KPIs Großhandel: Die Kennzahlen, die wirklich steuern

Definition

KPIs für den Großhandel sind standardisierte Kennzahlen, mit denen Umsatz, Absatz, Profitabilität und Kundenverhalten messbar und steuerbar werden. Sie sind kein reines Reporting, sondern ein Set aus klaren Definitionen, Vergleichslogik und Verantwortlichkeiten.

Einleitung

Wenn Vertrieb, Einkauf und Management nicht auf dieselben Zahlen schauen, entstehen Diskussionen statt Entscheidungen. Mit den richtigen KPIs im Großhandel erkennst du früh, wo Marge verloren geht, welche Brands tragen und wo dein Außendienst konkret nachfassen sollte.

Wann KPIs im Großhandel wirklich relevant werden

KPIs werden dann entscheidungsrelevant, wenn du Komplexität beherrschen musst: viele Artikel, mehrere Channels, Länder oder Filialen, saisonale Kollektionen und unterschiedliche Preislogiken. Spätestens wenn das Management „Wie lief gestern vs. Plan?“ fragt, der Außendienst aber vor dem Kundentermin keine Produkthistorie bis auf Artikel-Ebene hat, ist klar: Es fehlt nicht an Daten, sondern an Steuerungslogik. Gute KPIs übersetzen Rohdaten in priorisierte To-dos: welche Kunden verdienen Aufmerksamkeit, welche Sortimente müssen angepasst werden, welche Aktionen werden verlängert oder gestoppt.

Die KPI-Gruppen, die im Großhandel am meisten nutzen

Statt einer langen Kennzahlenliste brauchst du wenige KPI-Gruppen, die sich gegenseitig erklären. Bewährt sind diese drei:

• Performance: Umsatz, Absatz, Auftragseingang (NOI) im eCommerce, Vergleich vs. Plan und Vorjahr.

• Profitabilität: Deckungsbeitrag, Marge, gewährter Rabatt, Einkaufskosten (je nach Datenlage).

• Kunden & Warenkorb: Anzahl Bons/Kunden, durchschnittlicher Bon-Wert, Artikel pro Bon, Conversion Rate (z. B. Anfrage zu Auftrag).

Der praktische Nutzen: Du siehst nicht nur, dass Umsatz steigt oder fällt, sondern ob das durch Volumen, Preis, Rabatt oder Mix passiert. Genau diese Ursache-Wirkung-Kette macht KPIs im Großhandel steuerbar.

Typische Stolperfallen (und wie du sie vermeidest)

Die häufigsten Probleme sind nicht „zu wenig Daten“, sondern uneinheitliche Regeln. Drei Stolperfallen tauchen fast immer auf:

• Uneindeutige Begriffe: Ist Umsatz fakturiert oder Auftragseingang? Wird NOI im Online-Channel korrekt als Steuerungsgröße geführt?

• Vermischte Perspektiven: Einkauf und Verkauf teilen sich Artikelnummern, aber die Logik dahinter ist anders. Wenn beides im Modell nicht sauber getrennt ist, werden Deckungsbeiträge und Rabatte unzuverlässig.

• Keine Vergleichslogik: KPIs ohne Plan-/Vorjahr-Bezug erzeugen „Zahl des Tages“, aber keine Entscheidung.

Wenn du diese Punkte klärst, sinkt der Abstimmungsaufwand spürbar: weniger Excel-Nachrechnen, weniger Streit über Datenquellen, mehr Zeit für Maßnahmen.

So sieht ein sinnvoller KPI-Aufbau in Power BI aus

In Power BI funktioniert KPI-Steuerung dann gut, wenn du vom Überblick in die Ursache drillen kannst, ohne dass jeder Bereich sein eigenes Zahlenuniversum baut. Ein praxistauglicher Aufbau ist:

• Management-Seite: „Gestern“ und „Monat-to-date“ vs. Plan und Vorjahr, nach Channel und Land.

• Sortiment/Brand: 4-Jahres-Sicht auf Umsatz, Absatz, Deckungsbeitrag und Rabatt nach Brand/Lieferant und Kollektion.

• Kunden & Außendienst: Kundenprofil mit Kaufhistorie bis auf Produktebene, inkl. Vor- und Nachorder-Verhalten.

Mini-Story aus der Praxis: Ein Außendienstler geht in ein Kundengespräch und sieht vorab, dass eine Produktgruppe zwar stabilen Absatz hat, der Deckungsbeitrag aber durch steigende Rabatte sinkt. Im Gespräch kann er gezielt auf Alternativen mit besserer Marge wechseln und passende Cross-Sells vorschlagen, statt „nach Gefühl“ zu beraten.

Datenbasis: Warum „Gold-Daten“ wichtiger sind als neue Reports

Viele KPI-Projekte scheitern, weil jeder Fachbereich seine eigenen „korrekten“ Zahlen baut. Der Ausweg ist eine einheitliche, geprüfte Datenbasis, auf die alle zugreifen können. Der Nutzen für Anwender ist konkret: Controlling, Vertrieb und Einkauf arbeiten mit denselben „Gold-Daten“ und können direkt in Power BI oder Excel auswerten, ohne jedes Mal Definitionen neu zu verhandeln. Das ist besonders wichtig, wenn du lange Historien (z. B. bis 2012) auswerten willst oder Artikelnummern sich über Jahre in unterschiedlichen Kontexten wiederholen.

Ein pragmatischer Start: In 3 Schritten zu steuerbaren KPIs

Ein guter Einstieg ist klein genug für Tempo, aber groß genug für Wirkung:

• KPI-Definitionen festziehen: NOI vs. Umsatz, Rabattlogik, Deckungsbeitrag-Formel, Plan-/Vorjahr-Logik.

• Erstes Datenmodell bauen: Trennung von Einkaufs- und Verkaufslogik, klare Dimensionen (Artikel, Kunde, Brand, Land, Channel, Kollektion).

• Ein Dashboard, drei Nutzergruppen: Management-Überblick, Einkaufs-/Brand-Analyse, Außendienst-Kundenansicht.

So bekommst du schnell ein nutzbares Ergebnis, ohne später alles neu bauen zu müssen.

Wann externe Unterstützung sinnvoll wird

Externe Hilfe lohnt sich, wenn du schnell zu belastbaren KPI-Definitionen kommen musst, mehrere Quellen/Channels konsolidierst oder historische Daten sauber modellieren willst. Auch wenn Akzeptanz ein Thema ist (z. B. Außendienst nutzt Dashboards nicht), hilft ein strukturiertes Vorgehen: klare Zielbilder, saubere Governance und Dashboards, die echte Fragen beantworten statt nur Zahlen zu zeigen.