.png)
Sushi um 17 Uhr, Salat vom Vortag, ein Sandwich von gestern Mittag: Für hochverderbliche Frischprodukte gibt es keinen zweiten Verkaufstag. Was heute nicht über die Theke geht, ist verloren - und zwar zum vollen Wareneinsatz inklusive Arbeitszeit.
Gleichzeitig ist die Strafe für zu wenig Ware genauso hart: Ein leeres Sushi-Regal um 12.30 Uhr verliert genau die Kundschaft, die am meisten zahlt - die Mittagsspitze. Kein Sortiment bestraft Planungsfehler so unmittelbar in beide Richtungen.
Warum Frischprodukte die Königsdisziplin der Planung sind
Das Verkaufsfenster ist brutal kurz. Bei Sushi, Poke Bowls, Salaten und belegten Sandwiches zählt nicht der Tag, sondern die Stunde: Der Grossteil des Absatzes passiert in der Mittagsspitze. Die Produktionsmenge des Vormittags entscheidet über den ganzen Tag.
Die Nachfrage ist wetter- und wochentagsgetrieben. Salat und kalte Bowls laufen bei Sonne, Suppen und warme Snacks bei Kälte - derselbe Standort kann von einem Tag auf den anderen ein völlig anderes Nachfrageprofil haben.
Die Marge hängt an der Abschriftenquote. Frischprodukte kalkulieren mit guten Margen - aber jede Abschrift frisst ein Vielfaches davon wieder auf. Wenige Prozentpunkte weniger Abschriften entscheiden über die Rentabilität der ganzen Kategorie.
Wie Prognosen das Problem drehen
Die tägliche Frage - wie viele Einheiten pro Produkt und Standort? - ist ein klassischer Fall für Machine Learning: GoNina lernt aus den Verkaufsdaten, wie Wetterprognose, Wochentag, Ferien und Standort die Nachfrage treiben, und liefert täglich konkrete Produktionsmengen für die nächsten sieben Tage.
Der Unterschied zur Erfahrungsschätzung zeigt sich an den Rändern: an untypischen Tagen - dem ersten warmen Frühlingstag, dem Brückentag, dem Ferienende. Genau dort entstehen die grössten Abschriften und die ärgerlichsten Ausverkäufe - und genau dort ist der Datenvorsprung am wertvollsten. Betriebe reduzieren ihren Überschuss mit GoNina um bis zu 52% und steigern den Umsatz um bis zu 6%.
Drei Praxisregeln für Frischsortimente
1. Pro Produkt planen, nicht pro Kategorie. "Salate" ist keine Planungseinheit - der Caesar und die Poke Bowl haben verschiedene Kurven. Die Prognose pro Artikel zeigt, welche Produkte das Wetter lieben und welche stabil laufen.
2. Die Uhrzeit des Ausverkaufs erfassen. Ein Regal, das täglich um 13 Uhr leer ist, verliert systematisch Nachmittagsumsatz. Die Ausverkaufszeit ist bei Frischprodukten die wichtigste Kennzahl neben der Abschriftenquote.
3. Zweite Produktionswelle einplanen. Wo es der Ablauf erlaubt, schlägt eine bewusste Nachproduktions-Reserve am späten Vormittag jeden grossen Sicherheitszuschlag am Morgen - die Prognose zeigt, an welchen Tagen sich die zweite Welle lohnt.
Häufige Fragen
Funktionieren Prognosen auch bei kleinen Stückzahlen pro Produkt?
Ja - gerade bei kleinen Mengen wiegt jeder Fehler relativ schwer, und das Modell nutzt Muster ähnlicher Produkte und Standorte, um auch dünn verkaufte Artikel belastbar zu prognostizieren.
Wir produzieren extern und bestellen täglich - hilft das trotzdem?
Ja, die Prognose wird dann zur Bestellgrundlage statt zur Produktionsvorgabe - der Effekt auf Abschriften und Verfügbarkeit ist derselbe.
Fazit
Hochverderbliche Frischprodukte sind das anspruchsvollste Planungssortiment der Gastronomie - und gleichzeitig das dankbarste für datenbasierte Prognosen: Kein anderes Sortiment zahlt Präzision so direkt in die Marge zurück. Wer Sushi, Salat und Sandwiches pro Produkt und Tag prognostiziert, verkauft mehr und wirft weniger weg.
Wie KI-Prognosen in der Gastronomie insgesamt funktionieren, liest du im kompletten Leitfaden für die Gastronomie.
