Werbehinweis: Dieser Beitrag enthält Affiliate-Links zum Rheinwerk Verlag, gekennzeichnet mit einem Sternchen (*). Kaufst du darüber, erhalte ich eine kleine Provision. Für dich ändert sich am Preis nichts.
Kurz gesagt: Im Lager mit SAP EWM hilft KI vor allem bei vier Dingen: Personalbedarf vorhersagen, Lagerplätze besser belegen (Slotting), Ausnahmen schneller lösen und Wareneingänge prüfen. Einiges davon ist schon im Standard verfügbar, etwa die vorausschauende Personalbedarfsplanung, die mit S/4HANA 2025 FPS01 auf die Bereitstellung im Warenausgang erweitert wurde, und Joule für Abfragen und Aktionen im Warenausgang. KI-Agenten für Wareneingang und Schichtplanung sind angekündigt. Ohne saubere Stammdaten und mindestens ein Jahr gute Lageraufgaben-Historie bringen die Modelle aber wenig. Stand: Oktober 2026
Du hast keine Zeit, den ganzen Artikel zu lesen? Dann findest du hier vorab meine Empfehlungen auf einen Blick. Die Begründungen stehen weiter unten.
| Einsatzbereich | Empfehlung |
|---|---|
| Schneller Nutzen mit Standard-Mitteln | Vorausschauende Personalbedarfsplanung (Predictive Labor Demand Planning) |
| Lange Laufwege beim Kommissionieren | KI-gestütztes Slotting, aber erst nach Bereinigung der Produktmaße |
| Viele Rückfragen im Warenausgang | Joule in EWM für Status, Risiken und Aktionen |
| Buch für EWM selbst | Warehouse Management mit SAP S/4HANA (Rheinwerk)* Mein Tipp |
| Buch für KI-Anwendungsfälle | AI Business Cases mit SAP (Rheinwerk)* |
Im Lager zeigt sich schneller als irgendwo sonst, ob eine Planung funktioniert. Wenn um 14 Uhr drei Lkw gleichzeitig an der Rampe stehen, aber nur zwei Kommissionierer im Warenausgang sind, hilft keine schöne Folie. Genau an solchen Stellen kann KI im Lager etwas bringen: Sie sieht Engpässe früher, schlägt bessere Lagerplätze vor und nimmt den Teamleitern Routineentscheidungen ab.
Als EWM-Berater sehe ich aber auch die andere Seite. Viele Lager haben noch genug damit zu tun, dass Produktmaße stimmen, Lagerplatztypen sauber gepflegt sind und die Integration zu TM läuft. KI setzt darauf auf, sie ersetzt es nicht. In diesem Beitrag sortiere ich, was in SAP EWM heute tatsächlich geht, was angekündigt ist und wo ich anfangen würde.
Wo KI im Lager wirklich hilft
| Anwendungsfall | Was die KI macht | Nutzen | Stand in SAP EWM 2026 |
|---|---|---|---|
| Personalbedarfsplanung | Sagt aus Historie und Auftragslage voraus, wie viele Leute pro Tätigkeit und Schicht gebraucht werden | Weniger Überstunden, weniger Leerlauf | Im Standard (Predictive Labor Demand Planning), mit FPS01 auf die Bereitstellung im Warenausgang erweitert |
| Slotting | Schlägt vor, Schnelldreher näher an Pack- und Versandbereiche zu legen | Kürzere Wege beim Kommissionieren | KI-gestütztes Slotting wird von SAP als Neuerung genannt |
| Warenausgang mit Joule | Beantwortet Statusfragen, warnt vor Lieferungen, die den Abholtermin reißen, löst Aktionen aus | Schnellere Reaktion, weniger Suchen | Mit S/4HANA 2025 FPS01 verfügbar |
| Wareneingang prüfen | KI-Agent prüft eingehende Lieferungen, Kameras erkennen Menge, Etiketten und Schäden | Weniger Klärfälle, schnellere Einlagerung | Agent angekündigt, Bilderkennung über Partnerlösungen |
| Schichtplanung | Passt Schichten und Personal an die erwartete Arbeitslast an | Engpässe werden früher sichtbar | Als Joule-Agent angekündigt |
| Ausnahmen lösen | Schlägt bei Ausfällen vor, Aufgaben umzuverteilen, zum Beispiel wenn ein Stapler ausfällt | Weniger Stillstand | Konzept und Pilotprojekte |
| Wartung von Fördertechnik | Erkennt aus Sensordaten, dass ein Gerät bald ausfällt | Weniger ungeplante Ausfälle | Meist außerhalb von EWM, über IoT und Asset Management |
Was SAP für EWM konkret anbietet
Vorausschauende Personalbedarfsplanung. Predictive Labor Demand Planning nutzt historische Daten, aktuelle Kennzahlen und Prognosen der Arbeitslast, um den Personalbedarf vorherzusagen. Mit S/4HANA 2025 FPS01 wurde die Prognose auf die Bereitstellung im Warenausgang erweitert, also genau den Bereich, in dem es zu Spitzenzeiten oft eng wird. Für Ende 2026 hat SAP eine erweiterte Version angekündigt, die Risiken für die Auftragserfüllung und ihre Ursachen sichtbar machen soll.
Joule in EWM. Im Warenausgang kann Joule seit FPS01 Fragen zum Lieferstatus beantworten, Auslieferungen markieren, die den Abholtermin des Spediteurs zu verpassen drohen, und Aktionen auslösen, etwa Lageraufgaben anlegen oder quittieren. Wie das im Vergleich zu TM aussieht, steht in SAP Joule in TM und EWM.
KI-Agenten für die Logistik. SAP hat Joule-Agenten angekündigt, die Wareneingänge prüfen und Schichten an die Arbeitslast anpassen. Darüber soll ein Logistics Assistant die Agenten für Lager und Transport koordinieren. Welche davon für deine Edition und dein Release verfügbar sind, steht in den Release-Informationen.
Slotting und Robotik. SAP nennt KI-gestütztes Slotting als Neuerung in EWM und bietet Schnittstellen zur Anbindung von Robotern. Bilderkennung am Wareneingang läuft heute meist über Partnerlösungen, die ihre Ergebnisse per Schnittstelle an EWM übergeben.
Wie das Thema im Transport aussieht, steht im Gegenstück zu diesem Beitrag: KI im Transportmanagement.
Wo ich anfangen würde
Mein Favorit für den Einstieg ist die Personalbedarfsplanung. Sie ist im Standard verfügbar, braucht keine zusätzliche Hardware, und der Nutzen ist für Lagerleiter sofort greifbar. Wer heute morgens nach Gefühl einteilt und mittags merkt, dass der Warenausgang absäuft, hat damit eine echte Entscheidungshilfe.
An zweiter Stelle steht Slotting, aber mit einer klaren Bedingung: Die Produktmaße müssen stimmen. Ein Slotting-Vorschlag auf Basis falscher Abmessungen und Gewichte ist schlimmer als gar keiner, weil er Ware an Plätze schickt, auf die sie nicht passt. Praxisberichte nennen Fehlerquoten von 15 bis 20 Prozent in den Stammdaten als Grenze, ab der die Vorschläge unbrauchbar werden.
Bilderkennung am Wareneingang lohnt sich vor allem bei hohen Mengen und vielen Lieferanten mit schlechter Etikettierung. Für ein mittelgroßes Lager mit stabilem Lieferantenstamm ist der Aufwand oft zu hoch.
Woran KI-Projekte im Lager scheitern
Produktstammdaten. Abmessungen, Gewichte, Verpackungsspezifikationen. Fast jedes EWM-Projekt, das ich gesehen habe, hatte hier Lücken. Für KI-Anwendungen wie Slotting sind diese Daten die Grundlage.
Zu wenig Historie. Prognosemodelle brauchen in der Praxis 12 bis 24 Monate saubere Daten zu Lageraufgaben. Wer gerade erst von WM auf EWM migriert hat, muss oft erst Daten sammeln. Die Architekturfrage dazu steht in EWM Migration auf S/4HANA: Embedded oder Sidecar?.
Betriebsrat und KI-Verordnung. Sobald KI die Leistung einzelner Mitarbeiter auswertet oder Schichten plant, hat der Betriebsrat in Deutschland ein Mitbestimmungsrecht. Systeme, die Beschäftigte überwachen oder bewerten, können außerdem unter die Hochrisiko-Regeln der EU-KI-Verordnung fallen, deren Pflichten nach dem Digital Omnibus ab Dezember 2027 gelten. Das ist kein Grund, es zu lassen, aber ein Grund, den Betriebsrat ab dem ersten Workshop einzubinden. Mehr dazu in Darf ich SAP-Kundendaten in ChatGPT kopieren?.
Integration. Wenn Wareneingänge aus TM nicht sauber ankommen oder Auslieferungen hängen, nützt keine Prognose. Typische Fehlerbilder stehen in EWM-TM Integration läuft nicht.
Edition und Lizenz. Neue KI-Funktionen kommen vorrangig für SAP S/4HANA Cloud und neuere Releases. Wer ein dezentrales EWM auf älterem Stand betreibt, sollte vorab prüfen, was überhaupt verfügbar ist.
So gehst du ein KI-Projekt im Lager an
- Einen Engpass wählen, der heute messbar Geld kostet, zum Beispiel Überstunden im Warenausgang oder lange Laufwege beim Kommissionieren.
- Die Kennzahl festlegen und den Ist-Zustand messen, etwa Stunden pro Schicht oder Wegstrecke pro Pick.
- Stammdaten prüfen, vor allem Produktmaße, Lagerplatztypen und Arbeitsbereiche.
- Historie prüfen: Gibt es mindestens zwölf Monate saubere Lageraufgaben?
- Betriebsrat und Datenschutz einbinden, bevor Personaldaten ausgewertet werden.
- Pilot in einem Lagerbereich oder einer Schicht, dann gegen die Kennzahl messen.
Wer EWM-Wissen aufbauen will, findet einen Einstieg in SAP EWM lernen.
Buchtipps
Das deutschsprachige Standardwerk zu EWM ist Warehouse Management mit SAP S/4HANA (Rheinwerk)*. Mit rund 1.270 Seiten ist es eher Nachschlagewerk als Lektüre, deckt dafür aber fast alles ab. Für Entwickler passt EWM with SAP S/4HANA: Architecture and Programming (englisch)*. Und wer konkrete KI-Szenarien sucht, auch aus der Logistik, findet sie in AI Business Cases mit SAP*. Weitere Titel stehen in Die besten Bücher zu KI und SAP.
Mein Fazit
KI im Lager ist 2026 dort angekommen, wo es am meisten weh tut: bei der Personalplanung und im Warenausgang. Die vorausschauende Personalbedarfsplanung und Joule im Warenausgang kann man heute schon nutzen. Slotting, Bilderkennung und Agenten folgen, stehen und fallen aber mit der Qualität der Stammdaten. Mein Rat: Erst die Daten in Ordnung bringen, dann einen Engpass gezielt angehen und den Nutzen messen. Und den Betriebsrat nicht erst zur Abnahme einladen.
Wenn du für so ein Vorhaben Unterstützung suchst, lies vorher SAP TM/EWM Berater finden: Worauf du achten musst.
Häufige Fragen
Wie wird KI im Lager eingesetzt?
Vor allem für Prognosen und Vorschläge: Personalbedarf pro Tätigkeit und Schicht vorhersagen, Schnelldreher besser platzieren, Lieferungen mit Verspätungsrisiko markieren, Wareneingänge per Bilderkennung prüfen und bei Ausfällen Aufgaben umverteilen.
Welche KI-Funktionen gibt es in SAP EWM?
Im Standard gibt es die vorausschauende Personalbedarfsplanung (Predictive Labor Demand Planning) und mit S/4HANA 2025 FPS01 Joule im Warenausgang. KI-gestütztes Slotting nennt SAP als Neuerung. Joule-Agenten für Wareneingangsprüfung und Schichtplanung sind angekündigt.
Was ist Predictive Labor Demand Planning in SAP EWM?
Eine Funktion, die aus historischen Daten, aktuellen Kennzahlen und Prognosen der Arbeitslast vorhersagt, wie viel Personal pro Tätigkeit gebraucht wird. Mit FPS01 wurde sie auf die Bereitstellung im Warenausgang erweitert.
Welche Daten braucht KI im Lager?
Saubere Produktstammdaten wie Maße und Gewichte, gepflegte Lagerplatztypen und Arbeitsbereiche sowie in der Praxis 12 bis 24 Monate saubere Historie der Lageraufgaben.
Muss der Betriebsrat bei KI im Lager zustimmen?
Wenn die KI Leistung oder Verhalten von Beschäftigten auswertet oder Schichten plant, hat der Betriebsrat in Deutschland ein Mitbestimmungsrecht. Deshalb sollte er früh eingebunden werden.
Dieser Beitrag wurde mit KI-Unterstützung erstellt und von Andreas Böhm (SAP TM/EWM Berater) inhaltlich geprüft und redaktionell verantwortet. Angaben zu Funktionen basieren auf Veröffentlichungen von SAP und SAP-Partnern, Stand Oktober 2026. Keine Rechtsberatung.
