Der Onlinehandel gewinnt heutzutage permanent an Bedeutung und ist im Alltag nicht mehr weg-zudenken. Immer mehr Anbieter versuchen sich auf dem Markt erfolgreich zu etablieren. Die Wettbewerbsfähigkeit der Anbieter ist unter anderem abhängig von der Effektivität ihrer Lo-gistikzentren. Das Ziel dieser Logistikzentren ist, zu möglichst geringen Kosten die Produkte zu lagern, zu kommissionieren (engl. = to pick) und zu verpacken.
Durchschnittlich kostet die Logistikleistung in einem Logistikzentrum zwischen drei und zwölf Euro pro Bestellung, abhängig von der Anzahl der Produkte [VKS12]. Dabei ist die Kom-missionierarbeit der Kostentreiber der Logistikleistung mit einer Spanne zwischen 0,75 und 6,25 Euro abhängig von der Anzahl der Bewegungen des Produktes [VKS12]. Das Ziel ist, diese Kos-ten möglichst gering zu halKos-ten. Die Reduzierung der Bewegungen der Produkte lässt sich mit Hilfe von automatisierten Lagern realisieren, wodurch die Kosten für die Kommissionierarbeit gesenkt werden können. Ein automatisiertes Lager bietet eine geringere Flexibilität, als ein ma-nuelles Lager. Aufgrund der derzeitigen Technik und der großen Produktvielfalt ist es nicht mög-lich ein automatisiertes Lager im Onlinehandel umzusetzen. Deswegen wird eine Kombination aus einem manuellen Lager und automatisierten Lager benötigt. Ein teilautomatisiertes Lager ver-bindet die Vor-und Nachteile der beiden anderen Lagertypen in einem System und eignet sich für den Einsatz im Onlinehandel.
In Zusammenarbeit zwischen einem Onlinehändler und der SSI Schäfer Noell GmbH wurde ein solches teilautomatisiertes Logistikzentrum umgesetzt. Die benötigten Produkte werden aus zwei verschiedenen Lagern zum Kommissionierplatz gefördert. Dabei stellt eine Fachbodenre-galanlage den manuellen Teil und ein automatisches Hochregallager den automatisierten Teil des Logistikzentrums dar. Das manuelle Picksystem ist sehr arbeitskraftabhängig. Je mehr Menschen dort arbeiten, desto höher ist die Ausbringungsmenge für das gesamte Logistikzentrum. Diese Anpassung an die Auslastung ist wichtig im Onlinehandel, weil dieser über das Jahr verteilt star-ken Schwankungen unterliegt. Deswegen soll in den Niedriglastzeiten das manuelle Lager auf ein Minimum reduziert werden, um die Logistikkosten für die Kommissionierarbeit gering zu halten.
Im Gegensatz dazu soll in der Niedriglastzeit aus dem automatisierten Lager ein wesentlich hö-herer Anteil zu den Ware-zu-Person Arbeitsplätzen gefördert werden. Die Produkte werden aus beiden Lagern in wiederverwertbaren Kisten zu Ware-zu-Person-Arbeitsplätzen gefördert und dort mit Hilfe eines Sorters in die verschiedenen Bereiche zur Auftragskonsolidierung sortiert.
Die Entscheidung in welchen der beiden Bereiche das Produkt eingelagert werden soll, ist im Moment nicht optimal. Die Produkte werden hauptsächlich im manuellen Lager eingelagert, wo-bei die Leistungsgrenze des automatisierten Lagers nicht ausgeschöpft wird. Deshalb stellt der Entscheidungsprozess, wo das jeweilige Produkt eingelagert werden soll, das Kernproblem dieser Arbeit dar.
Das Ziel dieser Arbeit ist, die Entscheidungsfindung für die Einlagerung zu optimieren. Dafür sollen Vergangenheitsdaten mit Data-Mining-Verfahren analysiert werden. Eine ganzheitliche Betrachtung des Problems erfordert es, ein bereits definiertes Vorgehensmodell zur Durchführung
von Data-Mining-Verfahren anzuwenden. Es gilt einen allgemeingültigen Ablauf, unter zu Hil-fenahme eines definierten Vorgehensmodelles, zur Optimierung des Einlagerungsprozesses zu finden. Insbesondere müssen aufgrund der großen Anzahl an unterschiedlichen Produkten kon-zeptionelle Lösungen zur Beherrschbarkeit der Produktvielfalt in den Vorverarbeitungsphasen des Data Minings (DM) realisiert werden. Um die Allgemeingültigkeit nachzuweisen, wird eine prototypische Anwendung auf Vergangenheitsdaten durchgeführt. Die Ergebnisse des Modells werden als Grundlage für das Slotting genutzt. Das Slotting stellt eine intelligente Lagerplatzver-waltung dar, welche sich auf Zukunftsprognosen stützt [RCB14]. Die Umsetzung und Implemen-tierung in die bestehende Software ist nicht Bestandteil dieser Arbeit.
Um zu einer erfolgreichen prototypischen Umsetzung des beschriebenen Vorgehensmodells zu gelangen, muss ein Vorgehensmodell zur Anwendung der DM-Verfahren definiert werden. In Kapitel 3 wird das Vorgehensmodell nach [FPS96] beschrieben und vorgestellt. Das Modell ent-hält neun verschiedene Schritte. In dieser Arbeit sind drei dieser Schritte besonders hervorzuhe-ben, bearbeitet werden jedoch alle neun Schritte. Die Vorverarbeitungsmethoden werden als ein Teilschritt des Vorgehensmodells in Kapitel 3 erläutert. Die Auswahl von geeigneten Vorverar-beitungsmethoden benötigt ein Wissen über die in Kapitel 2 beschriebenen Herausforderungen eines teilautomatisierten Logistikzentrums. Im Vorgehensmodell folgt nach der Datenvorverar-beitung das DM. Ein weiterer Teilschritt ist das DM, dies stellt eine Vielzahl von Werkzeugen zur Verfügung, welche auf die korrekt vorverarbeiteten Daten angewendet werden können. Eine Eingrenzung der Werkzeuge kann durch die in Kapitel 2 beschriebenen Grundlagen zu Entschei-dungen getroffen werden. Auf Basis dieser Eingrenzung werden drei verschiedene Verfahren zur Klassifikation beschrieben. Die Untersuchung der Anwendung auf die Problemstellung wird in Kapitel 4 vorgenommen, hierbei werden die Ergebnisse von drei verschiedenen Verfahren ver-glichen (Handlungsalternative Eins). Zu diesem Vergleich werden geeignete Vergleichsverfahren benötigt, welche am Ende von Kapitel 3 beschrieben werden. Die Vergleichsverfahren stellen den letzten Teilschritt des Vorgehensmodells dar. Eine weitere Möglichkeit (Handlungsalternative Zwei) zur Anwendung von DM zur Lagerplatzvergabe ergibt sich aus dem Abschnitt zur Einla-gerung. Hierbei werden verschiedene Einlagerungsstrategien erläutert und Strategien, bei denen die Prognose der Häufigkeit zur Anwendung kommt. Neben den Einlagerungsstrategien werden die Prozesse in einem Logistikzentrum erläutert, um ein besseres Verständnis für das Problem zu ermöglichen. Das DM bietet Werkzeuge zur Prognose der Häufigkeit. Eines dieser Werkzeuge wird ebenfalls in Kapitel 3 beschrieben. Der ermittelte Prognosewert muss daraufhin in einen vorher feststehenden Algorithmus integriert werden um den genauen Lagerbereich vorhersagen zu können. Dieser Algorithmus wird in Zusammenhang mit der Entwicklung des Vorgehensmo-dells in Kapitel 4 beschrieben. Somit entsteht ein weiterer Ansatz zur Lösung des vorliegenden Entscheidungsproblems. Diese beiden Handlungsalternativen der Lösung werden nun in Kapitel 4 in ein allgemeingültiges Modell überführt. Nach der erfolgreichen Überführung werden beide Handlungsalternativen ausführlich erläutert und zum Schluss jeweils auf ihre Implementierungs-möglichkeit und AnwendungsImplementierungs-möglichkeit kontrolliert. Nun wird sich aus Handlungsalternative Eins für ein DM-Verfahren entschieden und die Ergebnisse der jeweiligen Verfahren mit der zweiten Handlungsalternative verglichen. Anschließend wird eine Entscheidung für eine der bei-den Handlungsalternativen getroffen. Nach der Entscheidung für eine der beibei-den Handlungsalter-nativen wird für die ausgewählte Alternative eine prototypische Umsetzung durchgeführt. Das
Ergebnis stellt entweder den prognostizierten Lagerbereich dar (Handlungsalternative Eins) oder einen Wert zur Prognose, ob das Produkt in der kommenden Woche ausgelagert wird (Hand-lungsalternative Zwei). Eine Zusammenfassung der erarbeiteten Ergebnisse wird im letzten Ka-pitel präsentiert. Zuletzt beinhaltet diese Arbeit einen Ausblick auf die kommende Implementie-rung und Möglichkeiten zur ValidieImplementie-rung des entwickelten Modells.