Optimierung der Kartongrößen: Warum Händler tausende Euro verschenken – und wie KI das Problem löst

Viele Händler ahnen, dass ihre Kartons eigentlich nicht passen – aber sie wissen weder, wie sie das sauber berechnen sollen, noch, wo sie anfangen müssen. Also läuft es „Pi mal Daumen“: Man nimmt, was halt gerade da ist, was „immer funktioniert hat“ oder was der Verpackungshändler empfohlen hat.

Zu große Kartons bedeuten mehr Luft, mehr Füllmaterial, höhere Portokosten, mehr Lagerfläche, mehr Handlingaufwand und nicht selten genervte Kunden, die das Gefühl haben, sie hätten ein halbleeres Paket bekommen. Und trotzdem optimieren erstaunlich wenige ihre Kartonagegrößen wirklich systematisch.

In diesem Beitrag geht es darum, wie du das Thema endlich strukturiert angehst – mit Daten, einem klaren Prozess und sinnvoll eingesetzter KI. Ohne Raketenwissenschaft, ohne Tabellenhölle, aber mit einem Ergebnis, das dir Geld spart.

---

Das Kernproblem: Niemand kennt die Maße

Der erste Stolperstein ist so simpel wie peinlich: Viele Händler kennen die exakten Maße ihrer Produkte nicht. Im System steht irgendwas, oft nur das Maß des Versandkartons vom Lieferanten – aber nicht das tatsächliche Produktmaß. Oder die Daten sind veraltet, unvollständig, irgendwo im PDF, aber nicht nutzbar.

Ohne verlässliche Maße kannst du aber keine sinnvolle Kartonoptimierung machen. Also musst du zuerst dafür sorgen, dass du diese Daten bekommst. Dafür gibt es zwei pragmatische Wege.

---

Weg 1: Lieferanten und Bezugsquellen anzapfen

Der klassische Ansatz: Du fragst deine Lieferanten, Hersteller oder Großhändler nach den exakten Produktabmessungen (Länge, Breite, Höhe). Viele haben diese Daten ja ohnehin vorliegen – sei es für eigene Verpackungen, für Datenblätter oder für Marktplätze.

Ideal ist, wenn du:

• dir die Maße strukturiert geben lässt (CSV, Excel, API, PIM-Export)
• diese direkt in dein ERP, PIM oder deine Warenwirtschaft einspielst
• sie dort als feste Produktattribute pflegst

Das ist die sauberste, aber oft auch langsamste Variante. Und sie scheitert gerne daran, dass Lieferanten keine Lust oder keine sauberen Daten haben.

---

Weg 2: Produktmaße mit KI aus dem Netz ziehen

Der deutlich schnellere und oft überraschend zuverlässige Weg ist: Du nutzt KI, um Maße aus öffentlich zugänglichen Daten zu ziehen. Besonders einfach wird es, wenn du mit ASINs arbeitest, also mit Amazon-Produktkennungen. Der Spaß funktioniert auch mit GTIN.

Der Ablauf sieht dann so aus:

1. Du exportierst aus deinem Shop oder Warenwirtschaftssystem alle relevanten Produkte als Liste mit ASIN.
2. Du erstellst daraus eine einfache Textdatei oder CSV (z. B. „Artikelnummer; ASIN“).
3. Diese Liste lässt du von ChatGPT auslesen und bittest die KI, für jede ASIN die Produktmaße zu ermitteln und als Tabelle auszugeben.

Damit hast du plötzlich etwas, was vorher gefehlt hat: eine konsistente, maschinenlesbare Maßbasis über dein gesamtes Sortiment. Und ja – du musst die Ergebnisse stichprobenartig prüfen. Aber du bist damit Lichtjahre weiter als vorher.

---

Vom Produkt zum Paket: Auftragsdaten sind Gold wert

Mit den Produktmaßen alleine ist es noch nicht getan. Spannend wird es erst, wenn du sie mit echten Auftragsdaten kombinierst. Denn du willst ja nicht nur wissen, wie groß ein einzelnes Produkt ist – du willst wissen, welche Produktkombinationen real im Versand vorkommen.

Genau hier liegt der Hebel. Der praktische Ansatz:

• Du nimmst dir z. B. die letzten 5.000 Aufträge.
• Du exportierst pro Auftrag:
  • Auftragsnummer oder Rechnungsnummer
  • alle enthaltenen ASINs
  • die jeweilige Menge

Das kann so aussehen:

• RE-2024-001; ASIN1; ASIN2; ASIN2
  oder
• RE-2024-001; ASIN1 x1; ASIN2 x2

Wichtig ist nur: pro Auftrag sind alle Positionen eindeutig erkennbar.

Mit dieser Auftragsliste plus den Produktmaßen kann eine KI anfangen zu rechnen: Welche Kombinationen kommen oft vor? Welche Volumina entstehen real? Welche Kartongrößen wären für diese Bestellungen optimal?

---

Wie KI aus deinen Daten Kartongrößen vorschlägt

Ohne KI müsstest du jetzt jede Kombination händisch durchrechnen: stapeln, drehen, drehen, nochmal drehen, Volumen berechnen, Kartonvorschlag machen. Das ist unrealistisch.

Mit KI geht es ungefähr so:

• du fütterst ChatGPT mit:
  • der Produktmaß-Tabelle
  • der Auftragsliste
• du gibst einen präzisen Prompt, was die KI tun soll

Zum Beispiel:

Hier ist eine Liste von Aufträgen mit ASINs und Mengen sowie eine Tabelle mit Produktmaßen (L,B,H in cm). 
1. Ermittle für jeden Auftrag die minimale Kartoninnenabmessung, in die alle Produkte passen (Drehen und Stapeln erlaubt).
2. Fasse ähnliche Kartongrößen zu sinnvollen Standardgrößen zusammen.
3. Berücksichtige dabei, dass ein Packtisch maximal 4–5 verschiedene Kartongrößen haben sollte.
4. Gib am Ende eine Tabelle mit folgenden Spalten aus:
- Standard-Kartongröße (Innenmaß in cm)
- zugeordnete Auftragstypen bzw. typische Produktkombinationen
- geschätzte Auslastung (Volumenprodukt / Volumenkarton in %)
- grobe Gewichtsklasse

Dann lässt du die KI arbeiten. Im Idealfall bekommst du als Ergebnis eine konsolidierte Liste mit 4–7 Kartongrößen, die einen Großteil deiner Aufträge optimal abdecken.

---

---

Konsolidieren statt überoptimieren

Ein wichtiger Punkt: Du willst am Ende keine 37 neuen Kartongrößen im Lager stehen haben. Die Kunst besteht darin, mathematisch optimale Größen zu finden – und sie dann pragmatisch zusammenzufassen.

Genau das kannst du der KI ebenfalls sagen:
Sie soll nicht für jeden Auftrag einen eigenen Karton ausrechnen, sondern Cluster bilden. Also z. B.:

• Karton S: für sehr kleine Bestellungen
• Karton M: für die häufigsten Einzelprodukte / 2er-Kombis
• Karton L: für größere Kombinationen
• Karton XL: für Spezialfälle / hohe Volumina

Die KI kann dir Vorschläge machen, welche Auftragsmuster zu welcher Größe passen und welche Volumenauslastung sich ergibt. Du siehst dann z. B.:

• Karton S deckt 28 % aller Aufträge ab
• Karton M deckt 47 % ab
• Karton L deckt 18 % ab
• Karton XL nur 7 %, ist aber trotzdem nötig

Damit hast du endlich eine fundierte Grundlage, um Entscheidungen zu treffen – statt Kartongrößen nach Bauchgefühl auszuwählen.

---

---

Ergebnisse bitte nicht blind übernehmen

So gut das klingt: Du solltest niemals blind übernehmen, was dir eine KI ausspuckt. Es kann immer sein, dass Produktmaße falsch sind, dass sich irgendwo ein Dreher eingeschlichen hat oder dass ein Kartonvorschlag in der Praxis unhandlich ist.

Das heißt konkret:

• Stichproben prüfen
• Musterkartons schneiden oder bestellen
• Produkte wirklich einlegen
• Handling am Packtisch testen

Du wirst feststellen: In vielen Fällen passen die Vorschläge sehr gut. In einigen Fällen musst du nachjustieren. Aber selbst dann bist du deutlich weiter als vorher – und hast systematische statt zufällige Kartonage.

---

Warum du mit optimierten Kartons bares Geld sparst

Die Effekte sind sehr konkret:

Weniger Volumen
Je dichter der Karton an das tatsächliche Packvolumen kommt, desto geringer sind die Tarifstufen bei den Versanddienstleistern. Das summiert sich – jeden Tag, jede Sendung.

Weniger Material
Kleinere Kartons, weniger Wellpappe, weniger Füllmaterial. Die Kosten pro Paket sinken. Gleichzeitig wirkt deine Verpackung professioneller.

Weniger Komplexität
Statt 10–20 verschiedenen Kartons reichen oft 4–5 Größen. Das erleichtert die Logistik, reduziert Fehler und beschleunigt Packprozesse.

Bessere Kundenerfahrung
Niemand hat Spaß an einem winzigen Produkt in einem überdimensionierten Karton mit kiloweise Luftpolster. Passende Kartons wirken professionell und ressourcenschonend.

---

Was du ganz konkret tun kannst

Wenn du das Thema angehen willst, könnte ein Fahrplan so aussehen:

1. Produktmaße erfassen
   – über Lieferanten oder über KI (z. B. via ASIN-Auswertung).
2. Aufträge exportieren
   – z. B. die letzten 5.000 Bestellungen mit Artikel und Menge.
3. Daten mit KI kombinieren
   – ChatGPT mit Produkt- und Auftragsliste füttern, klaren Prompt verwenden.
4. Kartonvorschläge generieren lassen
   – inklusive Clustering zu 4–7 Standardgrößen.
5. Vorschläge prüfen und testen
   – Musterkartons bauen oder bestellen, real packen, testen.
6. Standardgrößen definieren und umsetzen
   – Einkauf umstellen, Packtische neu einrichten, Mitarbeiter schulen.
7. Nach ein paar Monaten nachjustieren
   – Schadenquoten, Retourengründe und Packgeschwindigkeiten auswerten, ggf. optimieren.

---

Fazit: Weg vom „Pi mal Daumen“-Karton

Die Optimierung von Kartongrößen klingt erstmal nach viel Arbeit – aber mit KI ist sie erstaunlich gut beherrschbar. Der wichtigste Schritt ist, das Bauchgefühl durch Daten zu ersetzen: Maße, Aufträge, Volumen, Cluster.

Mit diesem Ansatz bekommst du:

• eine klare, nachvollziehbare Grundlage für deine Kartonwahl
• weniger Größenvielfalt, aber bessere Passform
• geringere Kosten pro Paket
• sauberere Prozesse am Packtisch

Und das Beste: Du musst keinen komplexen Optimierungsalgorithmus programmieren, sondern kannst ChatGPT genau dafür nutzen. Aber eben nicht blind, sondern mit gesundem Menschenverstand und einem letzten Realitätscheck aus Pappe und Paketband.

---