Lagerreichweite in Magento Onlineshop auf Basis von Verkaufsdaten per MCP und AI auswerten

Zu viel Ware im Lager bindet Kapital. Zu wenig Ware erhöht dagegen das Risiko von Lieferproblemen und entgangenen Verkäufen. Für Einkauf und Geschäftsführung stellt sich deshalb eine entscheidende Frage: Wie viel Bestand ist für einen Artikel tatsächlich sinnvoll?

Eine wichtige Kennzahl dafür ist die Lagerreichweite. Sie zeigt, wie lange der vorhandene Bestand bei einem angenommenen Absatz ausreicht. Zusammen mit Verkaufsdaten, Lieferzeiten und Sicherheitsbeständen lässt sich damit beurteilen, welche Artikel möglicherweise überbevorratet sind und wo ein Engpass droht.

Magento verfügt bereits über einen großen Teil der dafür notwendigen Shopdaten. Über einen MCP-Server können diese Daten einer AI-Anwendung kontrolliert zugänglich gemacht werden. Ein Einkäufer könnte dann beispielsweise fragen:

Welche A-Artikel haben aktuell weniger Lagerreichweite als ihre Wiederbeschaffungszeit?

Oder:

Welche Produkte haben mehr als sechs Monate Lagerreichweite und binden jeweils über 5.000 Euro Kapital?

Damit wird aus einer klassischen Lagerkennzahl eine konkrete Entscheidungshilfe.

Was bedeutet Lagerreichweite?

Die Lagerreichweite gibt an, wie lange ein vorhandener Warenbestand bei einem bestimmten Verbrauch oder Absatz voraussichtlich ausreicht.

Eine einfache Berechnung lautet:

Lagerreichweite in Tagen = verfügbarer Bestand / durchschnittlicher Tagesabsatz

Beispiel:

Ein Produkt hat einen verfügbaren Bestand von 600 Stück. In den vergangenen 90 Tagen wurden durchschnittlich vier Stück pro Tag verkauft.

Die rechnerische Lagerreichweite beträgt:

600 / 4 = 150 Tage

Der aktuelle Bestand würde bei unverändertem Absatz also ungefähr 150 Tage reichen.

Diese Rechnung ist bewusst einfach. Sie eignet sich gut als erste Orientierung. Bei saisonaler Nachfrage, starken Absatzschwankungen oder langen Lieferzeiten reicht der Durchschnitt allein jedoch nicht aus.

Warum ist die Lagerreichweite für den Einkauf wichtig?

Die Lagerreichweite verbindet zwei Informationen, die getrennt betrachtet wenig Aussagekraft besitzen.

Ein Bestand von 1.000 Stück kann sehr hoch oder sehr niedrig sein.

Verkauft ein Unternehmen 100 Stück täglich, reicht der Bestand nur zehn Tage. Werden dagegen lediglich zehn Stück im Monat verkauft, liegt Ware für mehrere Jahre im Lager.

Eine hohe Lagerreichweite kann auf folgende Probleme hinweisen:

• unnötige Kapitalbindung
• steigende Lagerkosten
• alternde Ware
• höheres Abschreibungsrisiko
• zu große Bestellmengen
• sinkende Nachfrage

Eine sehr niedrige Lagerreichweite kann dagegen auf ein Beschaffungsrisiko hinweisen.

Die relevante Frage lautet deshalb nicht, wie niedrig die Lagerreichweite sein sollte. Entscheidend ist, welche Reichweite zu Nachfrage, Lieferzeit, Lieferzuverlässigkeit und wirtschaftlicher Bedeutung des Produkts passt.

Eine allgemein optimale Lagerreichweite gibt es nicht.

Welche Verkaufsdaten werden für die Lagerreichweite benötigt?

Für eine einfache Berechnung werden nur wenige Werte benötigt:

Information	Verwendung
SKU	Zuordnung des Produkts
verfügbarer Bestand	Ausgangswert
verkaufte Stückzahl	Ermittlung des Verbrauchs
Betrachtungszeitraum	Berechnung des Tages- oder Wochenabsatzes
Verkaufsdatum	Analyse zeitlicher Veränderungen
Retouren	Berechnung des tatsächlichen Nettoabsatzes

Für eine aussagekräftigere Lagerplanung kommen weitere Informationen hinzu:

• Lieferzeit
• Sicherheitsbestand
• offene Einkaufsbestellungen
• Einkaufspreis
• Mindestbestellmenge
• saisonale Nachfrage
• geplante Aktionen

Ein Teil dieser Informationen kann aus Magento stammen. Andere Daten liegen häufig im ERP oder in einer Warenwirtschaft.

Welcher Magento-Bestand ist für die Berechnung relevant?

Bei Magento sollte zunächst geklärt werden, welcher Bestandswert überhaupt betrachtet werden soll.

Magento Inventory Management unterscheidet unter anderem Sources, Stocks und die Salable Quantity.

Eine Source repräsentiert beispielsweise ein physisches Lager. Ein Stock verbindet eine oder mehrere Sources mit einem Verkaufskanal. Die Salable Quantity beschreibt die aggregierte virtuelle Menge, die über diesen Verkaufskanal verkauft werden kann. Magento berücksichtigt dabei unter anderem Reservations aus Bestellungen. Adobe stellt dafür eigene REST-Endpunkte bereit.

Für eine shopbezogene Lagerreichweite ist die Salable Quantity deshalb häufig interessanter als die reine physische Menge eines einzelnen Lagers.

Ein Beispiel zeigt den Unterschied.

Ein Unternehmen besitzt:

• Lager Nord mit 500 Stück
• Lager Süd mit 30 Stück

Ein bestimmter Magento-Shop verkauft jedoch nur aus Lager Süd.

Eine Berechnung mit 530 Stück würde die Reichweite dieses Shops deutlich überschätzen.

Bei mehreren Lagern und Verkaufskanälen muss deshalb vor der Berechnung festgelegt werden, welcher Stock beziehungsweise welche Source betrachtet werden soll.

Welcher Zeitraum ist für die Verkaufsdaten sinnvoll?

Die Wahl des Betrachtungszeitraums beeinflusst das Ergebnis erheblich. Angenommen, ein Produkt verkauft sich folgendermaßen:

Zeitraum	durchschnittlicher Absatz
letzte 90 Tage	5 Stück pro Tag
letzte 30 Tage	8 Stück pro Tag
letzte 7 Tage	12 Stück pro Tag

Bei einem Bestand von 240 Stück ergeben sich drei unterschiedliche Reichweiten:

• 48 Tage auf Basis der letzten 90 Tage
• 30 Tage auf Basis der letzten 30 Tage
• 20 Tage auf Basis der letzten 7 Tage

Welche Zahl ist richtig?

Keine davon ist automatisch richtig oder falsch. Die Daten zeigen vielmehr, dass sich der Absatz beschleunigt hat.

Für den Einkauf ist genau diese Information interessant.

Eine AI-Auswertung könnte daraus ableiten:

Der Artikel verkauft sich in den letzten Wochen deutlich schneller als im längerfristigen Durchschnitt. Die Reichweite auf Basis der letzten sieben Tage beträgt nur noch rund 20 Tage.

Damit liefert die Analyse mehr Kontext als ein einzelner Lagerwert.

Wie lässt sich Überbestand erkennen?

Eine hohe Lagerreichweite kann ein erster Hinweis auf Überbestand sein. Sie sollte jedoch mit weiteren Kennzahlen kombiniert werden.

Beispiel:

Produkt A besitzt:

• 500 Stück Bestand
• 250 Tage Lagerreichweite
• 3.000 Euro Lagerwert
• 14 Tage Lieferzeit

Produkt B besitzt:

• 500 Stück Bestand
• ebenfalls 250 Tage Lagerreichweite
• 25.000 Euro Lagerwert
• 180 Tage Lieferzeit

Die gleiche Reichweite hat eine völlig andere wirtschaftliche Bedeutung. Für eine sinnvolle Überbestandsanalyse sind deshalb Kombinationen interessant. Eine mögliche Abfrage über einen AI-Assistenten könnte lauten:

Welche Produkte haben mehr als 180 Tage Lagerreichweite, einen Lagerwert über 5.000 Euro und eine Lieferzeit unter 30 Tagen?

Damit werden gezielt Artikel gefunden, bei denen viel Kapital gebunden ist und gleichzeitig relativ schnell nachbeschafft werden könnte.

Wie lassen sich Slow Mover mit der Lagerreichweite erkennen?

Produkte mit geringer Verkaufshäufigkeit erreichen bei vorhandenem Bestand schnell eine sehr hohe Reichweite.

Genau deshalb eignet sich die Lagerreichweite gut für eine Slow-Mover-Analyse.

Eine mögliche Definition könnte lauten:

Zeige Produkte mit mehr als zwölf Monaten rechnerischer Lagerreichweite und weniger als fünf Verkäufen in den vergangenen 90 Tagen.

Zusätzlich kann der letzte Verkauf betrachtet werden.

Ein Artikel mit keinem Verkauf innerhalb der vergangenen zwölf Monate sollte allerdings nicht mit einer künstlich genauen Reichweite von mehreren Tausend Tagen dargestellt werden.

Sinnvoller ist eine eigene Kennzeichnung:

Kein Absatz im Betrachtungszeitraum

Anschließend kann geprüft werden, ob es sich um Dead Stock, ein Ersatzteil, Saisonware oder einen strategisch notwendigen Bestand handelt.

Wie hängt die Lagerreichweite mit dem Meldebestand zusammen?

Die Lagerreichweite beantwortet:

Wie lange reicht der vorhandene Bestand?

Der Meldebestand beantwortet eine andere Frage:

Ab welchem Bestand sollte eine Nachbestellung ausgelöst werden?

Eine vereinfachte Formel lautet:

Meldebestand = erwarteter Bedarf während der Lieferzeit + Sicherheitsbestand

Hat ein Produkt beispielsweise:

• durchschnittlich 10 Verkäufe pro Tag
• 20 Tage Lieferzeit
• 50 Stück Sicherheitsbestand

ergibt sich vereinfacht:

10 × 20 + 50 = 250 Stück Meldebestand

Wenn der verfügbare Bestand unter diese Menge fällt, sollte die Beschaffung geprüft werden.

Die Verbindung zur Lagerreichweite ist offensichtlich.

Eine AI-Anfrage könnte beispielsweise lauten:

Welche Produkte haben eine kürzere Lagerreichweite als Lieferzeit plus Sicherheitsreserve?

Damit lassen sich potenzielle Engpässe priorisieren.

Welche Rolle spielt der Sicherheitsbestand?

Der Sicherheitsbestand dient als Puffer gegen Unsicherheiten.

Typische Ursachen sind:

• verspätete Lieferungen
• unerwartet hohe Nachfrage
• schwankende Lieferzeiten
• kurzfristige Großbestellungen

Oracle beschreibt Safety Stock ebenfalls als zusätzlichen Bestand, der Risiken durch Nachfrage- und Lieferzeitschwankungen abfedern soll.

Ein Produkt kann daher 30 Tage Lagerreichweite besitzen und trotzdem kritisch sein.

Beispiel:

• Lagerreichweite 30 Tage
• durchschnittliche Lieferzeit 20 Tage
• tatsächliche Lieferzeit schwankt zwischen 15 und 40 Tagen

Der Durchschnitt allein vermittelt hier ein zu positives Bild.

Für eine bessere Analyse sollten deshalb neben der Reichweite auch Schwankungen berücksichtigt werden.

Warum reicht der durchschnittliche Absatz nicht immer aus?

Durchschnittswerte können sehr unterschiedliche Verkaufsmuster verdecken.

Produkt A verkauft jede Woche ungefähr 100 Stück.

Produkt B verkauft drei Wochen lang nichts und anschließend 400 Stück in einer Woche.

Beide Produkte erreichen rechnerisch denselben Monatsdurchschnitt.

Für den Einkauf sind sie dennoch vollkommen unterschiedlich.

Bei stark schwankenden Artikeln können zusätzlich sinnvoll sein:

• Standardabweichung
• Variationskoeffizient
• saisonale Vergleichszeiträume
• Trendanalyse
• XYZ-Klassifikation

Die XYZ-Analyse unterscheidet vereinfacht zwischen regelmäßigem, schwankendem und sehr unregelmäßigem Verbrauch.

Gerade die Verbindung von Lagerreichweite und XYZ-Klassifikation kann hilfreich sein.

Ein X-Artikel mit 30 Tagen Reichweite ist aufgrund seiner stabilen Nachfrage möglicherweise gut planbar. Ein Z-Artikel mit gleicher Reichweite benötigt wegen seiner unregelmäßigen Verkäufe eine andere Bewertung.

Wie kann Magento die Verkaufsdaten liefern?

Magento enthält Bestellungen und Bestellpositionen, aus denen historische Verkaufsmengen je SKU ermittelt werden können.

Für eine Lagerreichweitenanalyse werden dabei typischerweise benötigt:

• SKU
• Bestelldatum
• bestellte beziehungsweise relevante verkaufte Menge
• Bestellstatus
• Stornierungen
• gegebenenfalls Retouren

Die Rohdaten sollten nicht zwingend vollständig an ein Sprachmodell übertragen werden.

Bei großen Shops ist eine vorgelagerte Aggregation sinnvoller.

Beispielsweise:

SKU ABC-123
Verkäufe 7 Tage      84
Verkäufe 30 Tage     240
Verkäufe 90 Tage     450
Salable Quantity     300
Letzter Verkauf      25.08.2026

Damit stehen bereits wichtige Werte für die Analyse bereit.

Welche Rolle kann MCP übernehmen?

MCP kann eine AI-Anwendung mit definierten Unternehmensdaten und Funktionen verbinden.

Die MCP-Spezifikation unterstützt Tools als zentrale Schnittstelle zwischen AI-Anwendungen und externen Funktionen. MCP ist ein als offenen Standard, über den Server Tools, Ressourcen und Prompts bereitgestellt werden können.

Ein vereinfachter Aufbau könnte so aussehen:

Mitarbeiter → AI-Anwendung → MCP-Server → Magento REST API

Innerhalb von Magento bzw. der REST-API werden die Daten ausgewertet und bereits ausgewertet. Der MCP-Server wiederum kann dann beispielsweise ein Tool bereitstellen:

get_stock_coverage

Mögliche Parameter:

• SKU
• Stock ID
• Zeitraum
• gewünschte Aggregation

Das Tool kann anschließend:

1. aktuellen Magento-Bestand abrufen
2. historische Verkaufsdaten laden
3. relevante Verkäufe aggregieren
4. durchschnittlichen Absatz berechnen
5. Lagerreichweite bestimmen
6. Ergebnis strukturiert zurückgeben

Die AI formuliert daraus anschließend eine verständliche Antwort.

Welche Fragen könnte der Einkauf per AI stellen?

Der interessante Nutzen entsteht bei kombinierten Fragestellungen.

Beispiele sind:

Wie lange reicht der aktuelle Bestand von Produkt ABC-123?

Welche Produkte haben mehr als sechs Monate Lagerreichweite?

Welche Artikel haben aktuell weniger als 14 Tage Reichweite?

Welche Produkte verkaufen sich in den letzten vier Wochen deutlich schneller als zuvor?

Welche Artikel besitzen mehr Lagerreichweite als im Vorjahr?

Welche A-Artikel haben eine kürzere Reichweite als ihre Lieferzeit?

Welche Slow Mover binden aktuell das meiste Kapital?

Welche Produkte haben hohen Bestand und gleichzeitig offene Einkaufsbestellungen?

Solche Fragen erfordern heute häufig mehrere Reports oder Excel-Auswertungen.

Ein entsprechend vorbereiteter MCP-Server kann die notwendigen Daten gezielt zusammenführen.

Welche Daten fehlen Magento häufig für eine vollständige Analyse?

Magento liefert einen wichtigen Teil der Informationen. Für Einkaufsentscheidungen werden jedoch häufig weitere Unternehmensdaten benötigt.

Information	mögliche Quelle
Verkaufsdaten	Magento
Salable Quantity	Magento
physischer Bestand	Magento oder ERP
Einkaufspreis	ERP
Lieferzeit	ERP oder Einkauf
offene Einkaufsbestellung	ERP
bestätigter Wareneingang	ERP oder WMS
Mindestbestellmenge	ERP
Lieferantenperformance	ERP oder Einkauf
geplante Aktionen	Marketing

Dadurch kann ein zweiter Integrationsschritt sinnvoll werden.

Die AI könnte per MCP-Server dann neben Magento beispielsweise ein ERP abfragen.

Eine mögliche Anfrage lautet:

Welche Produkte besitzen mehr als 180 Tage Lagerreichweite und haben gleichzeitig bereits eine offene Einkaufsbestellung?

Diese Information ist für die Bestandsreduzierung häufig wesentlich wertvoller als eine reine Liste hoher Lagerbestände.

Wie könnte ein konkretes Beispiel aussehen?

Ein Magento-Shop verwaltet 6.000 aktive SKUs.

Der Einkaufsleiter möchte wissen:

Welche Produkte haben aktuell mehr als 180 Tage Lagerreichweite und binden jeweils mindestens 3.000 Euro Kapital?

Benötigt werden:

• aktueller Bestand
• Verkaufsmenge der letzten 90 Tage
• Einkaufspreis

Ein mögliches Ergebnis:

SKU	Bestand	Verkäufe 90 Tage	Reichweite	Lagerwert
ABC-123	620	90	620 Tage	8.400 €
DEF-220	410	120	308 Tage	5.900 €
GHI-310	250	100	225 Tage	4.200 €

Die Liste kann anschließend nach Lagerwert sortiert werden.

Der Einkauf sieht dadurch zuerst diejenigen Artikel, bei denen eine Prüfung wirtschaftlich besonders interessant ist.

Wo liegen die Grenzen einer automatischen Lagerreichweite?

Historische Verkäufe bilden nicht jede zukünftige Nachfrage korrekt ab.

Problematisch können beispielsweise sein:

• Saisonartikel
• neue Produkte
• Rabattaktionen
• Marketingkampagnen
• Preisänderungen
• einmalige Großbestellungen
• längere Out-of-Stock-Zeiträume
• Sortimentsänderungen

Besonders wichtig ist der letzte Punkt.

Wenn ein Produkt vier Wochen nicht lieferbar war, können in diesem Zeitraum auch keine normalen Verkäufe entstehen. Eine rein auf Verkäufen basierende Berechnung unterschätzt dann möglicherweise die tatsächliche Nachfrage.

Eine gute AI-Auswertung sollte solche Datenlücken sichtbar machen, soweit die notwendigen Informationen vorliegen.

Wie kann eine Einführung beginnen?

Für einen ersten Anwendungsfall müssen nicht sofort Magento, ERP, WMS und weitere Systeme vollständig verbunden werden.

Eine erste Ausbaustufe kann sich auf folgende Magento-Daten konzentrieren:

• SKU
• Salable Quantity
• Verkäufe pro Woche
• Verkäufe pro Monat
• letzter Verkauf

Damit lassen sich bereits berechnen:

• Lagerreichweite
• Absatzgeschwindigkeit
• Slow Mover
• Fast Mover
• Absatztrends

Im nächsten Schritt können ERP-Daten wie Einkaufspreis, Lieferzeit und offene Bestellungen ergänzt werden.

Damit werden zusätzlich möglich:

• Kapitalbindungsanalyse
• Überbestandsanalyse
• Meldebestand
• Stockout-Risiken
• bessere Bestellvorschläge

Für den Einstieg sollte der Zugriff möglichst lesend erfolgen. Entscheidungen und Bestellungen bleiben zunächst beim zuständigen Mitarbeiter.

KonVis MCP Magento Server als Basis

Sie planen oder überlegen den Einsatz eines MCP-Server für Ihren Magento Onlineshop? Sprechen Sie uns gerne an. KonVis hat über 17 Jahre Magento Erfahrung. Wir haben vor kurzem einen MCP Server für Magento umgesetzt.

Gerne passen wir entsprechende Rest-API auf Magento Seite an, sodass der MCP-Server die für Ihre Anforderungen nötigen KPIs und Auswertungen durchführen kann.

Ausführliche Informationen zur Magento MCP Server finden Sie hier

KonVis Local AI Connector – Node.js MCP Server to access Magento 2 Realtime Date by AI eg. Claude Desktop, Copilot local AI, AI Agents

Fazit

Die Lagerreichweite ist eine vergleichsweise einfache Kennzahl mit großem praktischem Nutzen.

Sie zeigt, wie lange ein vorhandener Bestand bei einem angenommenen Absatz ausreicht. Besonders aussagekräftig wird sie, wenn mehrere Zeiträume, Lieferzeiten, Sicherheitsbestände und Lagerwerte berücksichtigt werden.

Magento stellt bereits wichtige Grundlagen bereit. Dazu gehören Verkaufsdaten, Source-Bestände und die Salable Quantity für einen Stock. Adobe stellt dafür eigene Inventory-REST-Endpunkte zur Verfügung.

Über MCP können solche Daten gezielt für AI-Anwendungen zugänglich gemacht werden. Ein Einkäufer muss dadurch nicht für jede Fragestellung einen neuen Bericht erstellen. Er kann konkrete Fragen an die vorhandenen Daten stellen.

Interessant sind vor allem Fragen wie:

Welche Produkte haben zu viel Bestand?

Welche wichtigen Artikel werden bald knapp?

Welche Slow Mover binden besonders viel Kapital?

Welche Produkte haben weniger Lagerreichweite als ihre Wiederbeschaffungszeit?

Damit wird die Lagerreichweite von einer klassischen Kennzahl zu einem Baustein für eine datenbasierte Einkaufs- und Bestandsplanung.

Weitere Informationen

Sie möchten weitere Informationen zu dem MCP bzw. Magento und KI verbinden?

Sprechen Sie uns gerne für ein unverbindliches und natürlich kostenlose Gespräch an. Gerne tauschen wir uns über mögliche Ideen/Gedanken aus.

Weitere Informationen finden Sie auch hier:

Informationen zum KonVis MCP AI Connector

Informationen zu Programmierung individueller Magento Erweiterungen (Funktionen)

Informationen zu Magento als B2B Bestellportal (jedoch nicht interne Shop)

Informationen zu Magento Schnittstellen Programmierung

Informationen zu Magento Betreuung und Verbesserungen

Quellen

Adobe Developer, Inventory Management
URL: https://developer.adobe.com/commerce/webapi/rest/inventory/
Abrufdatum: 26.08.2026.

Adobe Developer, Check salable quantities
URL: https://developer.adobe.com/commerce/webapi/rest/inventory/check-salable-quantity
Abrufdatum: 26.08.2026.

Adobe Developer, Manage source items
URL: https://developer.adobe.com/commerce/webapi/rest/inventory/manage-source-items
Abrufdatum: 26.08.2026.

Model Context Protocol, The 2026-07-28 Specification
URL: https://blog.modelcontextprotocol.io/posts/2026-07-28/
Abrufdatum: 26.08.2026.

Model Context Protocol, TypeScript SDK v2
URL: https://ts.sdk.modelcontextprotocol.io/v2/
Abrufdatum: 26.08.2026.