Fakultät für Betriebswirtschaft

Schwerpunkt Operations and Supply Chain Management

Institut für Operations Management

Masterarbeit

Untersuchung des Einflusses unterschiedlicher

Organisationsstrategien auf die
Leistungsfähigkeit von
Kommissioniersystemen mit Hilfe
ereignisdiskreter Simulationsmodelle

Prüfer: Prof. Dr. Malte Fliedner

Betreuer: Dr. Martin Tschöke

Vorgelegt von:
Linda Lampen, 6954921
Dreieck 6, 21107 Hamburg
linda.lampen@yahoo.de
Betriebswirtschaftslehre

Abgabe:
Hamburg, 4. November 2019
 I
Inhaltsverzeichnis

Abbildungsverzeichnis.................................................................................................... IV

Tabellenverzeichnis ......................................................................................................... V

Abkürzungsverzeichnis ................................................................................................... VI

Symbolverzeichnis ......................................................................................................... VII

1 Einleitung .................................................................................................................. 1

2 Distributionslogistik in der Supply Chain ................................................................ 3

2.1 Operations Management im E-Commerce .......................................................... 5

2.1.1 Begriffsabgrenzung von E-Commerce ........................................................ 5

2.1.2 Charakteristika von Distributionslogistik im E-Commerce ........................ 5

2.2 E-Commerce Distributionscenter ........................................................................ 6

2.2.1 Lagerprozesse im E-Commerce Distributionscenter ................................... 7

2.2.2 Kommissionierung .................................................................................... 10

2.2.3 Verpacken .................................................................................................. 11

2.2.4 Herausforderungen für Kommissioniersysteme ........................................ 13

2.3 Lean Management in der Distributionslogistik ................................................. 15

2.3.1 Prinzipien des Lean Management.............................................................. 16

2.3.2 Methoden zur Eliminierung von Verschwendung ..................................... 16

2.3.3 Methoden zum Streben nach verbesserter Qualität ................................... 17

2.3.4 Methoden zum Streben nach erhöhtem Materialfluss ............................... 18

2.3.5 Methoden zum Streben nach Verminderung der Kosten........................... 20

2.4 Literaturüberblick .............................................................................................. 20

3 Methodik ................................................................................................................. 24

3.1 Allgemeines zu Simulation ............................................................................... 24

3.2 Bewertung alternativer Analysemethoden ........................................................ 25

3.3 Vorteile von Simulation für das Operations Management ................................ 25

3.4 Vorgehensmodell für Simulationsstudien ......................................................... 26

4 Modellbeschreibung................................................................................................ 28
 II
4.1 Optimierungsstrategien für Kommissionierprozesse ........................................ 28

4.1.1 Anwendung von Methoden des Lean Managements ................................. 29

4.1.2 Automatisierung ........................................................................................ 31

4.1.3 Ausgleich der Arbeitsbelastung durch Fertigungssteuerung ..................... 32

4.1.4 Lösungsvorschlag für Packbereich ............................................................ 34

4.2 Untersuchung der Organisationsansätze durch Simulation ............................... 37

4.2.1 Zielbeschreibung ....................................................................................... 37

4.2.2 Entscheidung für Simulationswerkzeug .................................................... 38

4.2.3 Aufgabendefinition .................................................................................... 38

4.2.4 Konzeptmodell .......................................................................................... 39

4.2.5 Formales Modell ........................................................................................ 43

5 Simulationsexperiment ........................................................................................... 48

5.1 Implementierung ............................................................................................... 48

5.1.1 Ausführbares Modell ................................................................................. 48

5.1.2 Besonderheiten durch Arena ..................................................................... 52

5.2 Szenarien ........................................................................................................... 53

5.3 Erzeugung der Eingabedaten ............................................................................. 55

5.4 Festlegung von Einschwingphase, Simulationsdauer und Anzahl der

Replikationen..................................................................................................... 56

5.5 Analyse der Ausgabedaten ................................................................................ 57

5.5.1 Statistische Analyse ................................................................................... 58

5.5.2 Vergleich der Ergebnisse beider Modelle ................................................. 61

5.5.3 Interpretation ............................................................................................. 63

6 Zusammenfassung und Ausblick ............................................................................ 65

Literaturverzeichnis ........................................................................................................ 67

Anhang ............................................................................................................................ 72

A. Abbild eines Arbeitstisches im Packbereich ..................................................... 72

B. 5S ....................................................................................................................... 72

C. Ermittlung der Prozesszeiten für die Prozesse Picken, Sortieren und

Packen ............................................................................................................... 73
 III
D. Ablaufdiagramm des bisherigen Packprozesses als eEPK ................................ 74

E. Ablaufdiagramm des Sortierprozesses als eEPK .............................................. 75

F. Gesamtübersicht Modells des innovierten Organisationsansatzes in Arena ..... 76

G. Gesamtübersicht Modells des bisherigen Organisationsansatzes in Arena....... 77

H. Position 1 des Packbereichs in Arena................................................................ 78

I. Umsetzung der Sortierprozesses in Arena......................................................... 79

J. Ausgabetabellen des Process Analyzers............................................................ 80

K. Konfidenzintervalle der Anzahl versandbereiter Produkte pro Szenario .......... 82

L. Liniendiagramm der Bestellgröße pro Szenario ................................................ 83

M. Untersuchung auf Unabhängigkeit der Stichproben beider

Organisationsansätze für Szenario 1 mittels gepaartem t-Test ......................... 83

N. Balkendiagramm der mittleren Bearbeitungszeit pro Bestellung pro

Szenario ............................................................................................................. 83

Eidesstattliche Erklärung ................................................................................................ 84

 IV
Abbildungsverzeichnis

Abbildung 1: Unternehmenslogistik (Lasch 2018: 14)..................................................... 3

Abbildung 2: Prozesse im Distributionscenter (Bartholdi III & Hackman 2017:
24) .............................................................................................................. 8
Abbildung 3: Distributionscenter mit U-Layout (Richards 2018: 266) ............................ 9
Abbildung 4: Prozesse in der Kommissionierung (eigene Darstellung (eD)) ................ 10
Abbildung 5: Packbereich (Boysen et al. 2019b: 172) ................................................... 12
Abbildung 6: Umsetzung des Pull-Prinzips durch Visualisierung mit Kanban-
Flächen (eD) ............................................................................................ 19
Abbildung 7: Forschungen zu Kommissionierung im B2C E-Commerce (eD) ............. 21
Abbildung 8: Vorgehensmodell bei der Simulation mit V&V (Rabe et al. 2008: 5) ..... 27
Abbildung 9: Durchschnittliche Bearbeitungszeit für eine Bestellung (siehe
Anhang C) ................................................................................................ 30
Abbildung 10: Aufteilung des Packprozesses auf vier Positionen (eD) ......................... 35
Abbildung 11: Layout des umstrukturierten Packprozesses (eD) .................................. 36
Abbildung 12: Systemgrenzen (eD) ............................................................................... 40
Abbildung 13: eEPK von Position Eins des optimierten Packprozesses (eD) ............... 45
Abbildung 14: eEPK von Position Zwei des optimierten Packprozesses (eD) .............. 45
Abbildung 15: eEPK von Position Drei des optimierten Packprozesses (eD) ............... 45
Abbildung 16: eEPK von Position Vier des optimierten Packprozesses (eD) ............... 45
Abbildung 17: Umsetzung des Workload Balancing in Arena...................................... 49
Abbildung 18: Kanban Logik am Beispiel der Kanban-Flächen 1 und 2 ....................... 50
Abbildung 19: WIP der Bestellungen im Zeitverlauf anhand von 6 Replikationen ....... 57
Abbildung 20: Übersicht des Process Analyzer über Ausgabewerte der Szenarien....... 58
Abbildung 21: Berechnung Ausgabedaten durch Mittelwertbildungen ......................... 58
Abbildung 22: Streudiagramme der Einflussgrößen auf die Bearbeitungszeit pro
Bestellung ................................................................................................ 59
Abbildung 23: Box-Whisker-Plot der Bearbeitungszeit pro Bestellung ........................ 60
Abbildung 24: Lognormalverteilungsplot der Bearbeitungszeiten pro Bestellung
(alle Szenarien) ........................................................................................ 61
Abbildung 25: Absolute Anzahl versandbereiter Bestellungen pro Szenario ................ 62
Abbildung 26: Streuungsdiagramm der versandbereiten Bestellungen und
Bearbeitungszeit pro Bestellung .............................................................. 62
Abbildung 27: Auslastung der Packer pro Szenario ....................................................... 63
 V
Tabellenverzeichnis

Tabelle 1: Parameterkonfigurationen der Simulationsexperimente................................ 54

Tabelle 2: Errechnung der Bearbeitungsdauern aller Prozesse ...................................... 56
 VI
Abkürzungsverzeichnis

DC Distributionscenter
eD eigene Darstellung
i.d.R. in der Regel
JIT Just in Time
KPI Key Performance Indicator
LM Lean Management
SOP Standard Operating Procedure
SC Supply Chain
SCM Supply Chain Management
TPS Toyota Production System
WIP Work in Process
 VII
Symbolverzeichnis
l [Produkte] durchschnittliche Bestellgröße
Σ [-] Summe
" [-] Mittelwert
 1
1 Einleitung

Seit seiner Entstehung in den 1990er Jahren ist der Handel mit Waren über das Internet
auf Jahresumsätze in Milliardenhöhe gewachsen. Amazon.com verbuchte im vergange-
nen Geschäftsjahr 232,9 Milliarden US Dollar Umsatz, während Hauptkonkurrent Ali-
baba sogar 376,8 Milliarden US Dollar einnahm (Amazon.com 2019; Alibaba Group
2019). Aus den Zahlen ist zu erkennen, dass E-Commerce aus dem größten Teil der
heutigen Gesellschaft nicht mehr wegzudenken ist.
Trotz der virtuellen Welt der Onlineshops beruht E-Commerce zum großen Teil auf
physischer Ware. Im Gegensatz zum stationären Geschäft muss die Ware zu den Kon-
sumenten transportiert werden. Bis zum Boom des E-Commerce wurden in Logistiklä-
gern eher große und sortenreine Pakete an wenige Abnehmer (z.B. Filialen) zusammen-
gestellt und transportiert. Die Vorgänge in einem solchen, aus Sicht der Konsumgüter-
industrie „traditionellen“ Distributionslager, erfuhren kaum Beachtung des Top-
Managements (Tripp 2019: 8). Die heutige E-Commerce Logistik ist dagegen ein stra-
tegisches Werkzeug und ihre Leistungsfähigkeit entscheidet in vielen Fällen über den
Erfolg des Unternehmens (Graf & Schneider 2017: 190). Im E-Commerce ist das Sor-
timent eines Warenlagers breiter, die Bestellungen kleiner und individueller sowie die
Anzahl an Bestellungen höher (Boysen et al. 2019b: 170). Daneben ist der Transport-
weg der Bestellung i.d.R. länger, aber die zum Transport zur Verfügung stehende Zeit
geringer (Boysen et al. 2019b: 170). Dadurch ist die Handelslogistik mit der Entwick-
lung des E-Commerce herausfordernder geworden. Immer mehr Unternehmen gestalten
ihre Distributionsprozesse so, dass zwischen Bestellzeitpunkt und Lieferungen keine 24
Stunden vergehen (Tripp 2019: 8). Mit solchen Fähigkeiten stellt ein Distributionsnetz-
werk für das Unternehmen einen nützlichen Wettbewerbsvorteil dar (Myerson 2012:
87). Laut Grün et al. (2019: 442) ist „[m]oderne Distributionslogistik ist mehr als Wa-
renverteilung. Sie wird heute als aktives Wertschöpfungsmanagement verstanden. Dies
bedeutet, dass Unternehmen Strategien entwickeln müssen, die ein optimales Verhältnis
zwischen Lieferservice und Logistikkosten gewährleisten.“
Allerdings sind noch nicht alle E-Commerce Läger in der Lage, solch produktive Pro-
zesse zu implementieren (Leung et al. 2018: 387). Häufig ist die Auftragszusammen-
stellung ein Engpass, der Zeit kostet und mit hohen Kosten verbunden ist (Cho et al.
2008: 337). Aktuelle Ansätze wie das von Toyota stammende Lean Management oder
Automatisierung durch Robotertechnik sind verbreitete Werkzeuge zur Erhöhung der
Effektivität und Flexibilität von Lägern (Myerson 2012: 87). Diese finden vor allem in
 2
der sehr kostenintensiven Kommissionierung, also der Zusammenstellung versandberei-
ter Pakete, Anwendung.
Diese Arbeit setzt sich im Inhalt mit dem Prozess der Verpackung von verschiedenen,
zusammengesuchten Produkten einer Bestellung auseinander. Dazu wird zunächst eine
Wissensgrundlage zu den Bereichen E-Commerce Distributionslogistik sowie Lean
Management geschaffen (Kapitel 2). Anschließend wird mit Hilfe der ereignisbasierten
Simulationssoftware Arena eine Simulationsstudie durchgeführt, die verschiedene Or-
ganisationsansätze des Packprozesses in ihrer Leistungsfähigkeit überprüft. Genauer
soll die Studie beantworten, ob eine Umstrukturierung des aktuell üblichen Prozessver-
laufs die Leistungsfähigkeit des Kommissioniersystems erhöhen kann. Kapitel 4 dient
dazu, die zu untersuchenden Organisationsansätze zu identifizieren und ein Simulati-
onsmodell aufzustellen. Dieses wird schlussendlich in Kapitel 5 durchgeführt und die
Ergebnisse im Hinblick auf die Problemstellung der Arbeit interpretiert.
 3
2 Distributionslogistik in der Supply Chain

Die Supply Chain (SC) stellt ein Wertschöpfungsnetzwerk hauptsächlich vertikal ver-
knüpfter Unternehmen dar und bildet die Material-, Informations- und Geldströme über
einen gesamten Wertschöpfungsprozess ab (Lasch 2018: 66). Die Aufgabe des Supply
Chain Management (SCM) besteht darin, diese Ströme unternehmensübergreifend zu
koordinieren und optimieren, um den Bedürfnissen des Endkunden zeit- und kostenop-
timal zu entsprechen (Arndt 2008: 47). Neben der Kostensenkung und Erhöhung der
Kundenorientierung gehören eine verbesserte Flexibilität, Effizient, Effektivität und
Transparenz entlang der SC ebenso zu den Zielen des SCM (Lasch 2018: 68-69). Ob-
wohl in dieser Arbeit eine andere Form von Logistikunternehmen thematisiert wird, soll
die Erläuterung von Distribution in der SC zunächst auf Basis des produzierenden Ge-
werbes stattfinden.
Die einzelnen Versorgungskettenglieder der SC sind Unternehmen, die aus logistischer
Sicht mikrologistische Systeme darstellen und anhand ihrer Funktionen in die Subsys-
teme Beschaffung, Produktion und Distribution aufgeteilt sind (Lasch 2018: 12-13). Im
Folgenden wird die Distributionslogistik nach Lasch (2018: 18) von den sie umgeben-
den Prozessen abgegrenzt: Der der Distribution vorgelagerte Prozess ist die Produkti-
onslogistik. Sie übergibt das Endprodukt zeitlich gesehen nach der Fertigstellung an die
Distribution, welche dieses wiederum durch die Bereitstellung beim Kunden an den
Beschaffungsprozess des nachfolgenden Kettenglieds weitergibt. Aus räumlicher Sicht
findet die Distributionslogistik zwischen dem Fertigwarenlager und dem Abnahmeort
durch den Kunden statt (Lasch 2018: 18).

Abbildung 1: Unternehmenslogistik (Lasch 2018: 14)

Die Distributionslogistik ist neben dem Customer Relationship Management oder De-
mand Management einer der Kernprozesse der SC, da sie direkten Einfluss auf die
 4
rechtzeitige Belieferung des Endkunden und damit auf dessen Zufriedenheit hat (Wisner
2017: 10). Nach Lasch (2018: 18) lautet das Ziel der Distributionslogistik, den An-
spruch an die Logistikleistung seitens des Kunden zu erfüllen, während Lieferservice
und Lieferkosten sich im Gleichgewicht befinden. Dazu soll auf strategischer Ebene
eine Distributionsstruktur festgelegt sowie eine ökonomische Lieferstrategie gefunden,
um nachhaltig auf ein ganzheitliches Vertriebsnetz zurückgreifen zu können. Die fol-
genden Aussagen nach Koether (2018: 13) ergänzen Laschs Zieldefinition. Im Fokus
der Findung einer Distributionsstruktur stehen Entscheidungen bezüglich der Prozessab-
läufe und Distributionsstufen. Zur Strategiefindung gehört es, geeignete Lagerarten so-
wie Standorte und Transportmittel zu bestimmen. Idealerweise befriedigt die Distributi-
on somit die vom Vertrieb geschaffene Kundennachfrage durch physische Güter anhand
von geschickter bzw. optimaler Organisation und Abwicklung kostengünstig und zuver-
lässig (Lasch 2018: 18).
Die praktische Umsetzung der zur Kundenbelieferung notwendigen Transport-, Um-
schlags- und Lageraktivitäten stellt dagegen die operative Aufgabe der Distributionslo-
gistik dar (Lasch 2018: 18-19). Durch die arbeitsintensiven Prozesse entstehen bei der
Belieferung hohe Kosten (Zylstra 2006: 2). Die meisten dieser Aufwände werden aller-
dings von Endkunden nicht wahrgenommen und stellen aus ihrer Sicht keinen Wertzu-
wachs des Produktes dar. Aus diesem Grund wird die Marge des Unternehmens durch
Distributionskosten signifikant gemindert (Zylstra 2006: 2). Als Konsequenz bietet die
Distribution vor allem in der Konsumgüterindustrie sowie im Handel viel Potenzial zur
Optimierung der Unternehmensausgaben (Tripp 2019: 2). Verbesserungen im Prozess-
ablauf haben einen Effekt auf das Verhältnis zwischen Lieferkosten und Servicegrad.
An dieser Stelle erscheint in der Literatur immer häufiger der Begriff Lean Distribution,
welcher mehr Effizienz und Flexibilität durch geringere Durchlaufzeiten verspricht
(Zylstra 2006: 2). Eine höhere Flexibilität ist vor allem von Vorteil, wenn die Perfor-
mance der Distribution nicht alleine von Layout und Durchführung der Distribution,
sondern auch von der Korrektheit der Informationen aus der Auftragsabwicklung beein-
flusst wird (Lasch 2018: 19). Dies ist der Fall, sobald die Distributionsplanung (Perso-
nal-, Materialplanung) von Forecast-Daten abhängt, da diese selten das tatsächliche
Auftragsvolumen vorhersagen (Zylstra 2006: 7).
Nach Tripp (2019) ist neben dem Kostensenkungspotenzial die Rolle in der Servicepoli-
tik von Unternehmen eine zukunftsträchtige Entwicklung der Distribution. Herausra-
gend schnelle („same day“, „within one hour“) oder flexible distributionslogistische
Lieferservices werden demnach von Unternehmen in wettbewerbsbehafteten Märkten
immer häufiger als Alleinstellungsmerkmal genutzt (Tripp 2019: 2; Lasch 2018: 25).
 5
In den folgenden Unterkapiteln sollen die einzelnen Bereiche der Distributionslogistik
eines Handelsunternehmens weiter vertieft werden, bis ein genaues Bild der Prozesse im
Warenausgang eines Distributionscenters und speziell des Packprozesses entsteht.

2.1 Operations Management im E-Commerce

Im vorherigen Abschnitt wurde die Distributionslogistik anhand eines produzierenden

Unternehmens von den sie umgebenden Logistikbereichen abgegrenzt. Allerdings be-
stehen in der Praxis auch Unternehmen, die nicht alle oben genannten Funktionen erfül-
len. Beispielsweise beschränkt sich ein Handelsunternehmen nur auf den Einkauf und
Vertrieb, auf operativer Seite dementsprechend auf die Funktionen Beschaffung und
Distribution, wodurch die Produktionslogistik wegfällt. Die für den Handel spezifische
Logistikmethode trägt den Namen „Handelslogistik“. (Koether 2018: 13)

2.1.1 Begriffsabgrenzung von E-Commerce

Die Handelslogistik umfasst von Discountern bis SB-Warenhäusern verschiedene For-

men von Handelsunternehmen. Im Hinblick auf die Zielgruppe lassen sich diese in die
beiden Gruppen Großhandel (B2B) und Einzelhandel (B2C) einordnen (Tripp 2019: 7).
Ein Kriterium für eine weitere Unterscheidung von Handelsunternehmen ist die Präsenz
eines physischen Marktplatzes als Ort zur Besichtigung der Waren. Dem physischen
Marktplatz des stationären Handels steht diesbezüglich der virtuelle, elektronische
Marktplatz des Onlinehandels (E-Commerce) gegenüber (Albers & Peters 1997: 4).
Eine Ebene tiefer wird auch bei Waren zwischen physischen Produkten (z.B. Beklei-
dung) und virtuellen Produkten (z.B. Software, Versicherung) unterschieden, was je
nachdem entweder in physischer Distribution oder Online-Distribution resultiert
(Thome 2000: 8-9). Um den Umfang dieser Abschlussarbeit einzugrenzen wird im Fol-
genden ausschließlich auf E-Commerce-Unternehmen aus dem B2C Bereich genauer
eingegangen, welche physische Waren vertreiben.

2.1.2 Charakteristika von Distributionslogistik im E-Commerce

Während der Umsatz des E-Commerce in den letzten Jahren rapide gewachsen ist, exis-
tieren auf operativer Ebene noch viele ineffiziente Prozesse (Leung et al. 2018: 386;
Cho et al. 2008: 336; Lasch 2018: 25). Ein Grund dafür sind die Veränderungen gegen-
über dem stationären Handel, da der E-Commerce Distributionsprozesse und -netzwerke
 6
von Grund auf neu entwickeln musste (Leung et al. 2018: 386; Cho et al. 2008: 336).
Der wesentliche logistische Unterschied zwischen stationärem und elektronischem
Handel ist die direkte Belieferung des Endkunden. Auf den ersten Blick fallen dadurch
gegenüber dem stationären Einzelhandel große Kostenaufwände für Immobilien und
Verkaufspersonal weg. Allerdings kommen Herausforderungen wie ein „steigendes
Sendungsaufkommen, kleinere Sendungen bzw. Losgrößen, hohe Anforderungen an die
Lieferzeit, [sowie] die Auslieferung an die Haustür des Endkunden“ (Grün et al. 2019:
450) auf den E-Commerce zu. Hinzukommende Prozesse wie Sortierung und Verpa-
ckung von Bestellungen sorgen zugleich für zunehmende Komplexität, Kosten und An-
forderungen an das Operations Management. Zum anderen führen die Reduktion der
Handelsstufen und eine vereinfachte Auftragsentgegennahme zur Zunahme des relati-
ven Anteils der Logistik an Lieferzeit- und Kostenverteilung und damit zur Zunahme
der Bedeutung von Logistik für die Erreichung von Unternehmenszielen (Thome 2000:
7; Grün et al. 2019: 449). Zusammenfassend steigt durch E-Commerce der Einfluss der
Logistikleistung auf den Unternehmenserfolg und es werden höhere Anforderungen an
ihre Qualität und Flexibilität gestellt (Wannenwetsch 2002: 167). In Anbetracht der oft
vorherrschenden Ineffizienz im Bereich des Lagers wird der Optimierung von Distribu-
tionsprozessen daher immer mehr Beachtung geschenkt.
Neben dem oben erwähnten massigen Kosteneinsparungspotential hat der E-Commerce
weitere Vorteile für das Handelsunternehmen (Schniederjans et al. 2014: 10-11). Drei
der fünf Vorteile sind laut Kummer et al (2019: 449):
• „Die einfachere Erschließung neuer Märkte (Marktzugang), aber auch bessere
Möglichkeiten der Marktausweitung, Marktpenetration
• Schnellere Verbreitung neuer Produkte (Time to Market)
• [...] Einfachere Programm- bzw. Sortimentsausweitung“.
Jedoch bedeutet die Nutzung jeder dieser Vorteile weiteren Mehraufwand für den Lo-
gistikbereich des E-Commerce Unternehmens. Dies unterstreicht erneut die Notwendig-
keit von Effektivität und Effizienz in der operativen Distributionslogistik.

2.2 E-Commerce Distributionscenter

Die Gründe für das Betreiben eines Lagers im B2C E-Commerce liegen auf der Hand:
Die Produkte einer Kundenbestellung werden in den meisten Fällen nicht vom selben
Hersteller gefertigt (Rushton et al. 2017: 293). Ohne Zwischenhalt im Lager des E-
Commerce Unternehmens müssten sie von den Herstellern einzeln an den Kunden ge-
liefert werden. Eine Zusammenführung der Bestellung in einem Lager reduziert dem-
 7
nach zum einen die Transportkosten, das Risiko für Verzögerungen im Transport und
das Paketaufkommen beim Kunden (Bartholdi III & Hackman 2017: 5-6). Zum anderen
gewinnt der Kundenservice an Möglichkeiten, da die Produkte vor Auslieferung auf
Fehler geprüft oder länderspezifische Anforderungen angepasst werden können
(Bartholdi III & Hackman 2017: 6). Außerdem erlaubt ein Lager dem E-Commerce
Unternehmen schnell auf sich ändernde Gegebenheiten innerhalb des Markt, wie Ange-
bot und Nachfrage der Produkte, reagieren zu können (Bartholdi III & Hackman 2017:
5-6). Sobald das Lager Erzeugnisse speichert und für die Versorgung von Kunden zu-
ständig ist, spricht man auch von einem Distributionscenter (Martin 2014: 338). Im Fol-
genden wird genauer erläutert wie ein Distributionscenter für die B2C E-Commerce
Branche aufgebaut ist.

2.2.1 Lagerprozesse im E-Commerce Distributionscenter

Im B2C E-Commerce sind „Bekleidung“, „Elektronikartikel und Telekommunikation“

und „Computer/ Zubehör/ Spiele/ Software“ die drei umsatzstärksten Warengruppen
(bevh 2018). Die Produkte dieser Warengruppen sind i.d.R. klein und einfach von einer
Person zu handhaben. Dennoch können starke Unterschiede in Form, Gewicht, Material
und Fragilität vorkommen (Leung et al. 2018: 393). Generell kommen Bestellungen von
privaten Kunden und fallen mit 1-2 Produkten typischerweise klein, dafür in hoher An-
zahl aus (Boysen et al. 2019b: 170; Bartholdi III & Hackman 2017: 9). Der Anspruch an
den Service besteht in einer geringen Lieferzeit, was bedeutet, dass die anfallenden Be-
stellungen so schnell wie möglich verschickt werden sollten (Lasch 2018: 25). Um dies
zu ermöglichen ist in einem E-Commerce Distributionscenter ein Warenlager nötig,
welches die zum Verkauf verfügbaren Produkte bereithält. Die vom Hersteller in großen
Stückzahlen angelieferten Waren werden in das Warenlager eingelagert und müssen
später für die einzelnen Bestellungen individuell transportiert werden (Bartholdi III &
Hackman 2017: 23). Vorgänge zur Zusammenstellung von Bestellungen sind folglich
aufwändig und die Personalkosten im Lager relativ hoch (Bartholdi III & Hackman
2017: 23). Somit ist ein E-Commerce Distributionscenter hier eine Kombination aus
Warenlager und Umschlagszentrum mit hohem Personalaufkommen.
Den physischen Weg verfolgend, den die Produkte durch ein Distributionscenter trans-
portiert werden, gibt es einen Teil zum Warenlager und einen Teil vom Warenlager zum
Kunden geben (siehe Abbildung 2). Ersterer wird mit dem Oberbegriff „Wareneingang“
oder englisch „Inbound“ bezeichnet und beinhaltet die „Warenannahme“ und „Waren-
einlagerung“. Auf der anderen Seite steht der „Warenausgang“ bzw. „Outbound“ mit
 8
seinen Prozessen „Kommissionierung“ sowie „Verladung und Versand“. (Bartholdi III
& Hackman 2017: 23; Lefebvrea et al. 2006: 3) Abbildung 2 soll die Einordnung dieser
Abschlussarbeit in die Umgebung der E-Commerce Distributionslogistik vereinfachen.

Abbildung 2: Prozesse im Distributionscenter (Bartholdi III & Hackman 2017: 24)

Die Warenannahme ist dafür zuständig, die Waren aus den ankommenden LKW entge-
genzunehmen (Bartholdi III & Hackman 2017: 24). Die tatsächliche Ankunftszeit
weicht je nach Verkehrsaufkommen unter Umständen stark von der errechneten An-
kunftszeit ab (Ten Hompel & Schmidt 2008: 24). Deshalb muss die Warenannahme
genug Pufferfläche bieten, um Paletten aus mehreren LKW gleichzeitig zwischenlagern
zu können, bevor diese an die Wareneinlagerung weitergegeben werden (Ten Hompel &
Schmidt 2008: 25; Martin 2014: 345). Während der Einlagerung werden die Waren an
den zugeordneten Lagerplatz transportiert (Furmans & Kilger 2019: 168). Dies benötigt
kaum Bearbeitungsfläche, da diese Prozesse hauptsächlich im Warenlager stattfinden.
Typischerweise nimmt das Warenlager den meisten Platz im Distributionscenter ein. Es
muss, je nach Produktpalette des Unternehmens, mehrere Zehntausend Produkte auf-
nehmen können (Bartholdi III & Hackman 2017: 33). Im Verlauf der anschließenden
Kommissionierung werden die Produkte eingetroffener Bestellung aus dem Lager aus-
gelagert, sortiert und durch das Verpacken zu einem Packstück, meistens als Paket, kon-
solidiert (Furmans & Kilger 2019: 170-171; Ten Hompel & Schmidt 2008: 34). Dabei
nehmen nur die Sortierung und Konsolidierung merklich Arbeitsfläche in Anspruch
(Richards 2018: 266). Der letzte Schritt ist die Versendung der Pakete. Je nach Aufbau
des Distributionsnetzwerks müssen die Pakete dazu zunächst auf Paletten gepackt und
mit Folie eingewickelt werden (Richards 2018: 226-227). Auch hier ist eine Pufferflä-
che zur Bereitstellung für die Verladung unter Umständen sinnvoll (Furmans & Kilger
2019: 172-173). Viele Faktoren haben Einfluss auf die Effizienz dieser Lagerprozesse.
 9
Einerseits sind dies Strategien in Bezug auf Lagerplatzauswahl, Wareneinlagerung und -
entnahme, Replenishment, Kommissionierung sowie die Bewegungsstrategien. Ande-
rerseits spielen die Verbreitung der Automatisierung und die technische Ausstattung des
Lagers sowie Lagerlayout eine Rolle. (Furmans & Kilger 2019: 176) Der Grundriss der
Lagerprozesse, der schlussendlich zum optimalen Materialfluss führen soll, hängt von
Größe und Form der Immobilie, ihrer infrastrukturellen Anbindung, dem Equipment
und den angedachten Prozessen ab (Richards 2018: 265). Bartholdi und Hackman brin-
gen zusätzlich die Charakteristika des Inventars (Anzahl, Größe und Umschlagshäufig-
keit) sowie die Durchsatz- und Serviceanforderungen und Personalkosten mit ein
(Bartholdi III & Hackman 2017: 10). Für Distributionscenter ist das U-Layout eine der
beliebtesten Anordnungen. Abbildung 3 zeigt die erläuterten Abläufe für ein Distributi-
onscenter in U-Form. Die Warenannahme und der Versand befinden sich dabei auf der-
selben Seite, was zum Vorteil hat, dass die Verladedocks unter beiden Bereichen flexi-
bel aufgeteilt werden können. Darüber hinaus erleichtert dieser Aufbau Cross-Docking1
von Produkten, die für bereits bereitstehende Bestellungen direkt benötigt werden.
(Richards 2018: 265-266) Waschräume, Umkleiden, Büroräume und Ähnliches werden
in diesem Layout vernachlässigt.

Abbildung 3: Distributionscenter mit U-Layout (Richards 2018: 266)

Zur besseren Transparenz, Kosten- und Performancekontrolle bedienen sich moderne

Läger an einem softwarebasiertem Warehouse Management System (WMS) das die
logistischen Vorgänge koordiniert, sowie die Waren jederzeit lokalisieren kann
(Bartholdi III & Hackman 2017: 24, 33; Ten Hompel et al. 2019: 111). Im Warenlager
eingelagerte Artikel werden in Stock Keeping Units (SKUs), der kleinsten im Lager

1 Cross-Docking bedeutet, dass die Waren vom ankommenden Fahrzeug evtl. mit kurzer Zwischenlage-
rung direkt an das verlassende Fahrzeug übergeben werden, ohne dass sie in das Warenlager eingelagert
werden (Rushton et al. 2017: 293; Grün et al. 2019: 446).
 10
befindlichen Einheit eines Produkts, gehandhabt (Bartholdi III & Hackman 2017: 12).
Zur Erfassung im WMS besitzt jede SKU einen eindeutigen Bezeichner, der i.d.R. aus
einem Barcode besteht (Bartholdi III & Hackman 2017: 45).

2.2.2 Kommissionierung

Nach Eingang einer neuen Bestellung ist mit Hilfe des WMS zunächst sicherzustellen,
dass die Produkte der Bestellung im Warenlager vorrätig sind (Furmans & Kilger 2019:
170). Anschließend wird die Kommissionierung der Bestellung angestoßen (Bartholdi
III & Hackman 2017: 25). Die drei Kernprozesse der Kommissionierung sind in Abbil-
dung 4 dargestellt.

Abbildung 4: Prozesse in der Kommissionierung (eigene Darstellung (eD))

Kommissionierung wird in dieser Arbeit als „das Aufsuchen von bestellten Waren im
Lager und das Zusammenstellen zu versandbereiten Paketen“ (Graf & Schneider 2017:
190) definiert. Der Vollständigkeit halber sei erwähnt, dass es hinsichtlich der Abgren-
zung der Kommissionierung in der Literatur verschiedene Ansichten gibt. Manche Au-
toren identifizieren, anders als bei der hier betrachteten Definition, das Verpacken einer
Bestellung zur Bereitstellung für den Versand als Folgeprozess der Kommissionierung
(Furmans & Kilger 2019: 171; Bartholdi III & Hackman 2017: 28).
Das Suchen der Artikel und deren Entnahme aus dem Warenlager kann einstufig oder
mehrstufig passieren und wird auch als „Picken“ bezeichnet (Furmans & Kilger 2019:
170-171). Einstufig bedeutet hier, dass alle Produkte aus einer Bestellung nacheinander
aus dem Warenlager entnommen werden, bis die Bestellung komplett ist und anschlie-
ßend verpackt wird (Furmans & Kilger 2019: 171). Bei hoher Auftragsdichte und An-
zahl an SKUs in einem Lager lohnt sich für den E-Commerce stattdessen der mehrstufi-
ge, auftragsparallele Ansatz (Ten Hompel & Schmidt 2008: 41). Dafür werden Lager-
plätze von Artikeln mehrerer Bestellungen durch das WMS zu einer Pickliste zusam-
mengefasst und die Wegzeit des Pickers pro Auftrag minimiert (Bartholdi III &
Hackman 2017: 25; Ten Hompel & Schmidt 2008: 41). Dieser Vorgang wird auch Or-
der Batching genannt (Pan et al. 2015). Im weiteren Verlauf ist nun ein Konsolidie-
rungspuffer nötig, der die Sortierung der Artikel zur bestellungsreinen Weitergabe an
 11
die Packlinie ermöglicht (Furmans & Kilger 2019: 171). Dieser Schritt ist notwendig,
da der Kunde seine Bestellung zusammengefasst in einem Paket erhalten möchte und
um die Transport- und Materialkosten zu minimieren (Bartholdi III & Hackman 2017:
28; De Koster et al. 2007: 483). Zuletzt werden die Artikel zu einem Packstück zusam-
mengefasst und an den Versand weitergegeben (Furmans & Kilger 2019: 171).
Trotz Optimierungsmöglichkeiten, wie z.B. durch die mehrstufige Kommissionierung,
ist der Verlauf der Kommissionierung arbeitsintensiv und infolgedessen kostenintensiv
(Ten Hompel & Schmidt 2008: 34). Richards (2018: 82) präsentiert eine Übersicht, in
der etwa 50% der Lagerkosten auf die Kommissionierung fallen. Der Pickprozess ist
dabei mit Abstand der kostenintensivste Prozess im gesamten Lager (Richards 2018: 82;
Ten Hompel et al. 2019: 113). In der Literatur und Praxis wird der Kommissionierung
deshalb viel Beachtung geschenkt und es bestehen neben der beschriebenen Strategie
viele weitere Ansätze zur Performanceerhöhung des Pickprozesses (Martin 2014: 396-
448). Im nächsten Kapitel wird der Verpackungsprozess detailliert veranschaulicht.

2.2.3 Verpacken

Im weiteren Verlauf wird angenommen, dass es sich bei dem in dieser Arbeit betrachte-
ten Distributionscenter um ein großes System mit mehrstufiger Kommissionierung han-
delt. Das bedeutet, dass die Sortierung der gepickten Artikel dem Verpackungsprozess
vorgelagert ist. Im Hinblick auf die Schnittstelle zwischen den beiden Prozessen, wird
das Layout von Boysen et al. (2019b) für diese Arbeit inklusive der späteren Simulati-
onsstudie verwendet und im Folgenden erläutert.
Räumlich sind die beiden Prozesse durch eine Regalwand getrennt, die von beiden Sei-
ten zugänglich ist und zur Übergabe der sortierten Bestellungen dient. Abbildung 5
zeigt die Aufgabenbereiche von Sortierer und Packer und verdeutlicht die Abgrenzung
des Packbereichs. Der Sortierer erhält Behälter mit Artikeln aus mehreren Bestellungen
vom Picker und sortiert die Artikel bestellungsrein in leere Fächer der Regalwand.
Durch visuelle Signale eines „Put-by-Light“-Systems gibt das WMS genau vor, welches
Produkt in welches Regalfach gelegt werden soll. Sobald die Bestellung komplett ist,
entnimmt der Packer die Artikel der Regalwand und beginnt mit dem auftragsbezoge-
nen Verpacken. Zum Abschluss des Prozesses übergibt er das Paket über ein Förder-
band an den Versand. Dieses manuelle Vorgehen ist in E-Commerce Distributionslä-
gern weit verbreitet. Große Unternehmen wie Amazon und Zalando nutzen die Regal-
wände, da sie keine hohen Investments oder Kapitalkosten für das Unternehmen bedeu-
 12
ten und kurzfristige Reaktionen auf Kapazität- und Auslastungsänderungen ermögli-
chen.

Abbildung 5: Packbereich (Boysen et al. 2019b: 172)

Anknüpfend wird nun der Aufbau des Packprozesses, wie er in E-Commerce Distributi-
onscentern verbreitet ist, geschildert (Weiblen 2014: 35). Dabei sei erwähnt, dass die
Reihenfolge der Schritte sich unternehmensspezifisch ändern kann.
Furmans & Kilger (2019: 171) liefern eine Auflistung von sieben Prozessschritten zwi-
schen „Bereitstellen der Auftragsablage“ und „Bereitstellen der verpackten Ware“. Al-
lerdings vernachlässigen sie eine wichtige Möglichkeit des Packbereichs. Die besteht
aus der Nutzung des Warehouse Management Systems, z.B. zur Prüfung der Vollstän-
digkeit einer Bestellung. Die Übereinstimmung von bestellten und gelieferten Produk-
ten ist ein wichtiger Key Performance Indicator (KPI) für heutige E-Commerce Unter-
nehmen und kann durch Scannen der Artikel im Packbereich gemessen werden
(Bartholdi III & Hackman 2017: 28). Gleichzeitig dient das Scannen zur systemischen
Erzeugung von spezifischen Dokumenten wie Rechnung, Lieferschein oder Versandla-
bel durch das WMS (Weiblen 2014: 40). Diese können durch die im System hinterleg-
ten Daten spontan und automatisch am Packtisch generiert werden. Diese Berücksichti-
gung haben Kille & Bretzke (2014: 198) in ihre Erarbeitung des Packprozesses eingear-
beitet. Der ergänzte, exemplarische Packprozess nach Furmans & Kilger (2019) und
Kille & Bretzke (2014) besteht demnach aus den folgenden Schritten:
1. Bereitstellen der Auftragsablage2
2. Scannen der Artikel
3. Bereitstellen der Packmittel
4. Aufbau der Packmittel
5. Ablegen der Ware im Packmittel

2 Dokumente wie Rechnung, Lieferschein und Versandlabel

 13
6. Sichern der Ware
7. Einlegen der Rechnung
8. Verschließen und Anbringen des Versandetiketts am Packmittel
9. Bereitstellen der verpackten Ware.
Die Funktionen der Verpackung sind vielseitig. Das Zusammenfassen zu einem Pack-
stück erlaubt eine einfachere Handhabung (Gebrauchsfunktion), spart Platz beim Trans-
port (Transportfunktion) und schützt vor Transportschäden oder Diebstahl einzelner
Produkte (Schutzfunktion) (Furmans & Kilger 2019: 171; Mathar & Scheuring 2009:
245). Die Gestaltung der Kartonage kann darüber hinaus das Image des Unternehmens
pflegen und den Absatz fördern (Marketingfunktion) (Mathar & Scheuring 2009: 245).
Eine solche Packeinheit wird auch Packlinie genannt. Der Arbeitsplatz des Packers um-
fasst einen Arbeitstisch, Möbel oder Maschinen zur Bereitstellung von Materialien und
technisches Equipment wie einen Bildschirm, Scanner und Drucker (Rushton et al.
2017: 367). Die bereitliegenden Materialen bestehen aus verschiedengroßen Kartons,
Polstermaterial, Paketklebeband, Druckpapier, usw. (Rushton et al. 2017: 367; Koether
2018: 129). Ein weiterer wichtiger Aspekt für den Packplatz ist die Ergonomie des Ar-
beitsplatzes (Krieg 2004: 144). Ein exemplarischer Packtisch wie er in den meisten E-
Commerce Distributionscentern ist in Anhang A abgebildet (Koether 2014: 128-129;
Krieg 2004: 147). Die Packtische sind meist so gestaltet, dass alle wichtigen Handgriffe
im Bereich der natürlichen Bewegungen eines Menschen liegen und starke Drehbewe-
gungen oder Bücken vermieden werden (Rushton et al. 2017: 367; Krieg 2004: 145).

2.2.4 Herausforderungen für Kommissioniersysteme

Neben den Themen Standortwahl, Lagerhaltung oder Transport gehört die Kommissio-
nierung inklusive Verpackung zu den Bereichen, die in der Distributionslogistik am
meisten Beachtung benötigen (Schulte 2016: 695). Denn, wie in den vorherigen Kapi-
teln dargestellt, steigt die Bedeutung der Kommissionierung durch die Beschleunigung
des Lieferprozesses (Lasch 2018: 25). Aus diesem Grund wachsen auch die Herausfor-
derungen, die auf den Packprozess zu kommen.
Zum Beispiel beeinflusst die Qualität der Kommissionier-Prozesse deren Effizienz und
die Kundenzufriedenheit positiv (Lasch 2018: 103). Dennoch wird noch in vielen Lä-
gern Zeit, Ressourcen und Geld durch fehlerintensive Prozesse verschwendet (Kille &
Bretzke 2014: 199; Lasch 2018: 103, 46). Häufige Fehler aus dem Packbereich sind z.B.
nicht scannbare, fehlerhafte oder falsche Produkte sowie unvollständige Bestellungen
und fehlende Dokumente (Rechnung, Lieferschein, Versandetikett) (Kille & Bretzke
 14
2014: 199). Unentdeckt enden diese Fehler in inkorrekten Lieferungen und bringen er-
höhte Transportkosten sowie eine deutlich verlängerte Lieferzeit mit sich (Graf &
Schneider 2017: 190). Dementsprechend ist die Minimierung der Prozessfehler essenti-
ell zur Vermeidung von außerplanmäßigen Kosten sowie zur Verbesserung der Konkur-
renzfähigkeit des Unternehmens (Lasch 2018: 144). Eine Herausforderung besteht dem-
zufolge darin, qualitativ hochwertige Prozesse zu gewährleiten um die Fehlerquote pro
Auftrag zu reduzieren.
Obwohl die Kommissionierung ein Bereich ist, in welchem vollkommene Automatisie-
rung aufgrund des hohen Kapitalaufwands bisher kaum verbreitet ist, finden Roboter-
technologien aus den Bereichen Förder- und Lagertechnik bereits Anwendung (Ten
Hompel et al. 2019: 146). Automatisierte Vorgänge wollen allerdings mit den restlichen
Ablauf- und Organisationsstrukturen abgestimmt, sowie der Informationsaustausch zwi-
schen Mensch und Maschine koordiniert werden (Ten Hompel & Schmidt 2008: 34).
Planung und Umsetzung der Vorgänge im Kommissioniersystem sind dadurch komple-
xer als im rein manuellen Betrieb (Ten Hompel & Schmidt 2008: 34). Laut Dehdari &
Schwab (2012: 17) werden Performanceziele der Kommissionierung oft durch schlecht
aufeinander abgestimmte Prozesse verfehlt. Diese Gefahr scheint anhand zunehmender
partieller Automatisierung und den folgend zunehmenden Anforderungen an die Koor-
dinierung noch höher zu werden. Die Vorteile durch Einsatz von Technologie zu nut-
zen, ohne durch die steigende Komplexität Performanceeinbußen zu erleiden, ist folg-
lich eine weitere Herausforderung für die Kommissionierung.
Für Vorgänge, in denen Robotertechnologie keine Anwendung findet, wird nach wie
vor auf die körperliche Arbeit von Lagermitarbeiten gesetzt. Je nach Produktpalette des
E-Commerce Unternehmens und Bestellungsgröße kann das bedeuten, dass Picker und
Packer mehrere Kilo schwere Produkte bewegen müssen (Krieg 2004: 144). In Anbe-
tracht des demographischen Wandel spielt die Ergonomie für Arbeitsplätze, die in naher
Zukunft nicht durch Einsatz von mechanischer Technologie ergänzt werden, eine wich-
tige Rolle (Auffermann et al. 2016: 71). Die Orientierung an den Richtlinien zu einem
ergonomischen Arbeitsplatz stellt eine Herausforderung dar, sobald beispielsweise das
Verpackungsmaterial Kartons mit stark variierender Kartonhöhe beinhaltet. Je nach
Tischhöhe hat der Packer in dem Fall entweder Schwierigkeiten einen hohen Karton
von oben zu überblicken oder einen niedrigen Karton zu bestücken ohne sich bücken zu
müssen.
 15
2.3 Lean Management in der Distributionslogistik

Da zur Untersuchung in den Kapiteln 4 und 5 Methoden des Lean Management (LM)
Anwendung finden, soll der Inhalt dieses Kapitels über die Philosophie des Ansatzes
aufklären und Verständnis über die später verwendeten Methoden schaffen.
LM ist ein Managementansatz, der in der Vergangenheit zu Effektivitäts- und Effizienz-
steigerung von Prozessen geführt hat (Augustin 2009: 24). Die Werkzeuge und Metho-
den stammen aus der Produktion Toyotas, weshalb in diesem Zusammenhang auch der
Begriff „Toyota Production System“ geläufig ist (Dahm & Haindl 2015: 65-67). Laut
Dahm & Haindl (2015: 67-70) baut das Toyota Production System (TPS) und damit der
LM Ansatz, auf fünf Säulen auf:
• Synchronisation der Prozesse
• Standardisierung der Prozesse
• Vermeidung von Fehlern
• Verbesserung der Produktionsanlagen
• Miteinbeziehung und Qualifizierung der Mitarbeiter.
Ziel der Umsetzung dieser fünf Grundsätze ist, die Verschwendung in allen Prozessen
zu reduzieren, die durch einschleichende Routine und Selbstverständlichkeiten in den
unterschiedlichsten Formen entsteht (Dahm & Haindl 2015: 70). Vergleichbar ist die
Definition von Schniederjans et al. (2018: 3) für Lean als ,,means of waste identification
[…] in operations […] so that it can be removed […] for greater efficiency“. Die Erfol-
ge des Ansatzes sind vor allem in der Automobilindustrie zu verzeichnen, schwappen
aber seit der Jahrtausendwende auch auf andere Branchen über (Dahm & Haindl 2015:
80, 93). Dabei kann LM auf verschiedenste Bereiche übertragen werden. Bei Einsatz
der Philosophie im SCM wird von einer „Lean Supply Chain“ gesprochen (Myerson
2012). Im Vergleich zu einer traditionellen SC liefert sie bei erfolgreicher Umsetzung
beispielsweise kürzere Durchlaufzeiten, weniger Lagerbestand, höhere Flexibilität und
kleinere Losgrößen (Myerson 2012: 32). „Lean Warehousing“ oder „Lean Distribution“
beschreibt äquivalent dazu, die Implementation in ein Distributionscenter und seine
Umgebung (Kille & Bretzke 2014: 197; Zylstra 2006). Die Ähnlichkeit der Vorgänge in
einem Distributionscenter zu denen in einer Produktionsstätte ermöglicht die Übertrag-
barkeit der Methoden (Kille & Bretzke 2014: 197). Somit liegen die Möglichkeiten,
durch Lean Warehousing Effektivität und Effizienz zu verbessern, auf der Hand. Ge-
nauer sollen Prozessschritte, die nicht wertschöpfend sind, eliminiert und Verschwen-
dung innerhalb der Lagerprozesse vermieden werden (Jacobs & Chase 2018: 354). Her-
kömmliche operative Managementziele wie „Minimierung der Produktionskosten“ oder
 16
„Einhaltung der Qualitätsstandards“ werden im LM durch solche wie „Logistik im
Kundentakt“, „Synchronisierung der Prozesse“ oder „Eliminierung von Verschwen-
dung“ erweitert (Augustin 2009: 31). Augustin (2009: 99) geht so weit zu sagen, dass
Lean Warehousing in der Entwicklung des Lagermanagements eine tragende Rolle ein-
nehmen wird.
Trotz des positiven Rufs und einfach scheinenden Theorie ist die Einführung von LM
oft gescheitert. Eine Ursache dafür ist der alleinige Fokus auf Kostensenkung und Rati-
onalisierung, während die Personalentwicklung aufgrund mangelnder Investitionsbereit-
schaft missachtet wird (Dahm & Haindl 2015: 73, 75). Das führt dazu, dass die Vision
des Top-Management nicht bis zur Belegschaft, welche die Methodik im täglichen Ge-
schäft anwenden soll, durchdringt (Dahm & Haindl 2015: 75). An anderer Stelle schei-
terte der Versuch, LM ausschließlich in einzelnen, besonders ineffizienten Divisionen
einzuführen ohne den Ansatz in die gesamte Unternehmensstrategie einzubinden (Dahm
& Haindl 2015: 75).

2.3.1 Prinzipien des Lean Management

Die Literatur zu LM bietet verschieden strukturierte Darbietungen der Elemente oder

Prinzipien von Lean. Reduktion der Verschwendung, schlanke Lieferbeziehungen,
schlanke Layouts, Reduktion von Lagerhaltung und Rüstzeit, kleine Losgrößen, konti-
nuierliche Verbesserung sowie Einbeziehung der Belegschaft sind nach Wisner (2017:
273) etwa die wichtigsten Elemente von Lean. Darüber hinaus ist die Liste der Metho-
den im LM lang. Um in den folgenden Kapiteln einen Einblick in die Philosophie von
Lean zu gewähren, sollen einige bekannte Werkzeuge genauer erläutert werden. Dazu
werden die Elemente von LM in vier Kernziele zusammengefasst (Schniederjans et al.
2018: 11):
1. Eliminierung von Verschwendung,
2. Streben nach verbesserter Qualität,
3. Streben nach erhöhtem Materialfluss und
4. Streben nach Verminderung der Kosten.

2.3.2 Methoden zur Eliminierung von Verschwendung

Zur ersten Kategorie gehört die Identifizierung und Eliminierung der „Sieben Arten der
Verschwendung“ nach Taiichi Ohno (Protzman et al. 2019: 35-36; Schniederjans et al.
2018: 12):
1. Verschwendung durch Überproduktion
 17
2. Verschwendung durch Wartezeit
3. Verschwendung durch Transport
4. Verschwendung durch Komplexität (von Prozessen)
5. Verschwendung durch Bestände
6. Verschwendung durch Bewegung
7. Verschwendung durch Ausschuss.
Einige Autoren fügen noch weitere Arten der Verschwendung, wie die Verschwendung
durch ungenutztes (Mitarbeiter-) Talent oder Verschwendung von Ressourcen zu der
Liste hinzu (Richards 2018: 63; Protzman et al. 2019: 36). Im Rahmen der Identifizie-
rung gilt es, die Aktivitäten eines Prozesses in „value-added“ und „non-value-added“
einzustufen (Myerson 2012: 19). Als Verschwendung zählen alle unnötigen non-value-
added Aktivitäten, da sie dem Produkt aus Sicht des Kunden keinen Wert hinzu fügen
und für die Herstellung nicht benötigt werden (Myerson 2012: 17,19). Dazu gehören
gelagerte, untersuchte, verspätete, wartende und defekte Produkte oder Informationen
(Myerson 2012: 19). Die Verschwendung durch Überproduktion ist jene, die am
schwersten zu eliminieren ist (Protzman et al. 2019: 35). Deswegen, und da sie andere
Arten der Verschwendung hervorruft, sollte auf ihr der größte Fokus liegen
(Schniederjans et al. 2018: 12; Myerson 2012: 22). In der Kommissionierung kommt sie
bspw. in Form von Pufferbeständen, bestehend aus gepickter und zur Sortierung bereiter
Ware vor (Mahfouz & Arisha 2013: 4). Nach der Identifizierung von Verschwendung
ist eine Ursachenanalyse durch die „5-Why“-Methode sinnvoll (Hines et al. 2011: 8). 5-
Why bedeutet, dass wiederholtes Fragen nach dem wirklichen Grund die tieferliegende
Ursache für die Entstehung der Verschwendung aufdeckt (Hines et al. 2011: 8). Wird
Verschwendung durch Überproduktion aufgedeckt, gilt es im zweiten Schritt das „Pull-
Prinzip“ anzuwenden und durch kleinere Losgrößen aber schnelleren Materialfluss den
Überschuss zu verringern bzw. ganz zu vermeiden (Rödig 2012: 94).

2.3.3 Methoden zum Streben nach verbesserter Qualität

Der zweite Bereich beinhaltet das Streben nach verbesserter Qualität durch ein Prozess-
design, das Fehler durch menschliches oder technisches Versagen verhindert
(Schniederjans et al. 2018: 13). Der Lean Ansatz geht davon aus, dass die meisten Feh-
ler durch variierende Prozessdurchführung entstehen (Myerson 2012: 42). Die Lösung
für höhere Profitabilität ist daher die Findung optimaler Prozesse und deren Einführung
als Standardprozess (Myerson 2012: 42). Zur konsequenten Umsetzung des Standard-
prozesses existiert in einem Lean Warehouse zumeist für jeden Prozess eine Standard-
 18
arbeitsanweisung, genannt Standard Operating Procedure (SOP) (Myerson 2012: 42-
44). Im Idealfall verhindern Unternehmen damit, dass Mitarbeiter sich einen individuel-
len, unbeständigen Prozessablauf aneignen (Myerson 2012: 42). Die SOP besteht in der
Regel in Papierform und bringt vor allem neuen Mitarbeitern den definierten Standard-
ablauf Schritt für Schritt nahe. Für komplexere (Teil-)Prozesse kann es ebenfalls sinn-
voll sein, eine einseitige Zusammenfassung der SOP als Arbeitshilfe dauerhaft am Ar-
beitsplatz anzubringen (Myerson 2012: 45). Bei der Erstellung solcher Dokumente ist
gemäß des Lean Ansatzes die Nutzung von Bildmaterial als visuelle Hilfestellung für
die Eingängigkeit der Erklärungen von hoher Bedeutung (Myerson 2012: 45-46).
Standardisierung betrifft neben der Prozessdurchführung auch den Arbeitsplatz, wo die
5S- bzw. zu deutsch 5A-Methode3, Besserung verspicht. Die fünf As stehen für Aussor-
tieren, Aufräumen, Sauberhalten des Arbeitsplatzes, definierte Standards zur Anord-
nung (von Equipment) und ständige Einhaltung und Verbesserung aller Punkte. Prak-
tisch heißt das beispielsweise, dass ungenutzte Werkzeuge und Maschinen auf Flächen
abgelegt oder -gestellt werden, die anhand von Umrissen genau definiert sind. Fehlen-
des Equipment kann dadurch leichter identifiziert und überschüssiges leichter zugeord-
net werden. Eine andere Anwendung ist, dass jeder Mitarbeiter nach Ende seiner
Schicht seinen Arbeitsplatz anhand einer Checkliste aufräumt um ihn auf den Standard
zurück zu setzten. Um damit optimale Ergebnisse zu erzielen sollte die 5A-Methode
von allen Mitarbeitern gelebt werden und in die Unternehmenskultur mit aufgenommen
werden. (Myerson 2012: 48-55) Gemeinsam resultieren die beiden Methoden in einem
Arbeitsplatz bzw. -bereich, der sauberer, ordentlicher und sicherer ist (Augustin 2009:
61; Myerson 2012: 48).

2.3.4 Methoden zum Streben nach erhöhtem Materialfluss

Kernprinzip der dritten Kategorie ist „Just in Time“ (JIT) mit dem Grundsatz, dass Pro-
dukte genau zu dem Zeitpunkt geliefert werden, an dem sie zur Weiterverarbeitung oder
vom Kunden erwartet werden (Schniederjans et al. 2018: 4, 13). In einem JIT-System
besteht keine für die Durchführung der Prozesse überflüssige Lagerhaltung und daher
auch kein unnötiges Transportieren von Waren und Material oder unnötige Inanspruch-
nahme von Ausrüstung und Maschinen (Schniederjans et al. 2018: 5). Um das unter
Einhaltung der Lieferziele zu erreichen ist ein schnellerer Materialfluss bzw. Produkt-
fluss nötig, was bedeutet, dass die Produkte mit erhöhter Geschwindigkeit durch das
Lager prozessiert werden (Schniederjans et al. 2018: 13). Dies wird einerseits durch

3 Die originale Version der 5S-Methode (Protzman et al. 2019: 253ff) befindet sich im Anhang
 19
Informationstechnik ermöglicht, die über Unternehmensgrenzen hinaus auch Lieferan-
ten miteinbezieht (Schniederjans et al. 2018: 14). Andererseits bietet ein synchronisier-
tes Pull-System die Möglichkeit, Prozesszeiten zu verringern und die Geschwindigkeit
des Materialflusses zu erhöhen (Myerson 2012: 63).
Pull wird auch mit „Make-to-Order“ bezeichnet. Dies bedeutet bspw. im produzieren-
den Gewerbe, dass ein Produkt erst produziert wird, wenn der Kunde die Bestellung
ausgelöst hat (Augustin 2009: 11). Im Umfeld des Lagers wird als Kunde der Folgepro-
zess interpretiert. Der Umsetzung des Pull-Prinzips ist der Einsatz von „Kanban“ zuge-
ordnet (Myerson 2012: 62). Im Werk von Dahm & Haindl (2015: 72) ist Kanban als die
„Methode der Produktionsablaufsteuerung in de[r] sich, nach dem „Pullprinzip“, die
Materialausstattung ausschließlich an den Bedürfnissen des entsprechenden Prozess-
schrittes orientiert [...]“ beschrieben. Kanban ist ein Instrument des Visual Management,
es stellt eine Verbindung zwischen Funktionen und visueller Kontrolle dar (Myerson
2012: 63; Protzman et al. 2019: 259). Zur Veranschaulichung der Funktionsweise von
Kanban-Flächen zur Umsetzung des Pull-Prinzips dient die schrittweise Darstellung in
Abbildung 6. Eine freie Kanban-Fläche ist das visuelle Signal für Position 2 mit der
Arbeit fortzufahren (Schritt 1und 4) (Myerson 2012: 62). Ist sie belegt, pausiert Position
2 so lange, bis das blockierende Gut (Gut B) von Position 1 übernommen wird (Schritt
2 und 3). Die letzte Position (hier Position 1) gibt somit den Takt an und „zieht“ die
Produktion voran.

Abbildung 6: Umsetzung des Pull-Prinzips durch Visualisierung mit Kanban-Flächen

(eD)

Zur Vermeidung von Wartezeiten untätiger Mitarbeiter innerhalb eines Pull-Systems

dient die Methode „Line Balancing“. Sie führt durch Kalkulationen mit Takt Time und
Cycle Time im Optimalfall zur Eliminierung von Bottlenecks und minimaler Ver-
schwendung durch Wartezeit. Cycle Time bedeutet in diesem Zusammenhang die Zeit-
 20
spanne, die zur Fertigstellung eines Produkts benötigt wird. Die Takt Time dagegen ist
die für Produktion eines Produkts zur Verfügung stehende Zeit. Bestehen an einem Ar-
beitstag von acht Stunden beispielweise 100 Bestellungen, kann die Zusammenstellung
jeder Bestellung laut Takt Time 4:48 Minuten dauern. (Myerson 2012: 15-18)
Für das Line Balancing gilt es nach Errechnung der Takt Time, die tatsächlichen Pro-
zesszeiten (Cycle Time) an den Takt anzupassen (Townsend 2012: 33). Sind die Unter-
schiede zwischen Takt Time und den einzelnen Prozesszeiten zu hoch, würde ein Pull-
System Unproduktivität hervorrufen (Townsend 2012: 33).

2.3.5 Methoden zum Streben nach Verminderung der Kosten

Nach Schniederjans et al. (2018: 14) führt Verfolgung aller vorangegangenen drei Ziele
zu Verminderung der Produktionskosten und zur Verbesserung von Qualität. Dies liegt
laut ihnen darin begründet, dass die bisher beschriebenen Methoden aus LM direkt oder
indirekt eine Reduktion von benötigten Ressourcen bewirken. Weniger Arbeitszeit,
Equipment, Fläche oder Materialressourcen resultiert in geringeren Prozesskosten. Zu-
sätzlich wird weniger Lagerhaltung in Bezug auf Produkte und Material betrieben. All
das kommt mit einer Reduktion der Logistikkosten überein. Diese bestehen aus laufen-
den Kosten wie Personal- und Materialkosten aber auch weniger präsenten Kosten wie
Kapitalbindungskosten, Kosten für Versicherung, Kontrollen, Sicherheit, Steuern, In-
standhaltung, Defekte, Rechnungswesen usw.
Das Endziel ist die reduzierten Kosten auf den Endkunden zu übertragen (Protzman et
al. 2019: 43). Dadurch ist es möglich mit Lean doppelt zu profitieren: Einerseits durch
Kostenreduktion und andererseits durch Gewinn an Marktanteil und Umsatz
(Schniederjans et al. 2018: 14).

2.4 Literaturüberblick

Vor dem Hintergrund, dass E-Commerce Logistik eine relativ neue und innovative
Sparte der Handelslogistik darstellt, existieren viele junge Werke für diesen Themenbe-
reich (Cho et al. 2008: 337). Bartholdi III & Hackman (2017), Furmans & Kilger (2019)
sowie Ten Hompel et al. (2019) beleuchten die Distributionslogistik im E-Commerce
umfangreich und gehen detailliert auf Kommissioniersysteme ein. Andere Werke, in
denen die Autoren auch ohne Fokus auf E-Commerce weitreichende Informationen zu
den Themen Distributionslogistik und Kommissionierung bieten, sind von Martin
(2014), Schuh & Stich (2013), Ten Hompel & Schmidt (2008) und Schulte (2016).
 21
Weiterhin hat effiziente Distribution einen positiven Effekt auf den Unternehmenser-
folg, weshalb auch der Optimierung von Distribution in der wissenschaftlichen Literatur
viel Beachtung geschenkt wird (Cho et al. 2008: 352). Die Forschung zur Optimierung
von operativen Prozessen im Distributionscenter fokussiert sich stark auf Auftragsab-
wicklung (Leung et al. 2018; Narayanan et al. 2019). Abbildung 7 ordnet eine Auswahl
wissenschaftlicher Artikel aus dem B2C E-Commerce den drei Prozessen Picken, Sor-
tieren und Packen zu.
Bei manuellen Pick-Systemen wurde bestätigt, dass verschiedene Ansätze für Order
Batching Algorithmen Wegzeiten von Pickern enorm verringern (Pan et al. 2015;
Scholz & Wascher 2017; Leung et al. 2018; Matusiak et al. 2014). Daneben wurde be-
stätigt, dass die Verteilung der Lagerorte ebenfalls einen Einfluss auf Pick-Zeiten hat
(Weidinger & Boysen 2018). Bei De Koster et al. (2007) wird unter anderem der Ein-
fluss von Pick-Strategien auf die Sortierung der Produkte beschrieben. Boysen et al.
(2019b) erläutern darüber hinaus das Zusammenspiel zwischen Sortierung und Verpa-
ckung von Bestellungen, ohne dabei genauer auf das Verpacken einzugehen. Obwohl in
beinahe allen Bereichen der Kommissionierung Automatisierungsmöglichkeiten herr-
schen, ist die Anwendung im Pick am besten untersucht und ihr Erfolg bestätigt (Bloss
2011; Boysen et al. 2019a). Wie aus den vorangegangenen Forschungsergebnissen und
der Übersicht in Abbildung 7 ersichtlich wird, fokussieren sich die meisten Autoren auf
den Pickprozess. Gu et al. bestätigen dies in ihren Literaturanalysen aus 2007 und 2010.
Sie gehen in beiden Werken auf über 100 Forschungen zu Distributionslogistik ein und
kritisieren abschließend die Einseitigkeit der Forschungsschwerpunkte auf den Pickpro-
zess. Gu et al. (2007) kommt zu dem Ergebnis, dass sich 38% der einbezogenen For-
schung zum Pickprozess auf die Routenplanung und 32% auf die Lagerpositionen von
Produkten bezieht. Die hier vorgestellten Forschungsartikel bestätigen die Existenz die-
ser Schwerpunkte bis ins Jahr 2019.

Abbildung 7: Forschungen zu Kommissionierung im B2C E-Commerce (eD)

 22
Die Priorisierung des Pick-Bereichs ist in Anbetracht der Kostenverteilung unter den
Lagerprozessen kaum verwunderlich (Gu et al. 2007: 17). Auf der anderen Seite führt
dies dazu, dass kaum wissenschaftliche Arbeiten im E-Commerce existieren, die ihren
Schwerpunkt auf den Verpackungs-Prozess legen. Bei Boysen et al. (2019b) und Leung
et al. (2018) sind lediglich Ergebnisse in der Optimierung von Packzeiten aufgezeigt, es
findet jedoch keine Analyse der Prozessabläufe statt. Eine rein informative Auseinan-
dersetzungen mit allen Facetten des Verpackungsprozesses ohne Schwerpunkt auf
Packvorgänge im E-Commerce liefert die Dissertation von Dzeik (2008). Weiblen
(2014) fokussiert sich in ihrer Dissertation zwar auf die Verpackungsprozesse von Ver-
sandunternehmen und erarbeitet eine Formel zur Berechnung der Bearbeitungszeit, geht
aber nicht genauer auf deren Optimierung ein. Die vorherrschende Forschungslücke
bezüglich des Verpackungsprozesses im B2C E-Commerce ist ein Anlass für die Ent-
stehung dieser Abschlussarbeit.
Ein weiterer Schwerpunkt der Arbeit besteht in der Implementierung von LM. Wie die
Bestandsaufnahme von Augustin (2009) zeigt, war LM vor zehn Jahren in Deutschland
noch ein relativ neuer und selten angewandter Managementansatz. Mittlerweile geben
Wissenschaftler der Anwendung von LM im SC Umfeld mehr Aufmerksamkeit und
vertiefen sich auch auf die Distributionslogistik (Myerson 2012; Schniederjans et al.
2018; Drohomeretski et al. 2014; Abushaikha et al. 2018: 781; Zylstra 2006). Allerdings
beruht die Literatur zu Lean Warehousing oft auf Praxisbeispielen von Unternehmen
verschiedener Branchen (Dahm & Haindl 2015; Furmans & Wlcek 2012; Rödig 2012;
Koether & Meier 2017).
Im Umfeld von Lean Warehousing arbeiten Myerson (2012) und Schniederjans et al.
(2018) allgemeine Empfehlungen zur verschiedenen Methoden des LM heraus, die
durch Erstreben der vier Kernziele von Lean zur effizienteren Distribution führen sol-
len. Eines dieser Kernziele ist die Eliminierung von Verschwendung. Der Effekt von
Verschwendungsreduktion auf Lager- und Distributionsperformance wird von
Abushaikha et al. (2018) bestätigt. Performanceverbesserung durch LM betrifft nicht
nur Kosteneffizienz, sondern auch Verbesserungen in Servicelevel und Produktionsfle-
xibilität (Drohomeretski et al. 2014). Zur konkreten Anwendung von LM in E-
Commerce Distributionscentern gibt Myerson (2012: 90-93) praxisnahe Handlungsemp-
fehlungen anhand eines Beispiels vom Logistikdienstleister Menlo Logistics4. Einige
davon werden im Tagungsbericht von Mahfouz & Arisha (2013) in ihren Effekten auf
Lagerhaltung, Produktion, Personalmanagement, Qualität, Design und Lieferantenbe-
ziehungen untersucht und bestätigt. Allerdings fehlt es an Forschungsarbeiten, die sich
4 Weltweit operierendes, US-amerikanisches Unternehmen für Third Party Logistics und Supply Chain
Management
 23
konkreter mit der Anwendung von LM in E-Commerce Kommissionierprozessen be-
schäftigen. Ein Großteil der Autoren analysieren Lean weiterhin nur im produzierenden
Gewerbe (Lean Manufacturing oder Lean Production) (Fullerton et al. 2014; Camuffo &
Gerli 2018; Drohomeretski et al. 2014).
Nicht zu vernachlässigen ist, dass LM zu einem großen Teil auch die weichen Faktoren
eines Unternehmens betrifft (Schniederjans et al. 2018: 7-8). Untersuchungen zum Ef-
fekt von Unternehmenskultur haben ergeben, dass sie an die Prinzipien von LM ange-
passt sein muss, um eine erfolgreiche Integration von LM in den täglichen Betrieb ge-
währleisten zu können (Bortolotti et al. 2015; Alves & Alves 2015). Je verbreiteter das
Managementverhalten danach ausgerichtet ist, desto mehr findet LM Akzeptanz bei den
Mitarbeitern (Camuffo & Gerli 2018).
Zuletzt sei die Verwendung von Simulation für Forschung im Logistikbereichs aufge-
griffen. Gu et al. (2010) kommen zu dem Schluss, dass Simulation Möglichkeiten zur
Umsetzung von Details bietet und aufgrund der folglich umfangreicheren Ergebnisse für
Forschungsvorhaben im Bereich der Distributionslogistik geeignet ist. Dies ist von eini-
gen erfolgreichen aktuellen Artikeln bestätigt (Boysen et al. 2019b; Caputo &
Pelagagge 2006; Ekren & Heragu 2010). Bewährte Vorgehensweisen sowie Richtlinien
zur Erstellung von Simulationsstudien in der Logistik liefern Wenzel (2018), Eley
(2012) und Gutenschwager et al. (2017) in ihren Werken. Zur Vereinfachung der Erstel-
lung von Simulationsstudien hat Pidd (1995) darüber hinaus einen Drei-Phasen-Ansatz
entwickelt, welcher auf Orientierung an Objektzuständen basiert.
Zusammenfassend besteht für den E-Commerce sowohl bei der Optimierung von Ver-
packungsprozessen als auch für die Eignung von LM zur Optimierung der Kommissio-
nierprozesse ein Forschungsdefizit. Aus diesem Grund soll in dieser Arbeit eine alterna-
tive Prozessstruktur für den Packprozess erarbeitet werden, welche die Umsetzung von
Methoden aus dem LM in der Kommissionierung ermöglicht. Anschließend findet eine
Untersuchung des Einflusses dieser Umstrukturierung auf die Leistungsfähigkeit eines
E-Commerce Kommissioniersystems statt. Wie die Literatur gezeigt hat, ist Simulation
ein mögliches Mittel zur Klärung von Forschungsfragen der Logistik. Aufgrund dessen
soll die Untersuchung anhand einer ereignisdiskreten Simulationsstudie stattfinden.
 24
3 Methodik

In diesem Kapitel wird die Methodik der Simulation, speziell die ereignisdiskrete Com-
putersimulation und ihre Rolle für die operative Logistik erläutert. Ergänzend wird auf
den Ablauf einer Simulationsstudie, wie sie in dieser Arbeit durchgeführt wird, einge-
gangen. Ziel ist, durch die Erläuterungen ein Verständnis der Methode und ihrer An-
wendung in dieser Arbeit zu vermitteln. Die konkrete Vorgehensweise wird anschlie-
ßend in Kapitel 4 erarbeitet.

3.1 Allgemeines zu Simulation

Simulation dient als Überbegriff für eine Methode, bei der Problem- oder Fragestellun-
gen anhand einer Simulationsstudie analysiert werden (Gutenschwager et al. 2017: 22).
Zur Erstellung der Studie ist die Verwirklichung eines realen Systems als experimen-
tierbares Modell nötig. Die Simulationsstudie ermöglicht daraufhin mit Hilfe des mo-
dellierten Systems Aussagen über dessen Verhalten zu treffen, ohne das wirkliche Sys-
tem zu beeinflussen (Gutenschwager et al. 2017: 22). Genauer besteht eine Simulations-
studie aus mehreren Simulationsdurchläufen (VDI 2014: 3). Durchläufe eines Simulati-
onsmodells mit individueller Zusammenstellung der Eingabewerte werden Simulations-
experiment genannt (Rabe et al. 2008: 13). Bezüglich der Eingabewerte wird zwischen
nicht veränderbaren Parametern, zufälligen Größen auf Basis empirischer oder statisti-
scher Verteilungen sowie Entscheidungsvariablen unterschieden (Eley 2012: 4). Nach
Beendigung der Simulationsstudie besteht die Möglichkeit die Erkenntnisse auf das
reale System zu übertragen (VDI 2014: 3).
Ferner wird laut Gutenschwager et al. (2017: 52-55) zwischen mehreren Simulations-
methoden unterschieden. Diese beziehen sich auf das Verhalten der Zeit in einer Simu-
lation und wird entweder als kontinuierlich oder diskret eingestuft. In einer zeitkontinu-
ierlichen Simulation besteht die Zeitmenge aus allen positiven reellen Zahlen5 eines
Zeitintervalls, während in einer zeitdiskreten Simulation nur vorher festgelegte Zeit-
punkte in die Zeitmenge einfließen. Tiefergehend wird von ihnen für die diskrete Simu-
lation unterschieden, ob die Zeitpunkte mit regelmäßigem Abstand (z.B. alle 10 Sekun-
den) vorkommen oder von jeglichen Zustandsänderungen bzw. Ereignissen definiert
werden. Ersteres wird diskret zeitgesteuerte Simulation und Zweites diskret ereignisge-
steuerte oder ereignisdiskrete Simulation genannt.

5 Inklusive der Zahl Null.

 25
Die ereignisdiskrete Methode eignet sich ideal für die Simulation von logistischen Sys-
temen, weshalb sie für die in Kapitel 4 und 5 folgende Simulationsstudie Anwendung
findet (Eley 2012: 8). Als Hilfsmittel zur Erstellung und Durchführung der Studie dient
die Simulationssoftware Arena. Wenn, wie in dieser Arbeit, die Modellierung durch
eine Software zu einem als Computerprogramm ablauffähigem Modell führt, wird unter
dem Begriff Simulation eine Computersimulation verstanden (Gutenschwager et al.
2017: 22).

3.2 Bewertung alternativer Analysemethoden

Ein Nachteil von Simulation ist der hohe Aufwand, der mit der Erstellung einer Simula-
tionsstudie verbunden ist (Gutenschwager et al. 2017: 48). Daher ist genau zu prüfen,
ob für die Untersuchung der Problemstellung durch kostengünstigere Analysemethoden
ebenso zielführend ist. In der Produktion und Logistik sind bspw. mathematische Opti-
mierungsmodelle, Heuristiken oder Warteschlangentheoretische Ansätze gängige alter-
native Problemlösungsmethoden (Gutenschwager et al. 2017: 27-29). Nachfolgend wird
die Erörterung von Gutenschwager et al. (2017: 30-37) zu den Anwendungsgrenzen der
aufgezählten Alternativen zusammengefasst.
Die Grenzen der mathematischen Optimierung liegen in der Komplexität der Problem-
stellung und der Größe der Probleminstanz. Je komplexer das Problem, desto umfang-
reicher sind Zielfunktion und Nebenbedingungen und mit größer werdender Proble-
minstanz steigt die Laufzeit eines Optimierungsmodells exponentiell auf mehrere Stun-
den bis Tage. Ein Weg diese Grenzen zu überwinden ist der Einsatz von Heuristiken.
Jedoch herrscht bei Heuristiken ein bekanntes Problem bei der Findung der tatsächlich
besten Lösung. Es existieren für ein Problem meist mehrere lokale Optima und die
Funktionsweise von Heuristiken sorgt zusätzlich dafür, dass nicht erkennbar ist, ob es
sich um das tatsächliche oder nur ein lokales Optimum handelt.
Für Warteschlangentheoretische Ansätze existieren vereinfachende Annahmen wie die
ständige Versorgung der Startstation, azyklische Stationsanordnung sowie Vernachläs-
sigung von Transportzeiten und Materialverbrauch.

3.3 Vorteile von Simulation für das Operations Management

Besonders bei dieser Methode ist, dass Experimente zwar sehr realitätsnah sind, aber
nicht oder nicht ausschließlich am realen System, sondern an einem Simulationsmodell
durchgeführt werden (Gutenschwager et al. 2017: 22; Eley 2012: 8). Dementsprechend
nutzen Unternehmen diese Methode speziell für Entscheidungen von wesentlichem Ein-
 26
fluss, wenn die operativen Prozesse nicht ohne erhebliches Risiko unterbrochen werden
können und die Konsequenzen nicht ersichtlich sind (Gutenschwager et al. 2017: 49;
Rabe et al. 2008: 1). Dazu bietet die Simulation umfangreiche Möglichkeiten in vielen
Teildisziplinen der operativen Logistik (Eley 2012: 5-6). Ebenso weitreichend sind die
Vorteile durch den Einsatz in der Logistik (Eley 2012: 6). Durch Simulation können
Ideen und alternative Strategien kostengünstiger und ohne Einfluss auf das Tagesge-
schäft getestet und anhand von KPIs bewertet werden (Eley 2012: 6; Gutenschwager et
al. 2017: 49). Sie bietet zusätzlich eine abgesicherte Entscheidungsgrundlage und führt
zu einem besseren Systemverständnis bei Management, Mitarbeitern, Kunden und Lie-
feranten (Eley 2012: 6; Gutenschwager et al. 2017: 49). Weiter werden Engpässe bspw.
in Form von verminderten Materiallieferungen mit Hilfe von Simulation frühzeitig auf-
gedeckt (Arndt 2008: 96). Daraufhin ist eine schnelle, präventive Reaktion auf sich ver-
ändernde Systeme möglich (Eley 2012: 6).
Auch im Operations Management von E-Commerce Distributionscentern können die
aufeinander abgestimmten Vorgänge nicht einfach verändert werden ohne Performance-
einbußen zu riskieren. Durch den hohen Anspruch der Endkunden an die Lieferzeit und
Liefergenauigkeit (siehe Kapitel 2.2) ist Simulation eine weit verbreitete Analyseme-
thode. Dies bezieht sich auf standortübergreifende, standortbasierte und bereichsspezifi-
sche Problemstellungen (Gutenschwager et al. 2017: 46).

3.4 Vorgehensmodell für Simulationsstudien

Der Ablauf von Simulationsstudien orientiert sich grob an den folgenden vier Schritten
(Eley 2012: 4):
1. Erstellung des Simulationsmodells
2. Durchführung der Simulationsdurchläufe
3. Interpretation der Ergebnisse
4. Übertragung auf die Wirklichkeit.
Zur genaueren Betrachtung des Verfahrens wird in Abbildung 8 das Vorgehensmodell
von Rabe et al. (2008: 5) herangezogen. Dieses dient ebenfalls zur Orientierung für die
Simulationsstudie dieser Arbeit.
Die Modellerstellung zur Abbildung des realen Systems ist i.d.R. der umfangreichste
Schritt. Dieser Teil umfasst in Abbildung 8 die Stufen „Zielbeschreibung“ bis „Aus-
führbares Modell“. Mit der Ziel- und Aufgabendefinition wird zuerst die Problemstel-
lung beschrieben, geprüft ob das Problem simulationswürdig ist und der Umfang ge-
genüber anderen Problemstellungen abgegrenzt (Wenzel 2018: 21). Anschließend ent-
 27
steht mit dem Konzeptmodell ein nicht experimentierbares, theoretisches Modell an-
hand dessen Wechselwirkungen und Ablaufregelungen anhand von graphischer Darstel-
lung beleuchtet werden (Wenzel 2018: 23). Durch Formalisierung wird die bisher text-
liche Beschreibung des Konzeptmodells in einen genaueren Programmablaufplan um-
gesetzt, um schlussendlich mit Hilfe der Implementierung in ein experimentierbares
Modell überführt zu werden (Gutenschwager et al. 2017: 144). Für die Durchführung
sind die Prozesse Datenbeschaffung und Datenaufbereitung ebenfalls essentiell, sind
aber zeitlich unabhängig von der restlichen Reihenfolge (Gutenschwager et al. 2017:
145). Die Anzahl der Simulationsdurchläufe im zweiten Schritt hängt wesentlich von
der Entscheidung für oder gegen den Einsatz von zufallsabhängigen Eingabewerten ab
(Eley 2012: 4). Ohne Zufallszahlen genügt ein Simulationsdurchlauf, um die Ergebnisse
des Modells zu diskutieren. Zufällige Eingabewerte haben dagegen zur Folge, dass sich
das Simulationsmodell in jedem Durchlauf unterschiedlich verhält, was zu Varianz in
den Ergebnissen führt (Eley 2012: 4). Für verlässliche Ergebnisse sind daher mehrere
Simulationsläufe notwendig (Eley 2012: 4). Zur Ergebnisinterpretation gehören die sta-
tistische Analyse der Ergebnisse und logische Schlussfolgerung auf das reale System
(Altiok & Melamed 2007: 6). Mittels der Simulationsergebnisse wird im letzten Schritt
nach Möglichkeit eine Empfehlung zur Problemlösung für das wirkliche System ausge-
sprochen, welche anschließend umgesetzt werden kann (Altiok & Melamed 2007: 6;
Eley 2012: 4-5).
Bei der Durchführung einer Simulationsstudie ist anzunehmen, dass die systematische
Orientierung an einem, in der Literatur weit verbreiteten Vorgehensmodell, zur Mini-
mierung des Arbeitsaufwandes sowie Fehlern führt (Gutenschwager et al. 2017: 145).
Aufgrund dessen lehnt sich der Verlauf von Kapitel 4 und 5 stark an die diskutierte Rei-
henfolge.

Abbildung 8: Vorgehensmodell bei der Simulation mit V&V (Rabe et al. 2008: 5)
 28
4 Modellbeschreibung

Es ist zu erwarten, dass der Umsatz im B2C E-Commerce bis 2023 weiter steigt. Das
stärkste Wachstum ist mit knapp 17% jährlichem Umsatzzuwachs für die Branche Le-
bensmittel und Drogerie vorausgesagt. Danach kommen Elektronik und Medien mit
16% sowie Möbel und Haushalt mit 10%. (Statista 2019) Vor diesem Hintergrund und
der dennoch häufigen Ineffizienz von Kommissionierungsprozessen in Distributions-
centern soll in diesem Kapitel eine Strategie zur Steigerung der Effizienz von Kommis-
sioniersystemen erarbeitet werden.
Der Pickprozess wurde in Literatur und Praxis in der Vergangenheit ausgiebig behan-
delt. Es ist anzunehmen, dass die erarbeiteten Optimierungsansätze zumindest in der
Theorie das Optimierungspotential nahezu ausgeschöpft haben. Aus diesem Grund
widmet sich diese Untersuchung stattdessen dem Packprozess. Zunächst erfolgt eine
Vorstellung verbreiteter Optimierungsstrategien, um daraus im Anschluss eine Prozess-
revolution zu erarbeiten. Genauer bezieht sich der erarbeitete Optimierungsvorschlag
auf den Packprozess und dessen Schnittstelle zum vorgelagerten Sortierungsprozess.
Zum Vergleich zwischen der erarbeiteten Neustrukturierung und dem herkömmlichen
Packprozess (siehe Kapitel 2.2.2) wird eine Simulationsstudie angefertigt. Diese bein-
haltet beide Prozesse als separate Modelle und vergleicht die Leistungsfähigkeit der
konkurrierenden Systeme in verschiedenen Szenarien anhand von KPIs.

4.1 Optimierungsstrategien für Kommissionierprozesse

Sehr große E-Commerce Unternehmen wie Zalando beschäftigen um die 80 Packlinien,

die von zahlreichen Pickern und Sortieren beliefert werden (Schnettler 2016). Kleine
Defizite im Prozess bedeuten aufgrund dieses hohen Faktors bereits hohe Einbußen für
das Unternehmen. Aus diesem Grund steckt in der Verbesserung viel Potential.
Bei modernen Kommissioniersystemen stellen sich allerdings einige Herausforderun-
gen, die dafür sorgen, dass die Performancepotentiale nicht ausgenutzt werden und Pro-
zesse bzw. Prozessabläufe fehlerbehaftet sein können (siehe Kapitel 2.2.3). Zur Lösung
dieser Problematik werden drei Ansätze zur Optimierung der Kommissionierung aufge-
zeigt und Beschränkungen in der Übertragung dieser Ansätze auf den herkömmlichen
Packprozess identifiziert. Hierfür wird die in Kapitel 2.2.2 erläuterte Vorgehensweise
des Packers als bisherigerer Packprozess gesehen, so wie er aktuell in den E-Commerce
Distributionscentern verbreitet ist. Anschließend wird ein Lösungsvorschlag für eine
Umstrukturierung des Packprozesses dargelegt.
 29
4.1.1 Anwendung von Methoden des Lean Managements

Der erste Optimierungsansatz beinhaltet die Anwendung bestimmter Methoden aus dem
LM. Eine Herangehensweise ist die Einführung von Standardisierung in Bezug auf Pro-
zessablauf und Arbeitsplatz (Myerson 2012: 90-92; Schniederjans et al. 2018: 6). Unter
Zuhilfenahme von Standardanweisungen (SOPs) führen Picker, Sortierer und Packer
Prozessschritte in einheitlicher Reihenfolge und Bewegungsablauf durch (Myerson
2012: 42). Die Standardprozesse werden in regelmäßigen Abständen durch eine Best
Practice Analyse von den ausführenden Mitarbeitern optimiert (Mahfouz & Arisha
2013: 6; Myerson 2012: 44). Dies entgegnet den Nachteilen variabler Prozessdurchfüh-
rung, bei der eine hohe Wahrscheinlichkeit für die Entstehung von Verschwendung
durch Ausschuss entsteht (Protzman et al. 2019: 37). Die Standardisierung im Kontext
der Kommissionierung bietet weniger Angriffsfläche für Defekte bei Produkten und
Kundenbestellungen (siehe Kapitel 2.3.3).
In erster Linie geht mit Standardisierung sehr wahrscheinlich eine Verbesserung des
Servicelevels einher, da die Fehlerrate einen negativen Einfluss auf die Kundenzufrie-
denheit hat (siehe Kapitel 2.2.3). Zusätzlich profitieren Kommissioniersysteme von der
visuellen Gestaltung des Trainingsmaterial, da SOPs anhand dessen einfach verständ-
lich sind und weniger personalaufwändiges Anlernen der Mitarbeiter nötig ist (Arndt
2008: 95). Außerdem verkürzt und glättet sich die beanspruchte Zeit für den Prozess
(Kille & Bretzke 2014: 199). Die Konsequenz von verkürzter Bearbeitungszeit sind
geringere Personalkosten und höhere Durchlaufraten (Martin 2014: 350). Ein Vorteil
durch Glättung der Prozesszeiten sind planbarere Prozesse, wodurch genauere Vorher-
sagen bezüglich Personalplanung und Lieferzeitenangaben möglich sind (Kille &
Bretzke 2014: 199).
Des weiteren kann der positive Effekt der Anwendung von 5S auf den Arbeitsplatz auch
auf das Kommissioniersystem übertragen werden (Myerson 2012: 88). Weniger Such-
zeiten durch Vereinheitlichung der Ablageflächen für Werkzeuge bei allen Packlinien
führen zudem zu Einsparungen bei der Prozesszeit (Schniederjans et al. 2018: 17).
Eine andere Methode zur Qualitätsverbesserung mittels LM ist, die Pufferstrategie zu
überarbeiten und durch das Pull-Prinzip von Sicherheitspuffern (im LM auch „just in
case storage“) auf viel geringere Notfallpuffer umzusteigen (Myerson 2012: 90;
Mahfouz & Arisha 2013: 6). Mit der Anwendung des Pull-Prinzips für Kommissionier-
systeme ist die Einführung der Kanban-Methode verbunden (siehe Kapitel 2.3.4). Bei
Umsetzung regelt sie Pufferzonen und die Übergabe von Handhabungseinheiten (Pro-
dukte oder Bestellungen) zwischen den Hauptprozessen Picken, Sortieren und Packen.
 30
Durch Unterbindung von sich unkontrolliert entwickelnden Zwischenpuffern und genau
definierten Prozessinteraktionen wird das „Work in Process“-Inventar (WIP) vermin-
dert. Folglich adressiert die Einführung von Kanban hier die Eliminierung von zwei
Arten der Verschwendung: Verschwendung durch Überproduktion und Verschwendung
durch Inventar (Myerson 2012: 20, 23). Indirekt wird Verschwendung durch unnötigen
Transport und Bewegung ebenfalls vermieden. Einsparungen finden somit im Bereich
der Kapitalbindungskosten statt, da weniger Inventar und Lagerplatz für Zwischenpuf-
ferflächen benötigt wird (Myerson 2012: 20; Schuh et al. 2013: 19). Ebenso gehören
Personalkosten für die zusätzlichen Transporte durch Zwischenlagerung zum Einspar-
potential durch Kanban (Myerson 2012: 21-22).
Beschränkungen:
Zur Standardisierung wird sehr detailliertes Prozesswissen benötigt (Myerson 2012: 42-
44). Dazu gehört auch Wissen über typische Prozessfehler, die von Außenstehenden
nicht wahrgenommen werden. Dieses steckt nur in den Köpfen der ausführenden Mitar-
beiter, bis es durch Dokumentation festgehalten wird (Arndt 2008: 95). Je größer der
Prozess ist, desto schwerer ist es für die Mitarbeiter, tatsächliche Fehlerquellen zu iden-
tifizieren. Vor allem für die komplexen Prozessabläufe von Picken und Packen wird
daher erwartet, dass Best Practice Analyse eher langwierig ist, als schnell und effizient
abzulaufen.
In Kapitel 2.3.4 wurde beschrieben, dass Pull ohne Line Balancing unter variablen Pro-
zesszeiten zu hohen Wartezeiten durch untätige Mitarbeiter führt. Im Beispiel der
Kommissionierung sind die Prozesszeiten von Picken, Sortieren, Packen untereinander
und für Picken und Packen auch innerhalb der Prozessdurchläufe stark unterschiedlich.
Abbildung 9 veranschaulicht diesen Unterschied anhand der Bearbeitungszeiten für
Bestellungen mit durchschnittlich drei Produkten. Dabei sind die Bearbeitungszeiten bei
einem einstufigen Pick-Vorgang in Rot dargestellt (Leung et al. 2018: 396). Grün sind
Bearbeitungszeiten, die laut Leung et al. (2018) durch Umstrukturierung zum mehrstu-
figen Pickprozesses durch Order Batching erreicht werden können. Wie zu sehen ist,
bleibt in beiden Fällen eine ungefähre Übereinstimmung aller drei Prozesszeiten aus.

Picken
Sortieren
Packen
0 1 2 3 4 5 6 7 8
Minuten

Abbildung 9: Durchschnittliche Bearbeitungszeit für eine Bestellung (siehe Anhang C)

 31
Ohne Veränderung durch Line Balancing bedeutet dies, dass die Steuerung des Kom-
missioniersystems durch Pull sehr unflexibel ist und die langen Prozesszeiten zu langen
Wartezeiten führen können. Wartezeiten sind bspw. minimiert, wenn acht Picker6 einen
Sortierer mit Produkten beliefen, der wiederum neun Packer7 mit Bestellungen versorgt.
Sobald das Bestellaufkommen steigt, muss die Kapazität dieses Kommissioniersystems
anhand von zusätzlichem Mitarbeitereinsatz erhöht werden. Für den seltenen Fall, dass
sich die Nachfrage verdoppelt, bleiben die Wartezeiten des Systems minimal. Ist dies
aber nicht der Fall, entstehen Wartezeiten untätiger Mitarbeiter. Folglich ist die Anpas-
sung des Packprozesses durch Line Balancing notwendig, um ein flexibleres Pull-
System umsetzen zu können.
Pull kann darüber hinaus nicht innerhalb der drei Kommissionierprozesse implementiert
werden, da die Hauptprozesse jeweils von einem Mitarbeiter erledigt werden. Kanban
ist dagegen eine Methode, die bei Interaktion zwischen zwei Mitarbeitern genutzt wird.
Ihre Anwendung wäre daher auf 2 Schnittstellen zwischen Picken und Sortieren sowie
zwischen Sortieren und Packen beschränkt.
Der Verständlichkeit halber wird die ermittelte Bearbeitungszeit von 1:49 Minuten für
das Packen für den restlichen Verlauf der Arbeit auf zwei Minuten aufgerundet.

4.1.2 Automatisierung

Automatisierung wird für die folgenden Kapitel so verstanden, dass Prozesse vollstän-
dig von Robotertechnik durchgeführt werden. Die großen Vorteile darin sind geringe
Fehlerquoten, geringe variable Kosten sowie hohe Verfügbarkeit, Planbarkeit und Vo-
lumina (Auffermann et al. 2016: 72; Schniederjans et al. 2018: 8). Für Bereiche, in de-
nen Kommissionierprozesse klar definiert sind und Bewegungen sich oft wiederholen,
ist Automatisierung eine gute Lösung, um menschliche Fehler zu eliminieren und die
Produktivität zu erhöhen (Schniederjans et al. 2018: 8-9). Im Zusammenhang mit Pick-
Systemen gibt es bereits vollautomatisierte Lösungen, die in der Wissenschaft diskutiert
und optimiert werden (Caputo & Pelagagge 2006: 1361; Boysen et al. 2019a; Battini et
al. 2016). Allerdings handelt es sich bei den untersuchten Gegebenheiten meist um Sys-
teme mit kleinen und leichten Produkten. Es gibt weiteres Potential in der Handhabung
schwerer Produkte, die nur unter Zuhilfenahme von Lastenhebemaschinen oder 2-
Mann-Handling8 gepickt bzw. gepackt werden können. Hierfür existiert der Ansatz,
speziell für das Picken konzipierte Robotertechnik einzusetzen um ergonomische Ar-

6 Pick-Bearbeitungszeit (1,65 min) / Sortier-Bearbeitungszeit (0,2 min) = 8,25 @ 8

7 Pack-Bearbeitungszeit (1,83 min) / Sortier-Bearbeitungszeit (0,2 min) = 9,15 @ 9
8 Zwei Mitarbeiter bewegen ein besonders schweres oder sperriges Produkt.
 32
beitsbedingungen zu verbessern (Battini et al. 2016). Dies resultiert in einem partiell
automatisierten Pickprozess. Ein ähnliches Konzept mit Unterstützung durch Roboter-
technik existiert auch für den Packprozess (Bloss 2011).
Beschränkungen:
Was Automatisierung dagegen kaum bietet, ist Flexibilität und Anpassungsfähigkeit
(Auffermann et al. 2016: 72). Packprozesse, die vollständig auf Roboter basieren, be-
stehen bisher bspw. bei Mahalik (2009) für Lebensmittelhersteller mit kleiner Produkt-
palette und sortenreinen Paketen. Typisch für den E-Commerce sind allerdings sehr
viele verschiedene SKUs und hohe Variabilität in der Zusammensetzung von Bestellun-
gen. Daraus resultierend ist nahezu kein Packvorgang wie der Andere und es ist schwer,
einen exakten Bewegungsablauf zu definieren. Dies betrifft vor allem die zum Schutz
benötigte Polsterung der Produkte. Anders als im Pick- oder Sortierungs-Prozess hän-
gen viele Bewegungen von Maß, Gewicht, Material oder Fragilität ab. Folglich ist der
Ingenieurs- und Programmierungsaufwand enorm noch, um die notwendige Qualität der
Verpackung zu erreichen. Große Investitionssummen, hoher Programmieraufwand,
technischer Unterhalt und Störungsbeseitigung sind daher Gründe, vollkommene Auto-
matisierung für den Packprozess nicht in Betracht zu ziehen (Auffermann et al. 2016:
72).

4.1.3 Ausgleich der Arbeitsbelastung durch Fertigungssteuerung

Die menschlichen Ressourcen der Kommissionierung sind Lagerarbeiter, wobei zwi-

schen Pickern, Sortierern und Packern differenziert wird. Sobald diese Ressourcen in
ihrer Kapazität limitiert sind, kann es vorkommen, dass die Nachfrage nach einer Res-
source ihre Kapazität übersteigt (Rajakumar et al. 2004: 366). Maßgebend für die Kapa-
zität der Ressource ist die benötigte Bearbeitungszeit.
Die Nachfrage der Ressource „Packer“ besteht z.B. aus den Bestellungen, mit denen der
Sortierer die Regalwand befüllt. Die Kapazität von „Packer“ errechnet sich durch die
Bearbeitungszeit pro Bestellung multipliziert mit der eingesetzten Anzahl Mitarbeiter.
Bspw. können vier Packer mit einer Bearbeitungsdauer von zwei Minuten 120 Bestel-
lungen packen. Wird die Regalwand schneller befüllt, als der Packer sie abarbeiten
kann, entsteht ein Defizit zwischen Kapazität und Nachfrage. Die Folge ist, dass die
Ressource „Packer“ einen Flaschenhals (auch: Bottleneck) darstellt und der Material-
fluss unterbrochen wird (Rajakumar et al. 2004: 366).
Für den Optimierungsansatz, Bearbeitungszeiten durch Ausgleich der Arbeitsbelastung
(Workload Balancing) zu verkürzen, werden folglich Flaschenhals- und Nicht-
 33
Flaschenhalsprozesse unterschieden (Arndt 2008: 81). Flaschenhals-Prozesse sind kri-
tisch und sollen verkürzt werden, da das System seinen maximal möglichen Durchsatz
verfehlt und das WIP sich erhöht (Rajakumar et al. 2006: 240; Rajakumar et al. 2004:
366). Die Ressource mit der größten Differenz zwischen Nachfrage und Kapazität defi-
niert die Unproduktivität durch Wartezeiten für das gesamte System (Rajakumar et al.
2004: 366). Werden die betrieblichen Tätigkeiten dagegen so gesteuert, dass alle vor-
handenen Mitarbeiter und Maschinen zu jeder Zeit tätig sind, findet erfolgreiches Work-
load Balancing statt (Waddington et al. 2009: 1).
Für E-Commerce Kommissionierung existieren viele variable Parameter, die dazu füh-
ren können, dass Ressourcenanforderungen über die Grenzen derer Kapazität hinaus-
steigen. Etwa sind Bestellgröße und Fragilität von Produkten zwei Gründe, warum die
Komplexität des Packprozesses steigt (Boysen et al. 2019b: 188). Das hat zur Folge,
dass die Bearbeitungszeit stark variiert (Weiblen 2014: 11). Neben menschlichen be-
trifft dies auch materielle Ressourcen, wie Pick-Behälter oder Regalwandplätze.
Im vorangegangenen Beispiel variiert die Bearbeitungszeit des Packers mit variierender
Bestellgröße. Eine Herangehensweise wäre daher, während der Sortierung besonders
große mit besonders kleinen Bestellungen auszugleichen, um die durchschnittliche Be-
stellgröße und damit die Nachfrage auf einem Niveau zu halten. Findet ein solcher Aus-
gleich der variablen Kapazitätsbeanspruchung statt, besteht die Möglichkeit, die Opti-
mierung von WIP und Wartezeiten auch auf die Kommissionierung zu übertragen.
Beschränkungen:
Im Falle des beschriebenen Beispiels besteht lediglich eine Beschränkung und zwar
wenn die Steuerung der Sortierung nicht durch ein WMS - z.B. in Form eines „Put-by-
Light“-Systems - optimiert ist, sondern manuell funktioniert. Unter diesen Umständen
wird die Wahl eines Regalfaches durch den Sortierer getroffen. Damit reguliert der Sor-
tierer ebenfalls die Reihenfolge, in der die Bestellungen auf den Packprozess treffen.
Zur Regulierung der durchschnittlichen Bestellmenge müsste der Sortierer vor Festle-
gung des Sortierfaches bereits wissen, welche Größe die neue Bestellung hat. Dies ist in
der Praxis nicht der Fall, da die Übergabe der Produkte zwischen Pick- und Sortierpro-
zess bestellungsunrein geschieht (siehe Kapitel 2.2.2). Zudem ist ohne steuerndes WMS
nicht sicherzustellen, dass der Mix der Bestellungen in einem Pick-Behälter der durch-
schnittlichen Bestellmenge entspricht.
 34
4.1.4 Lösungsvorschlag für Packbereich

In diesem Unterkapitel wird ein Lösungsvorschlag für die Umsetzung der Optimie-
rungsansätze „Lean Management“ und „Workload Balancing“ auf den Packprozess
entwickelt. Wie durch Kapitel 4.1.1 ersichtlich wird, ist die Anwendung von Pull auf
den bisherigen Packprozess wenig sinnvoll. Aus diesem Grund soll der Prozess im Fol-
genden optimiert werden.
Laut Arndt (2008: 79) geht Prozessoptimierung mit Veränderungen einher, durch die
der Prozess seiner Zielsetzung besser entspricht. Veränderung kann entweder durch
Prozessrevolution oder -evolution passieren (Lasch 2018: 146-147). Dazu existieren
verschiedene Varianten wie Zusammenfassen, Beschleunigen, Auslagern von Prozessen
sowie auch die Aufspaltung und Parallelisierung eines Prozesses (Arndt 2008: 80). Pa-
rallelisieren bedeutet, dass mehrere Mitarbeiter zur gleichen Zeit tätig werden. Im hiesi-
gen Fall scheint diese Variante vielversprechend, da Tätigkeiten vorhanden sind, deren
Durchführbarkeit nicht von einer anderen abhängt. So kann etwa das Packmittel sowie
Polstermaterial aufgebaut werden, während die Produkte der Bestellung noch gescannt
werden. Die folgende Erarbeitung besteht daher aus einer Prozessrevolution des Pack-
prozesses durch Aufspalten und teilweises Parallelisieren.
In Abbildung 10 ist dargestellt, wie die in Kapitel 2.2.2 aufgelisteten Tätigkeiten auf
vier Positionen mit ungefähr identischer Bearbeitungszeit aufgeteilt werden. Zur besse-
ren Parallelisierung von Mitarbeiter 1 und 2 beginnt Mitarbeiter 1 mit dem Scannen der
Artikel (2) und stellt danach die Auftragsablage (Rechnung und Versandlabel) bereit
(1). Mitarbeiter 2 kann nach dem Scannen des ersten Artikels mittels WMS das Volu-
men der Bestellung abschätzen und beginnt mit der Bereitstellung (3) und dem Aufbau
des Packmittels (4). Im Anschluss fährt Mitarbeiter 3 mit dem Ablegen der Ware im
Packmittel (5), Sichern der Ware (6) und dem Einlegen der Rechnung (7) fort. Ab-
schließend verschließt Mitarbeiter 4 das Paket, bringt das Versandetikett an (8) und
stellt die verpackte Ware bereit (9).
 35

Abbildung 10: Aufteilung des Packprozesses auf vier Positionen (eD)

Mit der erläuterten Prozessrevolution geht auch eine Restrukturierung des räumlichen
Arbeitsplatzes einher. Das erarbeitete Layout und die Prozesslogik sind in Abbildung 11
ersichtlich. Da der Bewegungsradius und das benötigte Equipment sich stark vermindert
haben, ist es sinnvoll die Arbeitsplätze der vier Positionen an die jeweiligen Tätigkeiten
anzupassen. Zur schnellen Übergabe der Aufträge erscheint es vorteilhaft, alle vier Posi-
tionen an einem Tisch anzuordnen. Die Mitarbeiter haben die Möglichkeit sich auszu-
tauschen und im Ausnahmefall Aufgaben zu verschieben, wenn sie einander zugewandt
sind und Einblick auf die Arbeit des anderen haben (Jacobs & Chase 2018: 180).
An der ersten Position findet der Mitarbeiter unverändert die fertig sortierten Bestellun-
gen in der Regalwand vor. Zum Start des Packvorgangs benötigt er einen Scanner sowie
Zugang zum WMS über ein elektronisches Hilfsmittel (Laptop, Tablet). Mit Hilfe des
WMS gibt er ebenfalls den Druck von Rechnung und Versandetikett in Auftrag und teilt
Position 2 mit, ob für den Schutz der Ware die Verwendung von Polstermaterial nötig
ist. An Position 2 wird Pack- und Polstermaterial benötigt, um das Packmittel vorzube-
reiten. Mitarbeiter 3 packt die Produkte, die ihm Position 1 übergibt, in das von Position
2 vorbereitete Packmittel. Zusätzlich liefert ihm ein Drucker die von Position 1 beauf-
tragte, passende Rechnung zum Einlegen in das Paket. Der Mitarbeiter an Position 4
übernimmt das offene Paket und verschließt es, um anschließend das passende Versan-
detikett anzubringen. Zum Schluss legt er den fertig verpackten Auftrag auf ein Förder-
band, welches das Paket zum nachfolgenden Prozess befördert.
Zur Nutzung der Vorteile das Pull-Prinzips kommen in diesem Prozesslayout Kanban-
Flächen zum Einsatz. Die Kapazität der hiesigen Kanban-Flächen wird in Übergabeein-
heit (hier: Bestellung für Kanban 1 und 3 oder Packmittel für Kanban 2) gemessen. Wie
in Kapitel 2.3.4 erläutert geht die Angleichung der Cycle Times (Line Balancing) zur
Vermeidung von Untätigkeit mit der Implementierung von Kanban einher. Dazu wurde
darauf geachtet, dass die durchschnittlichen Bearbeitungszeiten aller vier Stationen na-
hezu identisch sind.
 36

Abbildung 11: Layout des umstrukturierten Packprozesses (eD)

Um die Entscheidungen, die zum umstrukturieren Prozess-Layout geführt haben, zu

beleuchten, werden die erwarteten Vorteile gegenüber dem bisherigen Prozess nachfol-
gend kurz erläutert.
An erster Stelle wird durch die zeitlich nahezu parallele Anordnung von Position 1 und
2 eine Verminderung der gesamten Bearbeitungszeit erreicht. Durch die Reduzierung
der Komplexität der einzelnen Stationen sinkt die Fehleranfälligkeit des Prozesses
(Protzman et al. 2019: 44). Unter Nutzung der vorgestellten Kanban-Logik kann, drit-
tens, das maximale WIP dieses Prozesses drei Bestellungen betragen. Die bisherige
Verteilung von vier Packmitarbeitern besteht aus vier Packlinien mit je einem Mitarbei-
ter. Im Vergleich dazu bedeutet dies eine Verminderung um 25% . Zudem werden ge-
ringere Losgrößen benötigt, da statt vier Bestellungen alle zwei Minuten nun eine Be-
stellung alle 30 Sekunden verpackt wird. Bei Übertragung auf Sortierung und Pick be-
wirkt dies eine Verminderung des WIP für das gesamte Kommissioniersystem und ver-
spricht flexiblere Anpassung an das Bestellaufkommen (Myerson 2012: 58-59).
In Bezug auf die ergonomische Arbeitsplatzgestaltung bedeutet der neue Prozess eben-
falls eine Verbesserung. Durch Verminderung unterschiedlicher Bewegungsabläufe
einzelner Mitarbeiter ist es einfacher den Arbeitsplatz an die ergonomischen Anforde-
rungen (siehe Kapitel 2.2.3) anzupassen. Ebenfalls geviertelt wird der Bedarf an kost-
spieligem, technischem Equipment. Neue Mitarbeiter müssen außerdem für den ersten
Einsatz an der Packlinie nur noch ein Viertel der Tätigkeiten erlernen. Hill et al. (2016)
haben herausgefunden, dass Menschen die Anderen bei der Ausführung einer Tätigkeit
zuschauen, diese Tätigkeit durch Beobachtung erlernen können. Erstmal an der Packli-
nie eingesetzt, können Mitarbeiter die restlichen drei Teilprozesse demnach weitestge-
 37
hend durch Beobachtung und ergänzende Kommunikation erlernen. In diesem Zusam-
menhang ermöglicht die Verwendung von SOPs die Reduzierung des Personalaufwands
auf ein Minimum. Allerdings besteht durch stromabwärts gerichtete Abhängigkeit der
Mitarbeiter im Vergleich zum herkömmlichen Prozess ein höheres Risiko für Wartezei-
ten. Dies ist vor allem aufgrund der Variabilität als Charakteristikum des Packbereichs
ein Problem. Zur Lösung wird für das umstrukturierte System angenommen, dass
Workload Balancing anhand des Beispiels aus Kapitel 4.1.3 angewandt wird. Genauer
werden Bestellungen während des Sortierprozesses anhand ihrer Produktanzahl in
„klein“ oder „groß“ kategorisiert und abwechselnd an den Packer an Position 1 überge-
ben.

4.2 Untersuchung der Organisationsansätze durch Simulation

Dieses Kapitel dient der Erläuterung der Vorgehensweise bei der Umsetzung des vorge-
stellten Untersuchungsvorhabens. Die bisherige Erarbeitung hat zu einem revolutionier-
ten Packprozess geführt und erörtert, welche möglichen Vorteile dieser Prozess mit sich
bringt. Obwohl ein Unternehmen bei Umsetzung von allen beschriebenen Vorteilen
profitiert, sind es die kosten- und performanceorientierten Indikatoren, die wesentlich
für die Bewertung sind. Sie sind entscheidend zur Beantwortung der Frage, ob der neue
Ansatz weiter erforscht werden sollte und ob eine Einführung in der Praxis sinnvoll ist.
Bis dato ist nicht gewiss, ob der neue Packprozess die Leistungsfähigkeit eines Kom-
missioniersystems tatsächlich steigert. Um seine Vorteilhaftigkeit zu prüfen, wird der
Packprozess in einer Simulationsstudie analysiert.

4.2.1 Zielbeschreibung

Mit Hilfe der Simulationsstudie soll erforscht werden, ob die Umorganisierung in der E-
Commerce Packumgebung zu Performanceverbesserungen führt. Die konkrete For-
schungsfrage lautet daher: „Welchen Einfluss hat die Umorganisierung des Packprozes-
ses auf die Leistungsfähigkeit des Kommissioniersystems?“ Primäres Ziel dieser Simu-
lationsstudie ist die Beantwortung dieser Forschungsfrage.
An das Primärziel sind noch weitere Ziele geknüpft. Etwa soll ein Modell entstehen, das
für weitere Forschungen im Kommissionierbereich wiederverwendbar ist. Außerdem
sollen die Ergebnisse der Studie auf die Praxis übertragbar sein. Hierzu werden Analy-
sen zu verschiedenen Szenarien durchgeführt. Das erwartete Ergebnis beinhaltet erstens
die Beantwortung der Frage über die Leistungssteigerung des Systems durch den revo-
 38
lutionierten Prozess und zweitens eine Aussage über Unterschiede der Ergebnisse hin-
sichtlich unterschiedlicher E-Commerce Szenarien.
Für die Durchführung der Simulationsstudie kommt die Simulationssoftware Arena zum
Einsatz. Besonderheiten bei der Nutzung von Arena werden in Verlauf des 5. Kapitel
erläutert.

4.2.2 Entscheidung für Simulationswerkzeug

Für die Simulationsstudie findet die ereignisdiskrete Simulationsmethode Anwendung.

Generell sind solche Studien ideal für die Analyse logistischer Systeme (Eley 2012: 8).
Allerdings sollte aufgrund des hohen Zeit- und Kostenaufwands dieser Methode über-
prüft werden, ob alternative Wege unter geringerem Aufwand anwendbar wären. Dieses
Teilkapitel dient dazu, die Entscheidung für Simulation als Werkzeug zu beleuchten.
Dies geschieht anhand der alternativen Problemlösungsmethoden aus Kapitel 3.2 und
den aufgezeigten Grenzen dieser Methoden.
Für eine Analyse mittels mathematischem Optimierungsmodell sind zwei sehr komple-
xe Modelle mit vielen Nebenbedingungen nötig. Die anschließende Berechnung des
Optimierungsproblems würde ebenfalls viel Zeit in Anspruch nehmen, was die Flexibi-
lität bei der Erstellung nimmt.
Auch eine Vereinfachung durch Heuristiken ist für das hiesige Problem keine geeignete
Lösung. Dies liegt darin begründet, dass die ermittelte Lösung die optimale Lösung sein
kann, es aber nicht sichergestellt ist, dass sie wirklich das Optimum darstellt. Für die
Ergebnisse der Problemanalyse hieße das, dass die Verlässlichkeit eingeschränkt ist.
Weiter können Warteschlangenmodelle aufgrund der vereinfachenden Annahmen keine
komplexe Systeme wie z.B. das Workload Balancing umsetzen.

4.2.3 Aufgabendefinition

Die nächste Phase nach der Zieldefinierung ist die Darlegung der Aufgaben, welche
ausgeführt werden, um die beschriebenen Ziele zu erreichen. Die übergeordnete Aufga-
be umfasst einen Vergleich des bisherigen Packprozesses mit der Neustrukturierung
anhand von ereignisdiskreter Simulation. In zwei getrennten Simulationsmodellen wer-
den die Prozessabläufe des jeweiligen Prozessdesigns abgebildet. Wie in Kapitel 3.4
geschildert, ist dazu zunächst die Erstellung eines Konzeptmodells notwendig. In die-
sem werden Systemgrenzen sowie Ein- und Ausgabegrößen festgelegt. Die anschlie-
 39
ßende Modellformalisierung sowie das ausführbare Modell sind Ergebnisse von Kon-
kretisierung und Implementierung in die Softwareumgebung von Arena.
Um die Verständlichkeit der weiteren Kapitel zu bewahren, wird das Modell des her-
kömmlichen Packprozesses als „bisheriger Organisationsansatz“ und der neustrukturier-
te Prozess als „innovierter Organisationsansatz“ bezeichnet.
Zur Untersuchung verschiedener Szenarien sollen durch Modifikation der Eingabepa-
rameter verschiedene Experimente geschaffen werden. Dabei dienen umsatzstarke E-
Commerce Branchen (Kapitel 2.2.1) als Orientierung zur Festlegung der Charakteristika
von Produkten und Bestellungen in den einzelnen Szenarien. Nach Durchführung der
Simulationsexperimente folgt die Ergebnisanalyse sowie die Validierung der Ausgabe-
daten. Die Ergebnisanalyse ist bei dieser Studie von besonderer Bedeutung, da keine
„echten“ Inputdaten vorliegen, sondern viele Eingabewerte als Zufallszahlen mit Hilfe
von statistischen Verteilungen generiert wurden.

4.2.4 Konzeptmodell

Das folgende Kapitel dient mittels einer Systemanalyse zur Zusammenstellung des
Konzeptmodells (Gutenschwager et al. 2017: 144). Es besteht aus den Teilen „System-
grenzen“, „Annahmen“, „Eingabegrößen“, „Ausgabegrößen und Bewertungskriterien“
und „Grafische Modelldarstellung“.

a. Systemgrenzen
Zur Darlegung der Systemgrenzen dient Abbildung 12 mit detaillierter Darstellung der
Prozessketten. Für die Untersuchung wird unterschieden zwischen dem System, wel-
ches von den Simulationsmodellen abgebildet wird und dem Bereich, der für die Be-
antwortung der Forschungsfrage analysiert wird. Ersterer beinhaltet zusätzlich zum ge-
samten Packprozess die Sortierung der Produkte in die Regalwand (hellgrau). Dies ist
unabdingbar, da an dieser Stelle im innovierten Organisationsansatz das Workload Ba-
lancing stattfindet. Allerdings soll nur der Effekt dessen und nicht die Funktionsweise
selbst untersucht werden. Aus diesem Grund betrifft die Auswertung der Ergebnisse nur
den Packprozess (dunkelgrau). Die in das System eintretende Einheit sind Produkte. Sie
werden während der Bearbeitung in Bestellungen transformiert und verlassen das Sys-
tem in dieser Form. Demzufolge beinhaltet das System die beiden Einheiten Produkt
und Bestellung.
 40

Abbildung 12: Systemgrenzen (eD)

b. Annahmen
Da der Sortierprozess kein Teil der eigentlichen Untersuchung ist, wird darauf verzich-
tet bei der Simulierung hohen Aufwand in seine Realitätsnähe zu stecken. Es wurden
vereinfachende Annahmen getroffen. Zum einen ist Anzahl der Regalfächer auf vier
Regalfächer begrenzt, demnach ist die maximale Anzahl an Bestellungen im modellier-
ten Sortiersystem auf vier limitiert. Weiterhin wurde darauf verzichtet, das Handhaben
der Pick-Behälter und die dafür in Anspruch genommene Zeit abzubilden.
Die Annahmen des Packbereichs sind dagegen umfangreicher: In einem realen System
haben Ressourcen wie Kartonage, Polstermaterial, Druckerpapier oder Klebeband eine
endliche Kapazität und müssen regelmäßig erneuert werden. Für die hiesigen Modelle
gilt die Annahme, dass die Ressourcen unendlich sind. Das bedeutet, dass die Modelle
keine Supportprozesse beinhalten. Umsetzbar in der Praxis ist dies mit Hilfe von unter-
stützenden Mitarbeitern.
Zusätzlich wird unterstellt, dass die Modelle gesättigt sind. Konkreter formuliert beste-
hen zu jeder Zeit Bestellungen im Sortierregal, wodurch die Leistung des Packprozesses
vollständig von den modellierten Prozessen abhängt.
Es wird weiterhin darauf verzichtet, Unterbrechungen im Prozessablauf durch Toilet-
tengänge, Positionstausch, Technikprobleme (z.B. Ausfall des WMS, lange Druckzeit
für Rechnung) o.Ä. abzubilden. Stattdessen wird davon ausgegangen, dass das Modell
keine menschlichen oder technischen Fehler zulässt.
Ebenfalls werden Änderung von Eigenschaften der Bestellung während des Packprozes-
ses werden nicht betrachtet.
In Bezug auf die Einheiten Produkt und Bestellung besteht die Annahme, dass Form,
Gewicht und Material während des Verpackens keinen Einfluss auf die Handhabung
haben.
Informationen, die für den Packprozess nötig aber nicht einzusehen sind, sind bspw.
Rechnungsadresse, Lieferadresse sowie Fragilität. Es wird angenommen, dass die Rege-
lung der Informationsflüsse und Informationsbereitstellung durch ein WMS angenom-
 41
men wird. Damit ist verbunden, dass das nötige technische Equipment am Einsatzort
vorhanden ist.
Bezüglich der räumlichen Anordnung der Modelle wird angenommen, dass die Positio-
nierung der Mitarbeiter keine Rolle spielt. Daher findet keine Modellierung oder Analy-
se von Transportzeiten statt.
Für Simulationen durch Unternehmen in der Wirtschaft, mit denen Logistikleistung
überwacht oder optimiert werden, existieren Inputdaten, die durch den täglichen Betrieb
erhoben werden. Da für diese Arbeit keine Kooperation mit einem B2C E-Commerce
Unternehmen besteht, stehen solche realen Daten nicht zur Verfügung. Um trotzdem zu
Simulationsergebnissen zu gelangen, werden an einigen Stellen statistische Verteilun-
gen zur Erstellung von Zufallszahlen verwendet, um reale Inputdaten zu ersetzen. Als
Grundlage kommen hier Schätzungen und Erfahrungswerte zum Einsatz. Auf die Ani-
mation des modellierten Packsystems wurde in dieser Simulationsstudie verzichtet, da
das Modell aus rein wissenschaftlicher Sicht betrachtet wird.

c. Eingabegrößen
Aufgrund der oben aufgezählten Annahmen sind die modellierten Eingabegrößen un-
vollständig im Vergleich zum realen System. Im Folgenden werden alle für die Simula-
tionsstudie wichtigen Eingabewerte kurz dargestellt.
Als nicht veränderbarer Parameter des modellierten Systems gilt die Anzahl der Mitar-
beiter. Durch die Positionen im erstellten Prozesslayout des innovierten Organisations-
ansatzes, ist die Kapazität auf vier Packmitarbeiter festgelegt. Dies wird auch für den
bisherigen Organisationsansatz übernommen.
Werte die mittels Zufallszahlen beschrieben werden sind Bestellgröße, Prozesszeiten
und Fragilität. Eine genauere Erläuterung der Berechnungen folgt in der Modellformali-
sierung in Kapitel 4.3. Die Größe einer Bestellung wird durch die Anzahl der Produkte
in einer Bestellung definiert. Die Einheit der Bestellgröße sind daher Produkte. Zur zu-
fälligen Erstellung wird die Erlang-Verteilung, ein Spezialfall der Gamma-Verteilung
bei dem ausschließlich positive Werte zustande kommen, genutzt.
Eine weitere zufällige Eingabegröße sind die Bearbeitungszeiten der Prozesse. Die Be-
rechnung der Bearbeitungszeit einer Tätigkeit im Packprozess hängt davon ab, ob die
Tätigkeit für jede Bestellung identisch ist, oder z.B. von der Anzahl der Produkte ab-
hängt. Das Bereitstellen und Aufbauen des Packmittels, sowie das Einlegen der Rech-
nung oder Anbringen des Versandlabels sind demnach Schritte, die für jede Bestellung
gleichermaßen anhand einer empirischen Verteilung modelliert werden können. Auf der
anderen Seite hängt das Scannen, Ablegen und Sichern der Produkte von Bestellgröße
 42
oder Fragilität ab, wodurch ebenfalls eine stochastische Beziehung besteht. Zuletzt wird
die Fragilität der Produkte ebenfalls mittels einer Zufallsverteilung modelliert. Da die
Anfälligkeit nicht erst im Packprozess eine Rolle spielt, wird davon ausgegangen, dass
sie bereits im Wareneingang des Distributionscenters festgelegt wurde und für den
Packprozess vorgegeben ist. Im Warenlager befindliche Produkte können bereits von
einer schützenden Verpackung umgeben sein, um Defekte durch Ein- und Auslagerung
zu vermeiden. Daher wird unter Fragilität die Zerbrechlichkeit eines von seiner Verpa-
ckung umgebenen Produkts verstanden. Zur Berechnung findet die diskrete Verteilung
Anwendung, wobei verschiedenen Fragilitätsstufen unterschiedliche Wahrscheinlichkei-
ten zugeordnet werden.
Ebenso Teil der Eingabewerte sind Entscheidungsvariablen, die von Unternehmen be-
einflusst werden können. Die einzige Entscheidungsvariable der Simulationsstudie be-
steht aus der die Kapazität der Kanban Flächen und betrifft lediglich den innovierten
Organisationsansatz. Durch den limitierten Platz auf dem Packtisch liegt die maximale
Kapazität bei zwei Übergabeeinheiten.

d. Ausgabegrößen und Bewertungskriterien

Die Annahmen des zu modellierenden Systems haben ebenfalls Einfluss auf die Ausga-
bedaten. Arena zeichnet eigenständig Statistiken zu bspw. Einheiten, Ressourcen, Pro-
zessen sowie Kosten des Modells auf. Jedoch unterscheidet sich der Analysebereich
vom modellierten System, weshalb einige Reports zusätzlich erstellt wurden, um die
gewünschten Ausgabegrößen zu generieren. Nach Betrachtung der Zieldefinition liegt
der Fokus der späteren Analyse auf performanceorientierten Ausgabegrößen. Leis-
tungskennzahlen aus dem SCM sind bspw. Kosten, Flexibilität, Zeit, Bestände, Qualität
oder Kundenzufriedenheit (Schniederjans et al. 2018: 62).
Als erstes Bewertungskriterium wird die Anzahl der versandfähigen Bestellungen aus
den möglichen Ausgabegrößen ausgewählt. Diese Kennzahl ist geeignet um einen ers-
ten Eindruck der Leistungsfähigkeit des Modells zu erlangen. Die Analyse von kosten-
basierten Indikatoren ist für die Modelle wenig sinnvoll, da materielle Ressourcenbean-
spruchung nicht gemessen wird und die Auslastung von Mitarbeitern keinen Einfluss
auf Personalkosten hat. Durch die Sättigung der Modelle mit Bestellungen im Sortierre-
gal kommt eine Untersuchung der Flexibilität ebenfalls nicht zum Einsatz. Bezüglich
zeitlicher Ausgabegrößen wird die Bearbeitungszeit pro Bestellung und die Wartezeit
pro Packer für die Bewertung der Leistungsfähigkeit der Organisationsansätze einge-
hend betrachtet. Die Wartezeit pro Packer wird dazu nicht als Zeiteinheit gemessen,
sondern als prozentuale Auslastung der Ressource Packer angegeben. Zuletzt wird das
 43
WIP des Packprozesses als Ausgabegröße in die Bewertungskriterien eingebunden. Zu-
sammenfassend wird die Leistungsfähigkeit der Modelle anhand von vier Kriterien ge-
messen:
• Anzahl versandfähiger Bestellungen
• Durchlaufzeit pro Bestellung
• Auslastung der Ressource Packer
• WIP.
Durch die Kombination dieser Ausgabewerte kann die Aussagekraft der Modellbewer-
tung aus verschiedenen Seiten bestärkt werden.

e. Modellbeschreibungen
Nach Gutenschwager et al. (2017: 144) gehört eine grafische Darstellung oder eine tex-
tuelle Beschreibung des Ablaufs ebenfalls zum Konzeptmodell. Textuell sind die beiden
Organisationsansätze in den Kapiteln 2.2.3 sowie 4.1.4 ausgeführt. Abbildung 11 dient
darüber hinaus zur grafischen Veranschaulichung des innovierten Ansatzes.

4.2.5 Formales Modell

Die Modellformalisierung präzisiert Darlegungen aus dem Konzeptmodell

(Gutenschwager et al. 2017: 144). Mittels Ablaufdiagrammen der (Teil-) Prozesse so-
wie Beschreibungen vorgenommener Berechnungen zu Eingabegrößen sowie stochasti-
schen Komponenten resultiert dieses Kapitel in einem formalen Modell für beide Orga-
nisationsansätze. Der Anspruch ist, dass die in Kapitel 5 folgende Implementierung der
Modelle ohne weitere Erklärungen umgesetzt werden kann.

a. Ergänzende Annahmen
Im Falle des innovierten Organisationsansatzes findet Workload Balancing zum Aus-
gleich von Bearbeitungszeiten innerhalb des Prozessverlaufs Anwendung (siehe Kapitel
4.1.4). Für die Modellierung dessen müssen zusätzliche Annahmen getroffen werden,
welche die Implementierung des Modells in ein Simulationsprogramm ermöglichen.
Einerseits ist die Übergabe der Bestellungen vom Sortierprozess an den Packprozess auf
eine Bestellung limitiert. Das von Boysen et al. (2019b) angewandte Put-by-Light Sys-
teme impliziert ursprünglich, dass dem Packer mehrere Bestellungen für den Start des
Arbeitsvorgangs zur Verfügung stehen (siehe Abbildung 5). Für die genaue Steuerung
der Reihenfolge ist es jedoch nötig, dass dem Packer die Entscheidung für oder gegen
 44
eine Bestellung abgenommen wird. Daher wird der Packlinie zu jeder Zeit immer nur
ein Regalfach angezeigt.
Andererseits wird die Kategorisierung in kleine und große Bestellungen benötigt. Dabei
hängt die Einstufung der Bestellung in die Merkmale groß oder klein von der durch-
schnittlichen Bestellgröße λ ab. Bestellungen mit einer Bestellgröße größer als λ sind
große Bestellung und Bestellungen mit einer Produktanzahl kleiner als λ sind kleiner
Bestellungen. Für die Modellierung bedeutet dies, dass die Reihenfolge der auf den
Packprozess treffenden Bestellungen bearbeitet werden muss.
Für die Fragilitätsstufen gilt die Annahme, dass mindestens zwei verschiedene Fragili-
tätsstufen bestehen. Der Einsatz von Polstermaterial ist dabei bereits ab der zweiten
Stufe notwendig. Die Menge zum Schutz der Produkte benötigten Materials steigt mit
jeder Stufe an.

b. Modellierung der Systemstruktur

Zur Modellformalisierung gehört es, den detaillierten Ablauf des modellierten Systems
zu demonstrieren (Gutenschwager et al. 2017: 144). Insofern soll das Zusammenspiel
der visuellen Darstellungen aus dem Konzeptmodell und aus diesem Kapitel dazu die-
nen, eine besseres Verständnis der Modelle zu geben. Genauer wurden Ablaufdiagram-
me für alle Teilprozesse inklusive der Sortierung mit Hilfe von erweiterten ereignisge-
steuerten Prozessketten (eEPK) erstellt (Arndt 2008: 97). Diese Methode wurde ge-
wählt, da die Simulationsmethode ebenfalls ereignisgesteuert ist. Mit dieser Wahl ist der
Übergang vom Konzeptmodell über das formale zum ausführbaren Modell einfach ver-
ständlich. Um den Lesefluss beizubehalten, sind an dieser Stelle nur eEPK für den
Packbereich des innovierten Organisationsansatzes eingefügt (Abbildung 13 bis 16).
Die weiteren Ablaufdiagramme befinden sich in Anhang D und E.
Die folgenden Erklärungen sind in gleicher Weise auf die Modelle beider Organisati-
onsansätze anzuwenden. Es ist zu sehen, dass die Prozessschritte aus Kapitel 2.2.3
leicht umgeändert wurden. Zum einen geschieht die Erstellung der auftragsbezogenen
Dokumente erst nach dem Scannen der Artikel. Zweitens wurde die Option dem Pack-
mittel Polstermaterial beizufügen addiert. Zuletzt ist das Ablegen und Sichern der Ware
im Packmittel zu einen Prozessschritt zusammengefasst. Der Eintritt von Produkten in
das System geschieht während des Schritts „Produkt entnehmen und scannen“ des Sor-
tierungsprozesses (Anhang E) in regelmäßigem Abstand von fünf Sekunden. Austreten
werden die Produkte in Form von Bestellungen sobald sie auf das Förderband gelegt
werden (Abbildung 16 bzw. Anhang D).
 45
Bezüglich des Einsatzes von menschlichen Ressourcen besteht ein Unterschied zwi-
schen den Modellen. Für den innovierten Organisationsansatz werden alle vier Packpo-
sitionen getrennt voneinander betrachtet und jeweils ein Packer eingesetzt. Im Falle des
bisherigen Organisationseinsatzes wird die Packlinie mit den abgebildeten Prozess-
schritten im Computersimulationsprogramm nur ein einziges Mal modelliert und die
Kapazität der Ressource „Packer“ auf vier erhöht.

Abbildung 13: eEPK von Position Eins Abbildung 15: eEPK von Position Drei
des optimierten Packprozesses (eD) des optimierten Packprozesses (eD)

Abbildung 16: eEPK von Position Vier

Abbildung 14: eEPK von Position Zwei des optimierten Packprozesses (eD)
des optimierten Packprozesses (eD)
 46
c. Ermittlung der Eingabegrößen
Alle im Konzeptmodell definierten zufälligen Eingabegrößen werden nun durch ihre
Berechnungen konkretisiert. Die Bestellgröße wird anhand einer Erlang-Verteilung mit
Mittelwert l und n-Faktor ermittelt, wobei l die durchschnittliche Bestellgröße an-
nimmt. Die Besonderheit bei der Berechnung ist, dass das Ergebnis einer Erlang-
Funktion auch den Wert Null annehmen kann, die Menge der Produkte in einer Bestel-
lung allerdings positiv sein muss. Die hiesige Lösung ist, die durchschnittliche Bestell-
größe um eine Einheit zu mindern und diese Einheit anschließend zur Berechnung zu
addieren. Die Berechnung inklusive Rundung auf ganze Zahlen sieht folgendermaßen
aus:
Bestellgröße = ëErlangverteilung (l-1, n)+1û mit l ³ 1, n ³ 0
Mit den Verteilungsparametern kann nun eine tatsächliche Verteilung der Produktmen-
ge pro Bestellung geschätzt werden. Beispielsweise resultiert die Verteilungsfunktion
mit
n = 2 und l > 2 in einer linkssteilen Glockenkurve um den Mittelwert l.
Alle Prozesszeiten werden mit Hilfe der Dreiecksverteilung modelliert. Sie besteht aus
einem Intervall [a, b] und einem wahrscheinlichstem Wert (Modus) c. Die Dreiecksver-
teilung hat den Vorteil, dass sie auf komplexe Formeln zur Berechnung der Wahr-
scheinlichkeiten verzichtet und sehr intuitiv ist. Während der Modellerstellung konnten
so einfach Anpassungen an den Prozesszeiten vorgenommen werden, ohne den Model-
lierungsaufwand zu erhöhen. Folgende Berechnung gilt für Bearbeitungszeiten:
Bearbeitungszeit = Dreiecksverteilung (a, c, b) mit a £ c £ b, a < b
Die Fragilität wird durch eine Anzahl von n Fragilitätsstufen abgebildet. Zur Modellie-
rung der Einstufung der Produkte soll die diskrete Verteilung mit n ∈ N Ausprägungen
und der jeweiligen Wahrscheinlichkeit (Pn ) dienen:
Fragilitätsindex = diskrete Verteilung (P1 , n1 , P1 + P2 , n2 ,…, PN , N)
mit n = {1, 2, ..., N} 0 £ Pn £ 1, ∑nk=1 Pn = 1

d. Modellierung der stochastischer Komponenten

Bezüglich des Bedarfs von Packmaterial existiert eine stochastische Abhängigkeit von
der Fragilität der Bestellung. Besitzt eine Bestellung im Modell mehrere Produkte,
gleicht die Fragilität des Produkts mit der höchsten Ausprägung der Fragilität der Be-
stellung. Von ihr ist abhängig, ob der Packmaterial zur Sicherung der Ware benötigt
wird oder nicht.
Wie bereits im Konzeptmodell beschrieben, besteht für die benötigte Bearbeitungszeit
einiger Prozesse ebenfalls eine stochastische Abhängigkeit. Konkret handelt es sich um
 47
die Funktionen „Produkte [aus dem Regalfach] entnehmen und scannen“ sowie „Pro-
dukte in Packmittel packen“ aus den Abbildungen 13 und 15. In beiden Fällen hat die
Bestellgröße Auswirkung auf die Länge der Bearbeitung. Zusätzlich besteht im zweiten
Fall eine Abhängigkeit von der Variable Fragilität, da für die Simulationsmodelle das
Sichern der Ware in diesem Prozess inbegriffen ist. Die konkrete Umsetzung dieser
Abhängigkeiten wird während der Implementierung der Simulationsmodelle in Kapitel
5.2.1 beschrieben.
Für das Modell des innovierten Organisationsansatzes existieren weitere stochastische
Abhängigkeiten für den Aktivitätsstatus von Mitarbeitern aller vier Teilprozesse. Die
Aktivität von Position 1 ist vom Status der Kanban-Fläche 1 abhängig. Sobald die Ka-
pazität der im Prozessverlauf nachfolgenden Kanban-Fläche ausgeschöpft ist, bleibt der
Mitarbeiter der Station untätig, bis erneut Kapazität frei wird. Für die Tätigkeit von Po-
sition 2 herrscht eine ähnliche Abhängigkeit. Allerdings betrifft sie die Information über
die Fragilität und ist durch die Tätigkeit von Position 1 bestimmt. Genauer ermittelt
Position 1 durch Scannen des ersten Produktes die Fragilität der Bestellung. Der Start
des Teilprozesses an Position 2 ist vom Zeitpunkt des Erhalts dieser Information abhän-
gig. Weiterhin wird die Aktivität des Mitarbeiters an Position 3 von den Stauts der Kan-
ban-Flächen 1, 2 und 3 beeinflusst. Ein Prozessstart bzw. -fortgang kann nur erfolgen,
wenn Kanban-Fläche 1 mindestens eine Bestellung bereithält, Kanban-Fläche 2 das
Packmittel bereitstellt und Kanban-Fläche 3 Kapazität für mindestens eine weitere Be-
stellung besitzt. An Position 4 hängt die Aktivität des Mitarbeiters nach Vollendung
eines Prozessdurchlaufs vom Status der Kanban-Fläche 3 ab. Ist diese leer, kommt der
Mitarbeiter zum Stehen und beginnt erst wieder zu arbeiten, sobald eine neue Bestel-
lung auf der Kanban-Fläche 3 abgelegt wurde.
 48
5 Simulationsexperiment

Die Aufgabe dieses Kapitels besteht aus der Erstellung eines Experimentplans, der si-
cherstellt, dass die Zielformulierung der Simulationsstudie eingehalten werden kann.
Am Anfang steht die Definition verschiedener Szenarien durch Parametervariationen.
Anschließend wird anhand der Implementierung das formale Modell in ein in Arena
ausführbares Modell dargestellt. Schließlich findet eine Analyse der Ausgabedaten mit
Hilfe von parametrischen Tests statt, anhand welcher Aussagen über die Leistungsfä-
higkeit der Kommissionierung durch die Organisationsansätze getroffen werden kön-
nen.

5.1 Implementierung

Mit der Implementierung und der Entstehung des Ausführbaren Modells wir die Mo-
dellbildung abgeschlossen (Gutenschwager et al. 2017: 144-145). Ergänzend werden
Besonderheiten, die während der Implementierung durch Arena aufkamen, erläutert.

5.1.1 Ausführbares Modell

Das Konzeptmodell sowie das formale Modell liefern die Grundlage für das ausführbare
Modell (Gutenschwager et al. 2017: 157). Die Systemgrenzen, Ein- und Ausgabedaten,
sowie alle Annahmen der beiden Organisationsansätze werden zur Erstellung der aus-
führbaren Modelle mit Hilfe der Simulationssoftware Arena umgesetzt. Dadurch erge-
ben sich zwei getrennte, in Arena ablauffähige Modelle. Beide unter Arena Version 15
erstellten Modelldateien sind unter den Namen „Modell bisheriger Organisationsan-
satz.doe“ und „Modell innovierter Organisationsansatz.doe“ auf dem beigelegten Daten-
träger zu finden.
Arena ist ein ereignisbasiertes Simulationsprogramm und basiert auf verschiedenen
Modulen, die durch Drag-and-Drop von der Process Bar in den Flowchart View einge-
fügt werden (Altiok & Melamed 2007: 66). Durch Verknüpfung der Module entsteht
eine Sequenz, die die Einheiten durchlaufen. Für die Erstellung der Simulationsmodelle
werden Bausteine aus den Bereichen „Basic Process“, „Advanced Process“ sowie „Ad-
vanced Transfer“ und „Staistics“ genutzt. Alle Bausteine zwischen der Quelle (Create-
Modul) und der Senke (Dispose-Modul) sind entweder über eine Kante oder eine Rou-
te-Station-Verbindung mit mindestens einem anderen Modul verknüpft. Die in den
eEPK sichtbaren Prozessschritte wurden anhand von Seize-, Process- oder Release-
 49
Modulen in Arena umgesetzt. Die Umsetzung komplexerer Annahmen, Logiken oder
Abhängigkeiten um die Prozessschritte herum soll nachfolgend umfangreich erläutert
werden. Kapitel 5.1.2 greift anschließend Besonderheiten bei der Modellierung auf.
Alle fünf Sekunden tritt ein neues Produkt in das System ein. Die im Create-Modul ent-
stehenden Produkte durchlaufen zunächst die Sortierprozesse „Produkt entnehmen und
scannen“ sowie „Produkt in Regalfach legen“. Anschließend werden sie von einem De-
cide-Modul durch eine diskrete Gleichverteilung einem von vier Regalfächern zugeord-
net. Nach Bestätigung des Regalfaches durch den Sortierer wird im darauffolgenden
Batch-Modul eine bestimmte Anzahl von Produkten anhand des Attributs „Bestellgrö-
ße“ zu einer Bestellung zusammengefasst. Ist diese Bestellgröße noch nicht erreicht,
warten Produkte im Regalfach bis die Bestellung durch weitere eintreffende Produkte
komplett ist und sie an den Packprozess weitergegeben werden kann. Eine grafische
Darstellung des Sortierbereich ist in Anhang I dargestellt.
Zwischen Sortierung und Packbereich liegt im innovierten Organisationsansatz das
Workload Balancing zum Ausgleich der Ressourcennachfrage. Wie in der Modellfor-
malisierung beschrieben werden die Bestellungen den Kategorien „kleine Bestellung“
oder „große Bestellung“ zugeordnet. Abbildung 17 zeigt eine Bildschirmaufnahme der
Modellierung in Arena: Das Assign-Modul „Zuordnung Bestellgröße“ verleiht der aus
dem Sortierprozess neu entstandenen Einheit (Bestellung) ein Attribut mit dem Wert der
Bestellgröße, woraufhin die Bestellungen in zwei Gruppen aufgeteilt werden. Die fol-
genden Assign- und Hold-Module sind für die Reihenfolge der Bestellungen in der sie
auf den Packbereich treffen, zuständig. Für die Freilassung einer Bestellung durch ein
Hold-Modul muss eine der folgenden Bedingungen erfüllt sein:
• Die letzte Bestellung, die in die Warteschlange eingetreten ist, war eine große
Bestellung,
• Die Ressource KanbanCard 1 ist untätig,
• Oder die Warteschlange des Hold-Moduls ist größer als 10.

Abbildung 17: Umsetzung des Workload Balancing in Arena

 50
Im Anschluss an das Workload Balancing treten die Bestellungen in den Packprozess
ein. Zur besseren Übersicht der Gesamtlogik wurden im Modell des innovierten Ansatz
Teilmodelle für die Prozessschritte der Bereiche „Sortierung“, „1. Position“, „2. Positi-
on“, „3.Position“ und „4. Position“ erstellt (siehe Anhang F). In der Übersicht zur Ge-
samtlogik sind die detaillierten Vorgänge dieser Bereiche daher nicht sichtbar. Die Be-
reiche wurden zudem durch Route- und Station-Module sowie graphisch voneinander
getrennt. Dadurch wird die Übergabe der Bestellungen zwischen den Positionen und die
Logik der Kanban-Flächen leichter erkennbar. Zur Umsetzung der Kanban-Logik (siehe
Kapitel 4.2.5 d.) wurden die Kanban-Flächen als Ressourcen implementiert. Für die
Positionen 1, 2 und 3 existieren neben den Ressourcen „Packer1“ bis „Packer3“ auch
die Kanban-Ressourcen „KanbanCard1“ bis „KanbanCard3“. Die Kanban-Ressourcen
umschließen dabei die eigentlichen Packvorgänge. Dies resultiert darin, dass bspw. die
Ressource für den Packvorgang an Position1 (Packer1) erst eingesetzt werden kann,
wenn die Kapazität der Ressource KanbanCard1 nicht aufgebraucht ist. Ist dies doch der
Fall, muss die Ressource KanbanCard1 erst im Release-Modul freigegeben werden,
bevor Packer1 tätig werden kann. In Abbildung 18 wird dies am Beispiel der Seize-
Module „KB1 frei?“ und „KB2 frei?“ sowie dem Release-Modul „Release KB1 und
KB2“ sichtbar. Dabei steht KB im Modell für Kanban-Fläche.

Abbildung 18: Kanban Logik am Beispiel der Kanban-Flächen 1 und 2

 51
Sollte sich keine Bestellung (mehr) auf Kanban-Fläche 1 befinden, wird der Packpro-
zess einer neuen Bestellung gestartet und die Variable „v_WIP“ zur Erfassung des
packspezifischen WIP um eine Einheit erhöht. Der anschließende Zeitstempel ermög-
lich die Erfassung der Bearbeitungszeit pro Bestellung. Anhang H gibt das anschließen-
de Teilmodell von Position 1 wieder.9 Es ist zu erkennen, dass die Bestellungen für
„Produkte aus dem Regalfach nehmen und scannen“ erneut in einzelne Produkte sepa-
riert wird. Dies liegt darin begründet, dass der Prozess „FI an P2 weitergeben“ zum frü-
hestmöglichen Zeitpunkt geschehen sollte, aber nur einmal pro Bestellung erledigt wer-
den muss. Die Voraussetzungen dazu sind bereits nach dem Scan des ersten Produkt
gegeben. Daher entscheidet das vorgelagerte Decide-Modul, ob dieser Prozess bereits
erledigt wurde oder nicht. Im Anschluss an die Übergabe des FI wird die Einheit dupli-
ziert, um den Prozess auf Position 2 anzustoßen. Nachdem alle Produkte entnommen
und gescannt wurden, findet eine erneute Zusammenführung der Produkte zur Bestel-
lung statt und die Produkte werden über die Kanban-Fläche 1 an Position 3 übergeben.
An Position 2 ist die Modellierung eindeutig und aus Abbildung 14 einfach herzuleiten.
Nachdem die Prozesse von der duplizierten Einheit durchlaufen wurden entscheidet hier
ein Decide-Modul, ob Polstermaterial benötigt wird. Als nächster Schritt wird das
Packmittel an Position 3 übergeben. Wie in der Modellformalisierung bereits beschrie-
ben hängt Position 3 vom Status der Kanban-Flächen 1 und 2 ab. Diese Annahme wurde
durch ein Match-Modul (in Abbildung 18 grün umrandet), welches das Packmittel von
Position 2 und die Produkte der Bestellungen von Position 1 zusammenführt, model-
liert. Daraufhin muss die duplizierte Einheit aus Position 2 zunächst durch ein Dispose-
Modul aus dem Modell entfernt werden. Im Teilmodell von Position 3 findet ebenfalls
eine Separation der Bestellung zu Produkten statt, da der Prozess „Produkte in Packmit-
tel packen“ von der Produktanzahl anhängt. Die anschließende Zusammenführung ist in
diesem Fall endgültig, wodurch die Produkte das System als Bestellung verlassen. Da-
von abgesehen ist die Modellierung der in Abbildung 15 aufgereihten Prozesse unkom-
pliziert. Das Seize-Modul zu Beginn der Position 4 stellt sicher, dass die beanspruchte
Kapazität der Kanban-Fläche 3 erst freigegeben wird, sobald Packer4 frei ist. Das Teil-
modell von Position 4 besteht ausschließlich aus den drei aus Abbildung 16 ersichtli-
chen Prozessen. Im Anschluss durchläuft die Bestellung ein Assign-Modul, welches die
Variable „v_WIP“ um eine Einheit vermindert, sowie ein Record- und ReadWrite-
Modul. Die beiden zuletzt erwähnten Module dienen zur Aufzeichnung von eigens defi-
nierten Ausgabedaten, welche nicht bereits von Arena aufgezeichnet werden. Zuletzt
verlässt die Bestellung das System durch das Dispose-Modul „Übergabe zu Versand“.

9 Der Leserlichkeit halber im Anhang als Querformat dargestellt

 52
Für den bisherigen Organisationsansatz findet kein Workload Balancing statt. Die Pro-
dukte werden daher in Form von Bestellungen direkt nach dem Sortieren durch eine
Route-Station-Verbindung an den Packprozess übergeben. Mit Hilfe eines Seize-
Moduls wird anschließend eine freie Einheit der Ressource „Packer“ eingenommen.
Anschließend durchläuft die Bestellung schrittweise alle Prozessschritte des bisherigen
Organisationsansatzes (siehe Anhang D). Die Erfassung des WIP sowie der Bearbei-
tungszeit für den Packprozess ist analog zum vorherigen Modell modelliert. Eine Ge-
samtübersicht ist in Anhang G dargestellt.

5.1.2 Besonderheiten durch Arena

An einigen Stellen traten durch die Anwendung der Simulationssoftware Arena Beson-
derheiten auf. Zum einen stand für die Erstellung dieses Simulationsmodells lediglich
der Trainings- und Evaluationsmodus zur Verfügung, weshalb sich einige Beschrän-
kungen ergaben. Der Trainingsmodus enthält eine Limitation der Modellgröße im Hin-
blick auf Module und Einheiten. Somit muss die Anzahl der Module unter 160 bleiben
und die Anzahl an Einheiten darf während des Simulationsdurchlaufs 150 nicht über-
steigen.
Aufgrund der Beschränkung auf eine Modellgröße von 150 Einheiten musste für beide
Modelle eine Regelung der im System befindlichen Einheiten eingeführt werden. Diese
veranlasst, dass Produkte nach ihrem Eintreffen im System ein Decide-Modul durchlau-
fen, welches anhand der aktuellen Modellgröße entscheidet, ob das Produkt direkt wie-
der austritt oder weiter an den Sortierprozess übergeben wird. Die Regulierung bezieht
sich dabei konkret auf die Summe der im Modell befindlichen Einheiten Produkte und
Bestellungen sowie die in der Warteschlange des Sortierregals befindlichen Bestellun-
gen. Diese Berechnungen dürfen die Werte 140 bzw. 10 nicht überschreiten, wobei bei-
de Bedingungen erfüllt sein müssen. Allerdings sind die möglichen Eingabewerte trotz
dieser Umgehung eingeschränkt. Die Annahme des gesättigten Systems setzt voraus,
dass sich zu jederzeit sortierte Bestellungen im Sortierregal befinden. Durch eine zu
hohe Modellgröße und zu wenig eingehende Produkte könnte diese Annahme, sowie
der Effekt des Workload Balancing verloren gehen.
Im Falle des bisherigen Organisationsansatzes besteht eine weitere Einschränkung in
der Modellierung durch die Limitationen der Software. Infolge der maximalen Anzahl
von 159 Modulen musste darauf verzichtet werden, alle vier Packlinien zu modellieren.
Stattdessen wurde ausschließlich eine Packlinie modelliert und die Kapazität der Res-
source „Packer“ auf vier erhöht. Dies hat allerdings zur Folge, dass die Separation der
 53
Bestellungen für die Prozesse „Produkte aus Regalfach entnehmen und scannen“ sowie
„Produkte in Packmittel packen“ nicht durchgeführt werden kann. Die Prozessdauer für
diese Prozesse wird um Vorhinein durch das Assign-Modul „Zurordnung Fach FI Scan-
zeit Packzeit“ berechnet. Eine vergleichbare Berechnung der Bearbeitungszeiten der
genannten Prozesse in beiden Modellen ist daher nicht gegeben.
Für die darauffolgende Sortierung existiert ebenfalls eine Besonderheit durch Arena, da
für die Zuordnung von Attributen durch Assign-Module keine „Wenn-Dann“-
Bedingungen implementiert werden können. Zur Festlegung der Bestellgröße musste
pro Regalfach ein Decide-Modul eingefügt werden, welches die Art der Bestimmung
der zuzuordnenden Bestellgröße regelt. Dies bedeutet, dass die Bestellgröße nur für das
erste im Regalfach (Batch-Modul) eintreffende Produkt mit Hilfe der Zufallsverteilung
bestimmt wird. Alle weiteren Produkte übernehmen den bereits bestimmten Wert des
ersten Produkts der Bestellung. Infolgedessen ist sichergestellt, dass alle im Regalfach
befindlichen Produkte konsolidiert werden und das reale System im Modell umgesetzt
wird. Die Umsetzung des Sortierprozesses in Arena ist in Anhang I dargestellt.

5.2 Szenarien

Der Aufbau und Ablauf eines realen E-Commerce Kommissioniersystems hängt von
der Art des E-Commerce Shops, dem Sortiment sowie dem Transportnetzwerk ab. Vari-
ierende Parameter sind bspw. Produktvolumen, Bestellungsgröße, Bestellungsvolumen,
Bestellaufkommen oder Produktmaterial. Um verschiedene denkbare Kommissionier-
systeme abzubilden, werden im Folgenden zu untersuchende Szenarien vorgestellt. Da-
für besteht die Annahme, dass die Voraussetzungen, die der Packprozess für einen rei-
bungslosen weiteren Transportverlauf erfüllen muss, für alle Szenarien dieselben sind.
Als Konsequenz findet keine Änderung des Prozessverlaufs, sondern lediglich eine Mo-
difikation der Eingabewerte statt. Dabei dienten die stärksten E-Commerce Branchen
Unterhaltung (Bücher, Medien, PC, Elektronikartikel) sowie Bekleidung (inklusive
Schuhe) und Einrichtung (Möbel, Deko, Heimtextilien, Haushaltsgeräte) als Orientie-
rungshilfe für zur Einschätzung verbreiteter Ausprägungen.
Die variablen Eingabeparameter für die Modelle betreffen die Bestellgröße und Fragili-
tät. Für die Bestellgröße wird lediglich der Parameter l in der Berechnung variiert, wäh-
rend n für alle Szenarien den Wert 2 beträgt. Wie in Kapitel 4.2.5 beschrieben ist l
durch die durchschnittliche erwartete Bestellgröße gegeben. Als mögliche Ausprägun-
gen wurden die Werte 2, 3 und 4 gewählt. Kleine Bestellungen mit bis zu zwei Produk-
ten kommen typischerweise bei Elektronikhändlern oder im Unterhaltungssegment vor
 54
(Boysen et al. 2019b: 170). Im Bekleidungssegment sind bei Zalando dagegen Waren-
korbwerte von um die 60 € üblich, was in Zusammenhang mit der Preispolitik auf eine
etwas größere Bestellmenge schließen lässt (Zalando 2018).
Für die Fragilität gilt die Anpassung an die Szenarien sowohl für die Anzahl der Fragili-
tätsindizes (FI) N, als auch für Verteilung der Wahrscheinlichkeiten der einzelnen Stu-
fen Pn . Produkte aus den Branchen Bekleidung sowie Unterhaltung bzw. Elektronik
sind entweder kaum anfällig für Defekte oder bereits vom Hersteller ausreichend ver-
packt (z.B. Styroporpolsterung bei Fernsehern, Schuhkarton). Jedoch stammen aus dem
Einrichtungssegment auch Produkte, die aus Materialien wie Glas oder Porzellan beste-
hen und daher eine hohe Fragilität besitzen. Tiefergehend ist die Verteilung der Pro-
duktfragilität abhängig vom Sortiment des E-Commerce Unternehmens. Um diesbezüg-
lich verschiedene Optionen zu untersuchen, wurden mögliche Parameterausprägungen
entweder als rechtsschiefe oder symmetrische Verteilung definiert. Tabelle 2 verschafft
einen Überblick über alle zu untersuchenden Simulationsexperimente mit ihren Parame-
terkonfigurationen.

Szenario Faktor 1 Faktor 2 Faktor 3

(∅ Bestell- (Anzahl FI) (Wahrscheinlichkeitsverteilung FI)
größe)
1 2 2 Rechtsschief (75%, 25%)
2 2 2 Symmetrisch (50%, 50%)
3 2 3 Rechtsschief (50%, 35%, 15%)
4 2 3 Symmetrisch (25%, 50%, 25%)
5 2 5 Rechtsschief (25%, 45%, 15%, 10%, 5%)
6 2 5 Symmetrisch (5%, 20%, 50%, 20%, 5%)
7 3 2 Rechtsschief (75%, 25%)
8 3 2 Symmetrisch (50%, 50%)
9 3 3 Rechtsschief (50%, 35%, 15%)
10 3 3 Symmetrisch (25%, 50%, 25%)
11 3 5 Rechtsschief (25%, 45%, 15%, 10%, 5%)
12 3 5 Symmetrisch (5%, 20%, 50%, 20%, 5%)
13 4 2 Rechtsschief (75%, 25%)
14 4 2 Symmetrisch (50%, 50%)
15 4 3 Rechtsschief (50%, 35%, 15%)
16 4 3 Symmetrisch (25%, 50%, 25%)
17 4 5 Rechtsschief (25%, 45%, 15%, 10%, 5%)
18 4 5 Symmetrisch (5%, 20%, 50%, 20%, 5%)

Tabelle 1: Parameterkonfigurationen der Simulationsexperimente

 55
5.3 Erzeugung der Eingabedaten

Für die Eingabegrößen Bestellgröße und Fragilität ist die Erzeugung der Eingabewerte
unkompliziert. Es werden lediglich die in Kapitel 4.2.5 vorgestellten Berechnungen des
formalen Modells mit den für die einzelnen Szenarien in Tabelle 2 dargestellten Werten
versehen.
Im Hinblick auf die Festlegung der Parameter Minimum, Modus und Maximum für die
Errechnung der Bearbeitungszeiten der Prozessschritte bestehen für unterschiedliche
Tätigkeiten verschiedene Werte. Zusätzlich variieren manche Berechnungen, wie bereits
in der Modellformalisierung erörtert, aufgrund der Abhängigkeiten von Bestellgröße
und Fragilitätsindex. Eine weitere Besonderheit bei der Festlegung der Parameter stellt
das angestrebte Line Balancing der Bearbeitungszeiten aller vier Packer aus dem inno-
vierten Organisationsansatz dar. Demnach wird angestrebt, dass alle vier Positionen
eine Bearbeitungszeit von etwa 30 Sekunden haben.
All diese Faktoren wurden bei der Schätzung der Eingabewerte betrachtet. Zur Definiti-
on der Schritte wurden die eEPK aus der Modellformalisierung herangezogen. Zur Ab-
bildung des Line Balancing und da hier Schritte des bisherigen Ansatzes im innovierten
Organisationsansatz enthalten sind, wurde sich bei der Darstellung an letzterem orien-
tiert. Für die Prüfung des Zustandes von Kanban-Flächen wird angenommen, dass keine
Zeit in Anspruch genommen wird. Dabei sind die in Tabelle 3 ersichtlichen Verteilun-
gen der Prozessschritte entstanden. Alle Zahlenwerte der Tabelle sind in der Einheit
Sekunden angegeben.
Die Spalte der Einflussgröße gibt wieder, von welchen Einflussgrößen die Berechnung
der Prozessdauer des jeweiligen Teilprozesses abhängt. Die Spalten Minimum (Min),
Modus und Maximum (Max) stellen die geschätzten Eingabewerte für die jeweilige
Dreiecksverteilungen dar. Die letzte Spalte gibt den Erwartungswert (E(X)) der jeweili-
gen Verteilung ohne Berücksichtigung der Einflussgrößen wieder. Zur Darstellung der
erwarteten Bearbeitungszeiten für die jeweilige Position wurde ein Zwischenergebnis
errechnet. Dafür wurde eine Bestellung mit drei Produkten und einem Fragilitätsindex
von 2 angenommen. Die Werte der Einflussgrößen wurden im Falle einer Abhängigkeit
mit dem durch die Dreiecksverteilung errechneten Wert multipliziert. Es ist sichtbar,
dass die hiesigen Schätzungen zu ausgeglichenen Bearbeitungszeiten der Positionen im
Sinne des Line Balancing führt und die gesamte erwartete Bearbeitungszeit etwa zwei
Minuten ergibt.

Bereich Prozessname Einflussgröße Min Modus Max E(X)

Sortieren Produkte entnehmen und - 1 2 3 2
scannen
 56
Produkt in Fach einlegen - 1 2 3 2
Regalfach bestätigen - 1 1 1 1
Packen 1 Produkt aus Regalfach Bestellgröße 3 6 8 5,67
entnehmen und scannen
FI an Position 2 weiter- - 2 3 5 3,33
geben
Bestellung komplett? Bestellgröße 1 2 3 2
Rechnung und Versand- - 2 3 5 3,33
label drucken
Auf Kanban 1 legen - 3 4 8 5
Σ erwartete Bearbeitungszeit (3 Produkte, FI=2) 30,67
Packen 2 Packmittel auswählen 15 20 25 20
und aufbauen
Polstermaterial einlegen FI 3 4 6 4,33
Auf Kanban 2 legen - 1 2 4 2,33
Σ erwartete Bearbeitungszeit (3 Produkte, FI=2) 31
Packen 3 Packmittel von KB2 - 1 3 4 2,67
nehmen
Produkte in Packmittel Bestellgröße, 2 3 5 3,3310
packen FI
Rechnung einlegen - 4 5 6 5
Auf Kanban 3 legen - 1 2 4 2,33
Σ erwartete Bearbeitungszeit (3 Produkte, FI=2) 30
Packen 4 Sendung verschließen - 15 18 25 19,33
Versandlabel abreißen - 5 8 10 7,67
und aufkleben
Auf Förderband legen - 3 4 7 4,67
Σ erwartete Bearbeitungszeit (3 Produkte, FI=2) 31,67
Σ aller erwarteten Bearbeitungszeiten im Packbereich 121,32
Tabelle 2: Errechnung der Bearbeitungsdauern aller Prozesse

5.4 Festlegung von Einschwingphase, Simulationsdauer und Anzahl der

Replikationen

Bezüglich des Zeitintervalls der Simulationsdurchläufe ist zu berücksichtigen, dass das

System zu Beginn der Simulation leer ist. Aus diesem Grund ist es sinnvoll, eine Ein-
schwingphase zu definieren, die nicht in die Betrachtung der Simulationsergebnisse mit
einfließt. Um diese zu ermitteln, wurden sechs Replikationen von Szenario 18 betrach-
tet. Die Wahl von Szenario 18 liegt darin begründet, dass Bestellgröße und Fragilität
hier die größten Werte annehmen und daher hohe Bearbeitungsdauern sowie eine lange
Einschwingphase erwartet werden. Genauer wird in Abbildung 19 das WIP der Einheit
Bestellung im Zweitverlauf für alle sechs Replikationen aufgezeigt. Es ist zu erkennen,
dass sich die Anzahl der im System befindlichen Bestellungen ab dem Zeitpunkt von
etwa 70 Minuten eingependelt hat und um den Wert 10 bewegt.

(2+3+5) (2+3+5) 1
10 Rechenbeispiel: E(X) = ∙ Produkte ∙ FI = ∙ 3 ∙ 2 = 3 ∙ 3 ∙ 2 = 20
3 3 3
 57
Die Simulationsdauer dieses Simulationsexperiments wird statisch bestimmt. Das be-
deutet, dass zur Beendung eines Durchlaufs kein bestimmtes Ereignis eintritt, sondern
ein Zeitintervall die Simulationsdauer bestimmt. Aufgrund der Annahme, dass im mo-
dellierten System keine Unterbrechungen durch Pausen oder Ähnliches eintreten, orien-
tiert sich die hiesige Simulationszeit nicht ein einem bestimmten Arbeitspensum wie
beispielsweise einem Arbeitstag oder eine Arbeitswoche.

16
00 Bestellungen im System

14
12
10
8
6
4
2
0
00

53

11

24

15

01

10

55

12

58

16
0:

6:

3:

1:

6:

5:

7:

1:

8:

3:

9:
:0

:2

:5

:2

:4

:1

:4

:1

:3

:0

:2
00

00

01

01

02

02

03

03

04

04
Simulationszeit (hh:mm:ss)

Abbildung 19: WIP der Bestellungen im Zeitverlauf anhand von 6 Replikationen

Sowohl die Länge der Simulationsdauer als auch die Anzahl der Replikationen pro Pa-
rameterkonfiguration haben Einfluss auf die statistische Sicherheit der Ausgabedaten
(Gutenschwager et al. 2017: 188). Je mehr Ergebnisse, desto geringer ist die Ungenau-
igkeit der Schätzung (Gutenschwager et al. 2017: 188). Zur Generierung einer ausrei-
chenden Menge an Datenpunkten wird die Simulationsdauer exklusive Einschwingpha-
se daher auf vier Stunden gesetzt. Zusammenfassend beträgt die Simulationsdauer mit
der Einschwingphase 5 Stunden und 10 Minuten, also 310 Minuten pro Durchlauf. Die
Anzahl der Replikationen soll für jede Konfiguration 100 betragen.

5.5 Analyse der Ausgabedaten

Zur Analyse werden die Ausgabedaten des Simulationsexperiments zunächst statistisch

untersucht. Arena bietet einige Hilfsprogramme, welche die Analyse von Szenarien und
deren Outputs erleichtern. Darunter fallen der Process Analyzer sowie der Output Ana-
lyzer, die für die hiesige Untersuchung genutzt wurden. Anschließend werden die Simu-
lationsergebnisse beider Ansätze verglichen. Zuletzt sollen die Ergebnisse in Bezug auf
die Forschungsfrage interpretiert werden.
 58
5.5.1 Statistische Analyse

Abbildung 20 zeigt eine Übersicht der Szenarien im Modell des bisherigen Ansatzes
und die abgefragten Ausgabewerte für 100 Simulationsdurchläufe. Der Leserlichkeit
wegen wurden die Kontrollparameter nicht abgebildet, da hierbei keine Änderung zu
den Daten aus Tabelle 2 besteht.

Abbildung 20: Übersicht des Process Analyzer über Ausgabewerte der Szenarien

Die Werte der Tabelle aus Abbildung kommen durch mehrfache Durchschnittsberech-
nungen zu Stande und werden als Datengrundlagen für die anschließenden Analysen
genutzt. Zur Darstellung über die Hierarchien und zum besseren Verständnis über das
Zustandekommen der Daten dient Abbildung 21.

Abbildung 21: Berechnung Ausgabedaten durch Mittelwertbildungen

Um die angegebenen Mittelwerte der Szenarien zu validieren und für weitere Untersu-
chungen zu nutzen, wurden die 95%-Konfidenzintervalle der Ausgabewerte betrachtet.
Wie bereits durch die hohe Anzahl an Replikationen vermutet, besteht für alle Ausga-
bewerte ein schmales Konfidenzintervall bei geringer Irrtumswahrscheinlichkeit. Unter-
suchungen im Output Analyzer ergaben, dass alle vom Process Analyzer erstellen 95%-
Konfidenzintervalle auch auf dem 99%-Niveau bestätigt werden können. Dies bedeutet,
 59
dass der tatsächliche Mittelwert mit hoher Wahrscheinlichkeit nur sehr wenig um den
angegebenen Mittelwert schwankt. Mit Hilfe von Box-Whisker-Plot-Diagrammen ist
dies in Anhang K beispielhaft für die Anzahl versandbereiter Bestellungen veranschau-
licht.
In Bezug auf Korrelationen zwischen Ausgabewerten waren einige Zusammenhänge
durch stochastischen Abhängigkeiten (siehe Kapitel 4.2.5) schon vor Erhalt der Berech-
nungen bekannt. Demnach hängt die Bearbeitungszeit einer Bestellung von ihrer Be-
stellgröße sowie ihrem Fragilitätsindex ab. Dieses Bild bestätigt sich durch Blick auf die
Streudiagramm in Abbildung 22 a) und b) für beide Organisationsansätze:

a) 9 b)
4,5
8 4
7 3,5

Fragilitätsindex
Bestellgröße

6 3
5 2,5
4 2
3 1,5
2 1
1 2 3 4 1 2 3 4
Bearbeitungszeit pro Bestellung Bearbeitungszeit pro Bestellung
(Min) (Min)
innoviert bisherig bisherig innoviert

Abbildung 22: Streudiagramme der Einflussgrößen auf die Bearbeitungszeit pro Bestel-
lung

In der Abbildung sind die jeweiligen Mittelwerte aus allen Szenarien abgebildet. Für die
Fragilität wurde die durchschnittliche Fragilität aller Bestellungen des Szenarios be-
rechnet. Durch die jeweiligen Trendlinien in Abbildung 22 a) ist zu erkennen, dass der
Einfluss der Bestellgröße laut Streuungsdiagramm für beide Ansätze ähnlich positiv ist.
Für den Einfluss des Fragilitätsindex lässt die graphische Analyse jedoch vermuten,
dass im innovierten Organisationsansatz ein stärkerer positiver Zusammenhang besteht.
Auf eine nähere Untersuchung der Höhe der erörterten Effekte wird an dieser Stelle
verzichtet, da sie keinen Einfluss auf die Beantwortung der eigentlichen Forschungsfra-
ge haben.
Ebenfalls Auffällig in Abbildung 22 a) ist die Verteilung der Bestellgröße. Während der
Aufstellung der Berechnung von Bestellgröße pro Bestellung wurde ursprünglich ange-
strebt, dass sich der tatsächliche Durchschnitt ebenfalls um den Wert + bewegt. Wie die
 60
Ergebnisse zeigen, wurde hier eine fehlerhafte Berechnung angewandt, was in den Pa-
rameterausprägungen {3,5,7} resultiert (siehe Anhang L).
Neben ihrem Effekt auf die Länge der Bearbeitungszeit kann aufgrund der Simulations-
ergebnisse ebenfalls ein Einfluss auf die Varianz der Bearbeitungszeit vermutet werden.
Die 95%-Konfidenzintervalle der Bearbeitungszeit pro Bestellung sind in Abbildung 23
für den innovierten Organisationsansatz dargestellt. Die durch schwarze Linien abgebil-
deten Intervalle stellen die minimalen bzw. maximalen Ausprägungen der Replikations-
durchschnitte dar. Die Szenarien 1 bis 6 sowie 7 bis 12 und 13 bis 18 bilden für den
Eingabeparameter der durchschnittlichen Bestellgröße jeweils den gleichen Wert ab. Im
Hinblick darauf lässt sich aus Abbildung 23 herleiten, dass die Schwankungen in der
Bearbeitungszeit pro Bestellung mit steigender Bestellgröße ansteigen. Allerdings war
diese Entwicklung bereits im Vorhinein zu erwarten, da die Bearbeitungsdauer einiger
Prozesse zusätzlich von der Bestellgröße beeinflusst wird.

4
Bearbeitungszeit pro

3,5
Bestellung (Min)

3
2,5
2
1,5
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
Szenarien des innovierten Organisationsansatzes

Abbildung 23: Box-Whisker-Plot der Bearbeitungszeit pro Bestellung

Weiterhin fällt bei näherer Betrachtung der Bearbeitungsdauer pro Bestellung auf, dass
die Werte der beiden Organisationsansätze für nahezu alle Szenarien sehr nah aneinan-
der liegen. Dies lässt vermuten, dass die Ergebnisse für die Bearbeitungszeit pro Bestel-
lung aus beiden Ansätzen statistisch nicht verschieden sind. Um dies statistisch bestäti-
gen zu können, wurde zunächst ein gepaarter t-Test der Stichproben aus den Szenarien
beider Organisationsansätze durchgeführt. Dieser Test untersucht, ob sich zwei normal-
verteilte, abhängige Stichproben signifikant voneinander unterscheiden. Die H0-
Hypothese lautet: „Es besteht kein Unterschied zwischen der Differenz der Mittelwerte
einzelner Gruppen (μ1 = μ2 )“ (Sheskin 2011: 448).
Die Normalverteilung der beiden Stichproben wurde im Output Analyzer mit der Histo-
gramm-Funktion untersucht. Dabei wurde festgestellt, dass die kumulative Verteilung
der Bearbeitungszeiten in beiden Ansätzen in angenäherter Form dem Verlauf einer in
Normalverteilung entspricht. Nach Eingabe der Daten in den Output Analyzer hat sich
 61
mit einem Signifikanzniveau von 95% ergeben, dass die Mittelwerte der beiden Ansätze
verschieden sind. Dementsprechend wurde die H0-Hypothese abgelehnt (siehe Anhang
M). Diese Analyse wurde anschließend auf die Stichproben der Szenarien erweitert um
auf diesem Level ebenfalls eine Unterscheidung der Ansätze zu untersuchen. Hierzu
wurden die Ausgabedaten aus dem Process Analyzer genutzt um einen erneuten gepaar-
ten t-Test mit 18 Ausprägungen durchzuführen. Entgegen der vorherigen Untersuchung
ergab der Normalverteilungsplot in diesem Fall, dass die Stichproben der ermittelten
, ) keine Normalverteilung aufweisen. Folglich mussten die
Mittelwerte der Szenarien (X
Daten zunächst transformiert werden, um weiter untersucht werden zu können. Dies
geschah durch logarithmieren der Bearbeitungszeiten pro Bestellung. Der Normalvertei-
lungsplot beider Organisationsansätze nach der Transformation ist in Abbildung 24 er-
sichtlich:

0,2
0
-0,2
-0,4
-2 -1 0 1 2
bisherig innoviert

Abbildung 24: Lognormalverteilungsplot der Bearbeitungszeiten pro Bestellung (alle

Szenarien)

Dem linearen Verlauf zu Folge kann angenommen werden, dass die Stichproben log-
normalverteilt sind und der gepaarte t-Test mit den logarithmierten Daten angewandt
wird. Die Ergebnisse zeigen, dass die H0-Hypothese mit einer t-Statistik von -7,749 und
einem 99%-Vertrauensbereich zwischen [-3,348; +3,348] abgelehnt werden kann. Er-
neut wurde festgestellt, dass sich die Mittelwerte der beiden Stichproben voneinander
unterscheiden und die Ergebnisse der Ansätze somit signifikant unterschiedlich sind.
In allen anderen Ausgabewerten ergeben sich bereits auf den ersten Blick deutliche Un-
terschiede in den Ausprägungen der beiden Organisationsansätze, weshalb auf eine sta-
tistische Analyse verzichtet wird. Beide Ausgabetabellen des Process Analyzers sind in
Anhang J zu finden.

5.5.2 Vergleich der Ergebnisse beider Modelle

Nachdem die statistische Sicherheit gegeben ist, dass die Modelle der Organisationsan-
sätze unterschiedliche Ergebnisse hervorbringen, besteht der nächste Schritt im Ver-
 62
gleich der Ergebnisse (Gutenschwager et al. 2017: 193). An dieser Stelle wird auf die in
Kapitel 4.2.4 aufgelisteten Bewertungskriterien eingegangen. Sie bestehen aus der An-
zahl fertiger Bestellungen, dem WIP des Packprozesses, der Auslastung der Packmitar-
beiter sowie der Bearbeitungszeit pro Bestellung.
Zu Beginn soll die Anzahl fertiger Bestellungen verglichen werden. Aus den Ergebnis-
sen in Abbildung 25 ist ersichtlich, dass der bisherige Organisationsansatz den innovier-
ten Ansatz für jedes Szenario übertrifft.

600
Bestellungen (Stück)

400
Versandbereite

200

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
Bisherig Innoviert

Abbildung 25: Absolute Anzahl versandbereiter Bestellungen pro Szenario

Das Streuungsdiagramm aus versandbereiten Bestellungen gegen die Bearbeitungszeit

pro Bestellung in Abbildung 26 ergibt jedoch, dass diese Unterschiede nicht in der Dau-
er der Bearbeitungszeit pro Bestellung begründet liegen. Es ist zu erkennen, dass sich
die Intervalle der Bearbeitungszeiten kaum unterschieden, obwohl die Anzahl der ver-
sandbereiten Bestellungen im bisherigen Organisationsansatz deutlich höher ausfällt.
Bei genauerer Betrachtung des Mittelwerts der Bearbeitungszeit pro Bestellung fällt
dagegen auf, dass der innovierte Ansatz den bisherigen in nahezu allen Szenarien mini-
mal unterbietet (siehe Anhang N). Ausschließlich Szenario 18 ergibt eine kürzere Bear-
beitungsdauer pro Bestellung für den bisherigen Organisationsansatz.

600
Bestellungen (Stück)

500
Versandbereite

400
300
200
100
0 1 2 3 4
Bearbeitungszeit pro Bestellung (Min)
bisherig innoviert

Abbildung 26: Streuungsdiagramm der versandbereiten Bestellungen und Bearbeitungs-

zeit pro Bestellung
 63
Angesichts des durchschnittlichen WIP erreicht der bisherige Organisationsansatz in
jedem Szenario das Maximum von vier Bestellungen im System. Dies beutet gleichzei-
tig, dass die Packmitarbeiter zu 100% ausgelastet sind und sich keine Wartezeiten erge-
ben (siehe Anhang J). Dahingegen schwankt das durchschnittliche WIP in den Szenari-
en des innovierten Ansatzes um 2,2 Bestellungen. Folglich wird die maximale Kapazität
des Packsystems in Höhe von drei Bestellungen, die zur gleichen Zeit bearbeitet wer-
den, nicht ausgenutzt. Ebenfalls ungenutzt bleibt ein großer Teil der Kapazität der La-
germitarbeiter als menschliche Ressource des Systems. Auf allen vier Positionen bleibt
die Auslastung der Packer im Durschnitt unter 80%. Zugleich existiert kein Szenario, in
dem auf allen Positionen eine ähnliche Auslastung und damit ähnliche Wartezeit des
Packers herrscht. In Abbildung 27 fällt auf, dass die Auslastungen von Position 2 bis 4
für die Szenarien 7 und 13 nah aneinander liegen, wobei Position stark abweicht. Zu-
sätzlich steigen die Wartezeiten von Position 3 und 4 mit Anstieg der Bestellgröße und
dem durchschnittlichen Fragilitätsindex. Eine solche Entwicklung ist für Position 1 und
2 nicht zu erkennen. Hier ist dagegen eine Abhängigkeit der Schwankungen von der
Fragilitätsverteilung zu vermuten.

90%

70%

50%

30%
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
Position 1 Position 2 Position 3 Position 4 Mittlere Auslastung

Abbildung 27: Auslastung der Packer pro Szenario

5.5.3 Interpretation

Dieses Kapitel dient zur Beantwortung der Forschungsfrage nach dem Einfluss einer
Umstrukturierung des Packprozesses auf die Leistungsfähigkeit des Kommissioniersys-
tems.
Der Vergleich der beiden umgesetzten Modelle hat für den Bereich des Verpackens
ergeben, dass der bisherige Organisationsansatz dem innovierten Ansatz überlegen ist.
Diese Aussage rührt daher, dass die Anzahl versandbereiter Bestellungen im gleichen
Zeitraum deutlich höher ausfällt.
 64
Die genauere Analyse ergab jedoch, dass der innovierte Ansatz nicht in allen Kriterien
schlechter bewertet wird. Wie in Kapitel 4.1.4 bereits hergeleitet, kann die Bearbei-
tungszeit pro Bestellung im innovierten Prozess tatsächlich geringer ausfallen als bisher.
Dass er trotz geringerer Auslastung der Packer eine vergleichbare Bearbeitungsdauer
hervorbringt, lässt vermuten, dass der innovierte Organisationsansatz bei Verminderung
der Untätigkeit weiteres Potential besitzt. Eine solche Verminderung könnte bspw.
durch weitere Regulierungen des Eintreffens von Bestellungen in das Packsystem im-
plementiert werden. Denkbar wäre eine Erweiterung des Workload Balancing auf die
Fragilität der Produkte einer Bestellung. Damit könnte der in Abbildung 22 b) abgebil-
dete Effekt angeglichen werden.
Allerdings ist die Regulierung des Eintreffens der Bestellungen auf den Packprozess mit
diesem Ziel schwer umsetzbar. Die komplexen Zusammenhänge der Auslastungen in
Abbildung 27 zeigen, dass eine genaue Analyse der Wechselwirkungen zwischen den
Positionen nötig wäre. Zusätzlich wäre eine aufwändige Programmierung des WMS
sowie ständiges Eingreifen in die Warteschlange der eintreffenden Bestellungen ver-
bunden. Eine mögliche denkbare Folge ist, dass Bestellungen mit hoher Produktanzahl
und hoher Fragilität in der Warteschlange der zu verpackenden Bestellungen deutlich
verschoben werden, wodurch der Lieferzeitpunkt beeinflusst wird. Zusätzlich geht das
abgebildete System davon aus, dass alle Positionen von menschlichen Lagermitarbei-
tern durchgeführt werden. Variation in der Prozessdurchführung und folglich in der
Dauer einzelner Tätigkeiten sind durch Zufallsverteilungen abgebildet und können nicht
vollständig vermieden werden. Eine Abbildung dieser Komponente im WMS im realen
System wäre mit einer starken Überwachung der Bewegungsabläufe von Lagermitarbei-
tern verbunden, was neben dem hohen technischen Aufwand ebenfalls ethische Schwie-
rigkeiten mit sich bringt.
Zusammenfassend ist eine Implementierung des innovierten Organisationsansatzes auf
das Kommissioniersystems eines E-Commerce Distributionscenters nur dann sinnvoll,
wenn eine detaillierte Regulierung des Arbeitsaufwandes für alle Positionen umsetzbar
ist. Da selbst im Falle der Umsetzbarkeit der Analyse- und Kostenaufwand unverhält-
nismäßig hoch wäre, ist eine Einführung oder Umstrukturierung zu diesem Prozessver-
lauf unwahrscheinlich. Bezugnehmend auf Kapitel 4.1.2 ist es denkbar, dass der Ertrag
von Automatisierung bei ähnlichem Kostenaufwand höher ist.
Alle Aussagen könnten aufgrund der limitierten untersuchten Szenarien jedoch nur für
Branchen mit kleinen Bestellgrößen und den abgebildeten Fragilitätsstufen sowie deren
Verteilungen getroffen werden.
 65
6 Zusammenfassung und Ausblick

Diese Masterarbeit hat sich mit Hilfe einer Simulationsstudie im Wesentlichen mit dem
Kommissioniersystem eines B2C E-Commerce Distributionscenters auseinandergesetzt.
Das Ziel der durchgeführten Studie war es, den bisher kaum untersuchen Packprozess
genauer zu beleuchten. Dazu wurde zu Beginn eine Wissensgrundlage in den Bereichen
Distributionslogistik, E-Commerce und Lean Management geschafften. Anschließend
wurde sich ausführlich mit Optimierungsstrategien aus dem Operations Management
und deren Anwendung auf den Packbereich beschäftigt. Zur Untersuchung des Einflus-
ses dieser Strategien auf die Kommissionierung wurden zwei Organisationsansätze in
zwei Simulationsmodellen umgesetzt. Die Methode der Simulation sowie ihre Vorteile
für die hiesige Untersuchung wurden in Kapitel 3 und 4 beschrieben. Die Simulations-
studie wurde in der Software von Rockwell Arena durchgeführt, was einige Einschrän-
kungen mit sich brachte. Trotz dessen konnten 18 Szenarien mit verschiedenen Bestell-
größen und Fragilitätsverteilungen untersucht werden.
Was der Untersuchung fehlen sind praxisbezogene Daten und Erfahrungen. Gewöhnlich
beinhaltet eine Simulationsstudie Daten, die in einem realen System erhoben wurden,
wodurch Aussagen bei korrekter Durchführung der Studie Aussagen auf ein konkretes
reales System möglich sind. Hierauf musste für die Erstellung dieser Studie verzichtet
werden, weshalb die Ergebnisse der Studie keinen Praxisbezug beinhalten.
Das zusammenfassende Ergebnis der Simulationsstudie ist, dass aufgrund der Variabili-
tät des Packprozesses eine Umstrukturierung der Tätigkeiten auf mehrere Packer zu
einer geringeren Leistungsfähigkeit des Kommissioniersystems führt. Dies liegt darin
begründet, dass durch die Abhängigkeiten der jeweiligen Tätigkeiten die Wartezeiten
verglichen zum bisherigen Packprozess wie er in Kapitel 2 beschrieben wurde deutlich
ansteigen.
Dabei wurde nicht untersucht, ob die Implementation von Methoden aus dem LM einen
Einfluss auf die Ausprägungen der konsultierten Bewertungskriterien haben. Ebenfalls
nicht abgebildet ist die Fähigkeit der Ansätze, flexibel auf variierendes Bestellaufkom-
men zu reagieren. Allerdings gibt die hohe Differenz der Ausgabewerte beider Ansätze
keinen Anlass, diese Einflüsse genauer zu untersuchen.
Nichtsdestotrotz sollte der Packprozess weiterhin eine Optimierung der Qualität des
Packprozesses angestrebt werden. Im Hinblick auf den global steigenden Umsatz des E-
Commerce Sektors stellt die Distributionslogistik einen wichtigen Bereich dar, für den
immer mehr Kostenkontrolle erstrebt wird. Aufgrund des hohen Bestellaufkommens
und der geringen zur Verfügung stehenden Lieferzeit pro Bestellung ist die Höhe des
 66
Durchsatzes an versendeten Paketen eine der wichtigsten Kennzahlen im E-Commerce
Distributionslager (Weiblen 2014: 13). Aufgrund dessen sollte sich auch in zünftigen
Arbeiten im Bereich des Packprozesses auf dieses Bewertungskriterium bezogen wer-
den.
Obwohl eine 100%ige Auslastung der Packmitarbeiter in der Analyse und Interpretation
als begrüßenswert und möglich angesehen wurde, kann dies in der Praxis selten umge-
setzt werden. Dagegen besteht ein fortführender Optimierungsansatz daraus, die Warte-
zeiten gleichmäßig auf alle Mitarbeiter im Prozess zu verteilen um mittels Erholungs-
phasen die Performance aufrecht zu erhalten. Jedoch existiert hierzu bisher keine For-
schung, weshalb auch Boysen et al. (2019a: 409) dazu aufrufen diesen Ansatz zu unter-
suchen. Ebenso ergab die Interpretation, dass die Anwendung eines solchen Ausgleichs
im innovierten Organisationsansatz nur schwer realisierbar ist.
Abschließend sei darauf hingewiesen, dass sich die „.doe“-Modelldateien, Output-
Datensätze sowie die „.pan“-Datei des Process Analyzer für beide Modelle auf dem
beigelegten Datenträger befinden.
 67
Literaturverzeichnis

ABUSHAIKHA, I.; SALHIEH, L. & TOWERS, N. 2018. Improving distribution and business
performance through lean warehousing. International Journal of Retail &
Distribution Management, 46, 780-800-800.
ALBERS, S. & PETERS, K. 1997. Die Wertschöpfungskette des Handels im Zeitalter des
Electronic Commerce, Kiel, Inst. für Betriebswirtschaftslehre.
ALIBABA GROUP 2019. Annual Report Fiscal Year 2019 (End March 31, 2019).
Washington, D.C., USA.
ALTIOK, T. & MELAMED, B. 2007. Simulation modeling and analysis with Arena.
Amsterdam [u.a.]: Elsevier; Academic Press.
ALVES, J. R. X. & ALVES, J. M. 2015. Production management model integrating the
principles of lean manufacturing and sustainability supported by the cultural
transformation of a company. International Journal of Production Research, 53,
5320-5333-5333.
AMAZON.COM 2019. Annual Report 2018. Seattle, USA.
ARNDT, H. 2008. Supply Chain Management Optimierung logistischer Prozesse. 4.,
aktualisierte und überarbeitete Auflage ed. Wiesbaden: Gabler Verlag / GWV
Fachverlage GmbH.
AUFFERMANN, C.; LANGE, V. & HUSS-VERLAG 2016. Technologie-Screening
Handelslogistik Perspektiven erkennen - Effizienz steigern, München, Huss.
AUGUSTIN, H. 2009. Lean warehousing mit Six Sigma und Lean Management
Lagerprozesse erfolgreich gestalten ; eine Trendstudie, München, Huss.
BARTHOLDI III, J. J. & HACKMAN, S. T. 2017. Warehouse & Distribution Sience.
Atlanta, USA.
BATTINI, D.; CALZAVARA, M.; PERSONA, A. & SGARBOSSA, F. 2016. Dual-tray Vertical
Lift Modules for Fast Order Picking. IMHRC 2016 Karlsruhe, Germany.
BETRIEBSEINRICHTUNGEN LENZ. 2010. Packtische für den Vesand, Montagetische für
die Produktion, Packplatzsysteme,… [Online]. Betriebseinrichtungen Lenz.
Available: https://www.betriebseinrichtungen-lenz.de/Packtische-fuer-den-
Versand-Montagetische-fuer-die-Produktion-Packplatzsysteme----_328.aspx
[Accessed 03.09.2019 2019].
BEVH 2018. E-Commerce – der neue Nahversorger? : Bundesverband E-Commerce und
Versandhandel Deutschland e.V.
BLOSS, R. 2011. Automation meets logistics at the Promat Show and demonstrates
faster packing and order filling. Assembly Automation, 31, 315-318-318.
BORTOLOTTI, T.; BOSCARI, S. & DANESE, P. 2015. Successful lean implementation:
Organizational culture and soft lean practices. International Journal of
Production Economics, 160.
BOYSEN, N.; DE KOSTER, R. & WEIDINGER, F. 2019a. Warehousing in the e-commerce
era: A survey. European Journal of Operational Research, 277, 396-411.
BOYSEN, N.; STEPHAN, K. & WEIDINGER, F. 2019b. Manual order consolidation with put
walls: the batched order bin sequencing problem. EURO Journal on
Transportation and Logistics, Vol. 8, 169-193.
CAMUFFO, A. & GERLI, F. 2018. Modeling management behaviors in lean production
environments. International Journal of Operations & Production Management,
38, 403-423.
CAPUTO, A. C. & PELAGAGGE, P. M. 2006. Management criteria of automated order
picking systems in high-rotation high-volume distribution centers. Industrial
Management & Data Systems, 106, 1359-1383-1383.
CHO, J. J.-K.; OZMENT, J. & SINK, H. 2008. Logistics capability, logistics outsourcing
and firm performance in an e-commerce market. International Journal of
Physical Distribution & Logistics Management, 38, 336-359.
 68
DAHM, M. H. & HAINDL, C. 2015. Lean Management und Six Sigma Qualität und
Wirtschaftlichkeit in der Wettbewerbsstrategie. 3., neu bearbeitete und
wesentlich erweiterte Auflage ed. Berlin: Erich Schmidt Verlag.
DE KOSTER, R.; LE-DUC, T. & ROODBERGEN, K. J. 2007. Design and control of
warehouse order picking: A literature review. European Journal of Operational
Research, 182, 481-501-501.
DEHDARI, P. & SCHWAB, M. 2012. Lean Management in Lägern Arbeitskreisbericht. In:
FURMANS, K. & WLCEK, H. (eds.) Schriftenreihe Wirtschaft & Logistik.
Hamburg: DVV Media Group.
DROHOMERETSKI, E.; GOUVEA DA COSTA, S. E.; PINHEIRO DE LIMA, E. & GARBUIO, P. A.
D. R. 2014. Lean, Six Sigma and Lean Six Sigma: an analysis based on
operations strategy. International Journal of Production Research, 52, 804-824-
824.
DZEIK, V. 2008. Entwicklung eines Prozesskostenmodells zur Kalkulation von
Verpackungskosten manueller Verpackungsarbeitsplätze. PhD Dissertation,
Technische Universität Dortmund.
EKREN, B. Y. & HERAGU, S. S. 2010. Simulation-based regression analysis for the rack
configuration of an autonomous vehicle storage and retrieval system.
International Journal of Production Research, 48, 6257-6274-6274.
ELEY, M. 2012. Simulation in der Logistik eine Einführung in die Erstellung
ereignisdiskreter Modelle unter Verwendung des Werkzeuges "Plant
Simulation", Berlin Heidelberg, Springer Gabler.
FULLERTON, R. R.; KENNEDY, F. A. & WIDENER, S. K. 2014. Lean manufacturing and
firm performance: The incremental contribution of lean management accounting
practices. Journal of Operations Management, 32, 414-428-428.
FURMANS, K. & KILGER, C. 2019. Betrieb von Logistiksystemen. In: FURMANS, K. &
KILGER, C. (eds.) Fachwissen Logistik. Berlin, Heidelberg: Springer Berlin
Heidelberg.
FURMANS, K. & WLCEK, H. 2012. Lean Management in Lägern Arbeitskreisbericht. In:
FURMANS, K. & WLCEK, H. (eds.) Schriftenreihe Wirtschaft & Logistik.
Hamburg: DVV Media Group.
GRAF, A. & SCHNEIDER, H. 2017. Das E-Commerce-Buch Marktanalysen -
Geschäftsmodelle - Strategien. 2., komplett überarbeitete und erweiterte Auflage
ed. Frankfurt am Main: dfv Mediengruppe Fachbuch.
GRÜN, O.; JAMMERNEGG, W. & PEARSON STUDIUM 2019. Grundzüge der Beschaffung,
Produktion und Logistik, Hallbergmoos, Pearson.
GU, J.; GOETSCHALCKX, M. & MCGINNIS, L. F. 2007. Research on warehouse operation:
A comprehensive review. European Journal of Operational Research, 177, 1-
21.
GU, J.; GOETSCHALCKX, M. & MCGINNIS, L. F. 2010. Research on warehouse design
and performance evaluation: A comprehensive review. European Journal of
Operational Research, 203, 539-549.
GUTENSCHWAGER, K.; RABE, M.; SPIECKERMANN, S. & WENZEL, S. 2017. Simulation in
Produktion und Logistik Grundlagen und Anwendungen. Berlin, Heidelberg:
Springer Vieweg.
HILL, M. R.; BOORMAN, E. D. & FRIED, I. 2016. Observational learning computations in
neurons of the human anterior cingulate cortex. Nature Communications, 7, 1-
12.
HINES, P.; FOND, P.; GRIFFITHS, G. & HARRISON, R. 2011. Staying lean thriving, not just
surviving, Boca Raton, Fla. New York, NY [u.a.], CRC Press.
JACOBS, F. R. & CHASE, R. B. 2018. Operations and supply chain management, New
York, NY, McGraw-Hill Education.
 69
KILLE, C. & BRETZKE, W.-R. 2014. Navigation durch die komplexe Welt der Logistik
Texte aus Wissenschaft und Praxis zum Schaffenswerk von Wolf-Rüdiger Bretzke
; [ ... Festschrift zum 70. Geburtstag], Wiesbaden, Springer Gabler.
KOETHER, R. 2014. Distributionslogistik effiziente Absicherung der Lieferfähigkeit. 2.,
aktual. u. überarb. Aufl. 2014 ed. Wiesbaden: Springer Gabler.
KOETHER, R. 2018. Distributionslogistik effiziente Absicherung der Lieferfähigkeit. 3.,
aktualisierte und erweiterte Auflage ed. Wiesbaden: Springer Gabler.
KOETHER, R. & MEIER, K.-J. 2017. Lean Production für die variantenreiche
Einzelfertigung Flexibilität wird zum neuen Standard. In: KOETHER, R. &
MEIER, K.-J. (eds.). Wiesbaden: Springer Fachmedien Wiesbaden.
KRIEG, T. 2004. Verpackt und zugeklebt das Praxishandbuch für professionelles
Verpacken, Pliening/Landsham, Ratioform Verpackungsmittel.
LASCH, R. 2018. Prozesse, Wiesbaden, Germany, Springer Gabler.
LEFEBVREA, L. A.; LEFEBVREA, É.; BENDAVIDA, Y.; FOSSO WAMBAA, S. & BOECK, H.
2006. RFID as an Enabler of B-to-B e-Commerce and Its Impact on Business
Processes: A Pilot Study of a Supply Chain in the Retail Industry. Proceedings
of the 39th Hawaii International Conference on System Sciences. Kauia, HI,
USA, USA: Institute of Electrical and Electronics Engineers.
LEUNG, K. H.; CHOY, K. L.; SIU, K. Y.; HO, G. T. S.; LAM, H. Y. & LEE, C. K. M. 2018.
A B2C e-commerce intelligent system for re-engineering the e-order fulfilment
process. Expert Systems With Applications, 91, 386-401.
MAHALIK, N. P. 2009. Processing and packaging automation systems: a review. Sensing
and Instrumentation for Food Quality and Safety, 3, 12-25.
MAHFOUZ, A. & ARISHA, A. 2013. Lean Distribution Concept, Constructs and Practices.
EUROMA. Dublin.
MARTIN, H. 2014. Transport- und Lagerlogistik Planung, Struktur, Steuerung und
Kosten von Systemen der Intralogistik. 9., vollst. überarb. und aktualisierte Aufl.
ed. Wiesbaden: Springer Vieweg.
MATHAR, H.-J. & SCHEURING, J. 2009. Unternehmenslogistik Grundlagen für die
betriebliche Praxis mit zahlreichen Beispielen, Repetitionsfragen und
Antworten, Zürich, Compendio Bildungsmedien.
MATUSIAK, M.; DE KOSTER, R.; KROON, L. & SAARINEN, J. 2014. A fast simulated
annealing method for batching precedence-constrainted customer orders in a
warehouse. European Journal of Operational Research, 236, 968-977.
MYERSON, P. 2012. Lean supply chain and logistics management, New York [u.a.],
McGraw-Hill.
NARAYANAN, A.; SAHIN, F. & ROBINSON, E. P. 2019. Demand and order-fulfillment
planning: The impact of point-of-sale data, retailer orders and distribution center
orders on forecast accuracy. Journal of Operations Management, 65, 468-486-
486.
PAN, J. C.-H.; SHIH, P.-H. & WU, M.-H. 2015. Order batching in a pick-and-pass
warehousing system with group genetic algorithm. Omega, 57.
PIDD, M. 1995. Object-orientation, discrete simulation and the three-phase approach.
Journal of the Operational Research Society, 46, 362.
PROTZMAN, C.; WHITON, F. & PROTZMAN, D. 2019. Implementing lean twice the output
with half the input!, New York, NY, Routledge.
RABE, M.; SPIECKERMANN, S. & WENZEL, S. 2008. Verifikation und Validierung für die
Simulation in Produktion und Logistik Vorgehensmodelle und Techniken, Berlin
[u.a.], Springer.
RAJAKUMAR, S.; ARUNACHALAM, V. P. & SELLADURAI, V. 2004. Workflow balancing
strategies in parallel machine scheduling. The International Journal of Advanced
Manufacturing Technology, 23, 366-374.
RAJAKUMAR, S.; ARUNACHALAM, V. P. & SELLADURAI, V. 2006. Workflow balancing in
parallel machine scheduling with precedence constraints using genetic
 70
algorithm. Journal of Manufacturing Technology Management, 17, 239-254-
254.
RICHARDS, G. 2018. Warehouse management a complete guide to improving efficiency
and minimizing costs in the modern warehouse, London New York New Dehli,
Kogan Page.
RÖDIG, J. D. 2012. Fallstudien in der Logistik Praxisbeispiele aus
Logistikdienstleistung, Industrie und Handel. In: HARTEL, D. H. (ed.)
Schriftenreihe Wirtschaft & Logistik. Hamburg: DVV Media Group.
RUSHTON, A.; CROUCHER, P. & BAKER, P. 2017. The Handbook of Logistics and
Distribution Management Understanding the Supply Chain. 6th ed ed. London:
Kogan Page.
SCHNETTLER, J. 2016. Zalando entwickelt Pioniergeist [Online]. RP Online. Available:
https://rp-online.de/nrw/staedte/moenchengladbach/zalando-entwickelt-
pioniergeist_aid-18274875 [Accessed 03.09.2018 2019].
SCHNIEDERJANS, M. J.; CAO, R. Q. & TRICHE, J. H. 2014. E-commerce operations
management, New Jersey [u.a.], World Scientific.
SCHNIEDERJANS, M. J.; SCHNIEDERJANS, D. G.; CAO, R. Q. & GU, V. C. 2018. Topics in
lean supply chain management, New Jersey London Singapore Beijing Shanghai
Hong Kong Taipei Chennai, World Scientific.
SCHOLZ, A. & WASCHER, G. 2017. Order Batching and Picker Routing in manual order
picking systems: the benefits of integrated routing. Central European Journal of
Operations Research, 25, 491-520-520.
SCHUH, G.; HERING, N. S. & BRUNNER, A. 2013. Einführung in das
Logistikmanagement, Günther Schuh, Volker Stich.
SCHUH, G. & STICH, V. 2013. Logistikmanagement Handbuch Produktion und
Management 6. VDI-Buch 6. 2., vollst. neu bearb. und erw. Aufl. 2013 ed.
Berlin Heidelberg: Springer.
SCHULTE, C. 2016. Logistik Wege zur Optimierung der Supply Chain. Vahlens
Handbücher der Wirtschafts- und Sozialwissenschaften. 7th ed ed. München:
Verlag Franz Vahlen.
SHESKIN, D. J. 2011. Handbook of parametric and nonparametric statistical
procedures, Boca Raton, Fla. [u.a.], CRC Press.
STATISTA. 2019. Umsätze im E-Commerce nach Segmenten in der Welt im Jahr 2017
sowie eine Prognose bis 2023 (in Millionen Euro) [Online]. Available:
https://de.statista.com/statistik/daten/studie/484763/umfrage/prognose-der-
umsaetze-im-e-commerce-nach-segmenten-in-der-welt/ [Accessed 05.10.2019
2019].
TEN HOMPEL, M.; SADOWSKY, V. & MUH ̈ LENBROCK, S. 2019. Innerbetriebliche
Logistik. In: SCHMIDT, T. (ed.) Fachwissen Logistik. Berlin, Heidelberg:
Springer Berlin Heidelberg.
TEN HOMPEL, M. & SCHMIDT, T. 2008. Warehouse Management Organisation und
Steuerung von Lager- und Kommissioniersystemen ; mit 48 Tabellen. VDI-
Buch. 3., korrigierte Auflage ed. Berlin, Heidelberg: Springer-Verlag Berlin
Heidelberg.
THOME, R. 2000. Electronic commerce Anwendungsbereiche und Potentiale der
digitalen Geschäftsabwicklung, München, Vahlen.
TOWNSEND, B. 2012. The Basics of Line Balancing and JIT Kitting. Hoboken: CRC
Press.
TRIPP, C. 2019. Distributions- und Handelslogistik Netzwerke und Strategien der
Omnichannel-Distribution im Handel. Wiesbaden: Springer Fachmedien
Wiesbaden.
VDI 2014. Simulation von Logistik-, Materialfluss- und Produktionssystemen -
Grundlagen. Beuth, Berlin: VDI-Gesellschaft Produktion und Logistik.
 71
WADDINGTON, W. H.; GREWELL, P. C.; HAM, P. & KLOTS, B. 2009. Method and system
for order fulfillment in a distribution center. United States of America patent
application 11/356,870.
WANNENWETSCH, H. 2002. E-Logistik und E-Business, Stuttgart, Kohlhammer.
WEIBLEN, J. 2014. Determining Cycle Times for Packing in Distribution Centres. PhD
of Engineering Dissertation, Karlsruher Institut für Technologie (KIT).
WEIDINGER, F. & BOYSEN, N. 2018. Scattered Storage: How to Distribute Stock
Keeping Units All Around a Mixed-Shelves Warehouse. Transportation
Science, 52, 1412-1427-1427.
WENZEL, S. 2018. Simulation logistischer Systeme. In: TEMPELMEIER, H. (ed.)
Modellierung logistischer Systeme. Berlin: Springer Vieweg.
WISNER, J. D. 2017. Operations management a supply chain process approach, Los
Angeles London New Delhi Singapore Washington DC Melbourne, SAGE.
ZALANDO 2018. Geschäftsbericht 2018. Berlin, DE.
ZYLSTRA, K. D. 2006. Lean distribution applying lean manufacturing to distribution,
logistics, and supply chain. Hoboken, N.J: John Wiley & Sons.
 72
Anhang

A. Abbild eines Arbeitstisches im Packbereich

Bildquelle: (Betriebseinrichtungen Lenz 2010)

B. 5S
Die 5S-Methode (Protzman et al. 2019: 253ff):
1. Seiri - sort
2. Seiton - stabilize
3. Seiso - shine
4. Seiketsu - standardize
5. Shitsuke - sustain
 73
C. Ermittlung der Prozesszeiten für die Prozesse Picken, Sortieren
und Packen
Leung et al. (2018: 396) geben in ihrem Artikel eine Übersicht über die von Ihnen er-
mittelten Prozesszeiten für die Prozesse Order Planning, Picking, Packing und Label-
ling. In ihrer Forschung ermitteln sie eine Methode zum effizienteren Picken und Pa-
cken durch Order Batching. Während Picking dem Verständnis des Pickprozesses in
dieser Arbeit entspricht. Beinhaltet laut den Autoren das Packing auch die Sortierung
der Bestellungen, nicht aber das Drucken und Aufkleben des Versandetiketts. Aus die-
sem Grund wurde als zweite Berechnungsgrundlage das Paper von Boysen et al.
(2019b) verwendet. Zu ihrer Simulationsstudie gehen die Autoren hier von vier Sekun-
den für den Sortiervorgang eines Produktes aus.
Allerdings besteht nun eine Diskrepanz in der Einheit, da Leung et al. (2018) Zeit pro
Bestellung und berechnen wohingegen Boysen et al. (2019b) sich auf Zeit pro Produkt
beziehen. Deshalb wird aufgrund der Informationen aus dem Text davon ausgegangen,
dass Angaben von ... über Bestellungen mit durchschnittlich drei Produkten gemacht
wurden. Mit diesen Voraussetzungen wurden folgende Berechnungen für die Prozesse
Sortieren und Packen getätigt:
Sortierung:

Packen (Werte mit Order Batching):

 74
D. Ablaufdiagramm des bisherigen Packprozesses als eEPK
 75
E. Ablaufdiagramm des Sortierprozesses als eEPK
 76
F. Gesamtübersicht Modells des innovierten Organisationsansatzes in Arena
 77
G. Gesamtübersicht Modells des bisherigen Organisationsansatzes in Arena
 78
H. Position 1 des Packbereichs in Arena
 79
I. Umsetzung der Sortierprozesses in Arena
 80

J. Ausgabetabellen des Process Analyzers

Innovierter Organisationsansatz (Dateiname: "PA_innovierterOrganisationsansatz.pan"):

 81
Bisheriger Organisationsansatz (Dateiname: "PA_bisherigerOrganisationsansatz.pan"):
 82
K. Konfidenzintervalle der Anzahl versandbereiter Produkte pro
Szenario
Konfidenzintervalle für die Anzahl versandbereiter Bestellungen pro Szenario im bishe-
rigen Organisationsansatz (Process Analyzer):

Konfidenzintervalle für die Anzahl versandbereiter Bestellungen pro Szenario im inno-

vierten Organisationsansatz (Process Analyzer)
 83
L. Liniendiagramm der Bestellgröße pro Szenario
8
7
Bestellgröße 6
5
4
3
2
1
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

M. Untersuchung auf Unabhängigkeit der Stichproben beider Or-

ganisationsansätze für Szenario 1 mittels gepaartem t-Test

N. Balkendiagramm der mittleren Bearbeitungszeit pro Bestellung

pro Szenario

4
Bearbeitungszeit pro

3,5
Bestellung (Min)

3
2,5
2
1,5
1
0,5
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
 84
Eidesstattliche Erklärung

Ich versichere, dass ich die vorstehende Arbeit selbständig und ohne fremde Hilfe ange-
fertigt und mich anderer als der im beigefügten Verzeichnis angegebenen Hilfsmittel
nicht bedient habe. Alle Stellen, die wörtlich oder sinngemäß aus Veröffentlichungen
übernommen wurden, sind als solche kenntlich gemacht. Alle Internetquellen sind der
Arbeit beigefügt. Des Weiteren versichere ich, dass ich die Arbeit vorher nicht in einem
anderen Prüfungsverfahren eingereicht habe und dass die eingereichte schriftliche Fas-
sung der auf dem elektronischen Speichermedium entspricht.

Ort, Datum Unterschrift