Die Döner-Challenge: räumliche Optimierung von Verkaufsnetzwerken

Standortentscheidungen werden häufig nach Erfahrung getroffen: eine gute Lage, viel Publikum, akzeptable Miete. Was dabei nicht bewertet wird, ist der Zusammenhang – wie sich mehrere Standorte gegenseitig beeinflussen, wie viel Nachfrage der Wettbewerb bereits bindet und welche Kombination von Standorten mehr leistet als die Summe ihrer Einzelqualitäten.

Genau das ist ein Optimierungsproblem mit räumlicher Struktur. Es lässt sich rechnen, und das Ergebnis ist häufig nicht die Lage, die man intuitiv gewählt hätte. Als Beispiel haben wir einen fiktiven Unternehmer gewählt, der in Berlin – der Döner-Hauptstadt und dem Sitz der Supper & Supper GmbH – neu ins Döner-Geschäft einsteigen will.

Drei Datensätze, alle öffentlich verfügbar:

• Koordinaten leerstehender Ladenlokale in Berlin – die verfügbaren Optionen
• Positionen anderer Döner-Läden – die bereits gebundene Nachfrage
• Koordinaten Berliner Clubs – als Näherung für die Nachfrageverteilung zu den relevanten Zeiten

Der dritte Datensatz ist der interessante. Nachfrage steht in keinem Datensatz; sie muss über eine beobachtbare Größe angenähert werden. Diese Wahl bestimmt das Ergebnis stärker als jedes Optimierungsverfahren – und sie ist eine fachliche Entscheidung, keine technische.

Vier Parameter, die gegeneinander wirken. In die Optimierung gingen ein: Budget für den Erwerb der Immobilie, Entfernung zu den Nachfragepunkten, Nähe zu Wettbewerbern und deren Marktanteile. Ein Standort, der nah an der Nachfrage liegt, ist teuer und meist umkämpft; ein günstiger Standort erreicht weniger. Die Aufgabe besteht darin, den Ausgleich zwischen allen vier zu finden.

Standorte konkurrieren miteinander. Zwei Standorte, die beide gut liegen, können sich gegenseitig die Nachfrage nehmen. Der Marktanteil eines Netzwerks ist deshalb nicht die Summe der Einzelanteile – und deswegen muss die Kombination optimiert werden, nicht der einzelne Standort.

Die räumliche Optimierung wurde mit ArcGIS umgesetzt. Bewertet wurden nicht einzelne Lagen, sondern Kombinationen von Standorten gegen die vier Parameter – mit dem Ziel, den Marktanteil des gesamten Netzwerks zu maximieren.

Zwei Standorte – in Friedrichshain und Moabit – erreichen mit zwei Käufen einen Marktanteil von 30 %.

Die Aussage dahinter ist die interessantere: Das beste Netzwerk muss nicht aus den besten Einzellagen bestehen. Zwei Standorte, die sich räumlich ergänzen, können zwei Standorte schlagen, die jeweils für sich optimal sind.

Standort- und Netzoptimierung ist eine der ältesten Anwendungen räumlicher Analyse und in vielen Branchen dieselbe Rechnung: Filial- und Servicenetze, Ladeinfrastruktur, Standorte für Sammelstellen und Depots, Verteilung mobiler Dienste, Abdeckung im Gesundheitswesen, Standortwahl für Erzeugungsanlagen. Übertragbar ist auch die wichtigste Erkenntnis: Der schwierigste Teil ist nicht die Optimierung, sondern die Frage, über welche beobachtbare Größe man die Nachfrage annähert.

Die Nachfragemodellierung ist der Teil, der sich am stärksten verbessern lässt. Wo damals Clubstandorte als Näherung dienten, stehen heute Bewegungs- und Frequenzdaten, Erreichbarkeitsanalysen über echte Wegenetze statt Luftlinie und kleinräumige Bevölkerungsdaten zur Verfügung. Die Optimierung selbst würden wir nicht wesentlich anders aufsetzen; die etablierten Standortmodelle sind nach wie vor das richtige Werkzeug, ergänzt um eine Sensitivitätsanalyse, die zeigt, wie stabil eine Empfehlung gegenüber Annahmen über die Nachfrage ist. Das ist der Punkt, auf den es in der Praxis ankommt: Eine Standortempfehlung, die bei leicht veränderter Nachfrageannahme umschlägt, ist keine Empfehlung.