Entwicklung eines Modells zur standardisierten Datenauswertung für die automatisierte Lagerplanung

Abstract

Die steigende Komplexität logistischer Systeme, wachsende Datenmengen sowie erhöhte Anforderungen an Effizienz und Flexibilität stellen die Lagerplanung vor neue Herausforderungen. Insbesondere in frühen Planungsphasen besteht häufig eine unzureichende Datenbasis, während gleichzeitig schnelle und fundierte Entscheidungen hinsichtlich der Dimensionierung und Auslegung von Lagerbereichen erforderlich sind. Traditionelle, stark manuelle Auswertungsprozesse sind dabei zeitaufwendig, wenig standardisiert und nur eingeschränkt auf unterschiedliche Projekte übertragbar.Ziel dieser Arbeit ist die Entwicklung eines Artefakts zur datenbasierten und automatisierten Auswertung logistischer Daten, sowie zur strukturierten Ableitung relevanter Kennzahlen, das eine darauf aufbauende initiale Lagerauslegung ermöglicht. Dabei wird die Design Science Research Methodology (DSRM) angewendet, wobei ein problemzentrierter Ansatz verfolgt wird. Ausgehend von der Problemidentifikation und einer Analyse bestehender Herausforderungen werden funktionale und methodische Anforderungen an das Artefakt abgeleitet. Darauf aufbauend wird eine Lösung entwickelt, die die Integration und Aufbereitung heterogener Eingangsdaten sowie eine standardisierte Logik zur Berechnung zentraler lagerlogistischer Kennzahlen umfasst. Die Umsetzung erfolgt in Form eines Workflows, der durch die Einbindung externer Stellparameter eine flexible Anpassung an unterschiedliche Projektanforderungen ermöglicht.Die Anwendung des Artefakts wird anhand eines realitätsnahen Use Cases demonstriert. Dabei wird die entwickelte Lösung mit der traditionellen Vorgehensweise verglichen, um sowohl die erzielte Zeiteinsparung zu quantifizieren als auch die Ergebnisse zu validieren. Ergänzend wird die Lösung im Rahmen von Experteninterviews evaluiert, wobei insbesondere die methodische Fundierung, die praktische Anwendbarkeit, sowie der Nutzen für Planungsprozesse im Fokus stehen.Die Resultate zeigen, dass das Artefakt eine schnelle und strukturierte initiale Lagerauslegung ermöglicht und damit eine effizientere Analyse unterschiedlicher Planungsszenarien unterstützt.Einschränkungen ergeben sich durch notwendige Vereinfachungen bei der Kennzahlenberechnung. Dadurch stehen für bestimmte Fragestellungen der Lagerauslegung nicht alle Detailinformationen zur Verfügung, sodass einzelne Auslegungsschritte weiterhin auf einer detaillierteren Datenbasis basieren müssen.Insgesamt leistet die Arbeit einen Beitrag zur systematischen und datengetriebenen Lagerplanung und zeigt Potenziale für eine weiterführende Automatisierung sowie Integration in bestehende Planungsprozesse auf.

The increasing complexity of logistics systems, coupled with growing data volumes and rising demands for efficiency and flexibility, poses significant challenges for warehouse planning. In early planning stages in particular, decision-making is often constrained by limited data availability, while at the same time requiring fast and robust assessments for the sizing and configuration of warehouse areas. Conventional,mainly manual analysis approaches tend to be time-consuming, lack standardization,and are difficult to transfer across projects.This thesis aims to develop an artifact for the automated, data-driven analysis oflogistics data, enabling a structured derivation of relevant key performance indicators and supporting the initial design of warehouse systems. The research follows a problem-driven approach and is grounded in the Design Science Research Methodology (DSRM).Building on a systematic problem analysis, both functional and methodological requirements are derived and translated into a solution for integrating and processing heterogeneous input data, combined with a standardized logic for calculating keywarehouse performance metrics. The artifact is implemented as a configurable workflow that can be adapted to varying project contexts through external parameters.The artifact is demonstrated using a realistic use case. In this context, the develop solution is compared with the traditional approach in order to quantify the achieved time savings and to validate the results. In addition, its practical relevance is assessed through expert interviews, with a particular focus on chosen methodology, usability,and its value in supporting planning decisions.The findings indicate that the artifact enables a rapid and structured initial warehouse design while facilitating the exploration of alternative planning scenarios.However, certain limitations arise from the necessary simplifications in the calculation of key performance indicators. As a result, some information required for detailedwarehouse layout decisions is not available, meaning that specific design tasks still need to rely on a more detailed database.Overall, this thesis contributes to advancing data-driven approaches in warehouseplanning and highlights opportunities for further automation and integration into existing planning practices.