt, kann diese Berechnung bei größeren Lagern sehr viel Rechenzeit in Anspruch nehmen. Sinnvoll ist daher der Einsatz heuristischer Ansätze, die effizienter in der Berechnung sind und ebenfalls sehr gute Lösungen liefern.

Ferner können meist deutlich kürzere Gesamtrouten erreicht werden, wenn mehrere Bestellungen zu einer Route zusammengefasst werden. Da sowohl Routing als auch Batching auf operativer Ebene auftreten, ist es naheliegend und vielversprechend, beide Probleme gemeinsam zu lösen. Für die simultane Berechnung von Batches und Routen existieren einige effiziente kombinierte Heuristiken (Cheng, Chen, Chen, & Jung-Woon Yoo, 2015) (Kulak, Sahin, & Taner, 2012) (Li, Huang, & Dai, 2016) (Lin, Kang, Hou, & Cheng, 2016).

Wie bereits einleitend erwähnt, müssen aber nicht nur das Routing und das Batching, sondern auch die Storage Allocation und das Routing gemeinsam betrachtet werden. Es lassen sich nämlich erheblich bessere Lösungen erzielen, wenn für die Entscheidung darüber, wo Ware eingelagert wird, und für die Bestimmung möglichst kurzer Routen aufeinander abgestimmte Heuristiken verwendet werden. Im folgenden Abschnitt wollen wir einen Eindruck davon vermitteln, welche Heuristiken hier zum Einsatz kommen können, wie die verschiedenen Heuristiken ineinandergreifen und welche Qualität die berechneten Lösungen haben.

Obwohl es im Bereich der Lageroptimierung einige Standardsoftwarepakete gibt, zeigen die wissenschaftlichen Untersuchungen, dass die berechneten Ergebnisse nur dann gut sind, wenn sie auf die individuellen Abläufe und das Layout des jeweiligen Lagers zugeschnitten sind.

Es gibt zudem noch eine Vielzahl bislang nicht erwähnter Aspekte, die bei der Optimierung eine ebenso große Rolle spielen können. So kann die Strategie des Zoning bei größeren Lagern im Zusammenspiel mit dem Routing ebenfalls immense Auswirkungen haben. Die Anzahl der Lade- und Entladetore sowie die benutzten Transportgeräte müssen ferner ebenso berücksichtigt werden wie das Personal. Die operativen Entscheidungen beim Routing und Batching hängen dabei stark von der Anzahl der eingesetzten Lagerarbeiter ab. Sind mehrere Kommissionierer gleichzeitig im Lager unterwegs, werden optimale Ergebnisse nur dann erzielt, wenn mögliche »Staus« bereits in der Planung vermieden werden. Hier kann es dann durchaus sinnvoll sein, die ursprüngliche Strategie zu modifizieren. Kürzere Wartezeiten reduzieren nicht nur die Kommissionierzeit, sie erhöhen auch die Zufriedenheit der Arbeiter.

Berücksichtigt man all diese Aspekte, steht am Ende eine individuelle Optimierungslösung, die nicht nur Zeit und Geld spart, sondern auch Ressourcen schont sowie die Zufriedenheit der Kunden und Mitarbeiter erhöht.

Fraunhofer SCAI erarbeitet unter anderem im vom Bundeswirtschaftsministerium geförderten Projekt ERTRaWOS mit Partnern eine integrierte Lösung für Warenlager im Nahrungsmittelbereich. Dabei fließen die oben erwähnten und viele zusätzliche und nicht-intuitiv erfassbare Nebenbedingungen in die Optimierungslösung mit ein.

Diese Lösung entsteht mittels Nutzung einer neugeschaffenen Optimierungsplattform. Mit ihr bietet Fraunhofer SCAI die Grundlage für weitgehende maßgeschneiderte echtzeitfähige Optimierungslösungen in vielen Bereichen in der Logistik (bis hin zu 3PL und 4PL), in der Produktionsplanung (z.B. dem Scheduling von Maschinenbelegungen) und Supply-Chain Management. Alle diese Lösungen lassen sich häufig in eine bestehende Infrastruktur wie ein WMS und andere Werkzeuge integrieren.