[ geodaten × verkaufscontainer ]

Wo sich der nächste Verkaufscontainer lohnt.

Ein Verkaufscontainer erschließt neue Geschäftsmöglichkeiten: rund um die Uhr geöffnet, ohne Besetzung, dort aufgestellt, wo die Kundschaft vorbeikommt. Die Frage ist nur: wohin genau? Entstanden ist keine statische Auswertung, sondern ein dynamisches System: Der Suchraum wird lückenlos gerastert, jeder Kandidat nach sechs gewichteten Kriterien bewertet, und im Workshop wird die Auswahl gemeinsam mit dem Kunden live auf einer interaktiven Karte verdichtet.

Lückenlos statt zufällig

Der gesamte Suchraum wird in Waben von rund 174 Metern zerlegt. Kein Ort wird übersehen, nur weil niemand an ihn gedacht hat.

Sechs Kriterien festgelegt

Passantenfrequenz, Nähe zum Betrieb, Parkmöglichkeiten, Wettbewerbsdichte und Substitute sowie Infrastruktur und Sicherheit, jedes mit sichtbarem Gewicht.

Live im Workshop

Suchraum, Kriterien und virtuelle Straßenansicht in einer Karte: Die Shortlist entsteht im Gespräch, nicht im Nachgang.

Standort bestimmt Sortiment

Jeder Kandidat bekommt einen Standorttyp und daraus eine Sortimentsempfehlung. Pendlerlage verkauft anderes als Wohngebiet.

[ die frage vor der investition ]

Der teuerste Fehler ist der falsche Standort.

Personal ist knapp, und klassische Ladenflächen rechnen sich in der Fläche immer seltener. Verkaufscontainer sind eine Antwort darauf, je nach Ausprägung auch Smart Store, Warenautomat oder 24/7-Laden genannt. Der Aufbau ist überschaubar, die Standortwahl dagegen entscheidet über alles: Sie bestimmt, ob überhaupt jemand vorbeikommt.

Genau diese Entscheidung fällt traditionell aus dem Bauch: Man kennt die Gegend, man hat ein Gefühl für die Lage. Das Problem ist nicht, dass das Gefühl falsch wäre, sondern dass es nur die Orte prüft, an die jemand gedacht hat. Ein Raster über den gesamten Suchraum kennt diese Voreingenommenheit nicht.

Deshalb bewertet diese Analyse jeden Punkt im Umkreis nach denselben Regeln und macht die Gewichtung sichtbar. Und weil sie als System gebaut ist und nicht als Bericht, endet sie nicht mit der Übergabe: Suchraum und Kriterien lassen sich interaktiv und live in einer Karte verändern, und man sieht sofort, wie sich die Rangfolge verschiebt.

[ vorgehen ]

Vom Suchraum zur begründeten Empfehlung

Datenraum

Offene Geodaten statt gekaufter Marktforschung

Grundlage sind offene Karten- und Statistikdaten. Aus dem definierten Suchraum im Umkreis des Betriebs werden dreizehn Kategorien erhoben: von Supermärkten, Bäckereien und Tankstellen über Haltestellen und Bahnhöfe bis zu Gastronomie, Schulen, Freizeitangeboten und Wohngebieten.

Zwei weitere Quellen kommen dazu: das amtliche Bevölkerungsraster für die Einwohnerdichte und Google Places, dessen Bewertungszahlen als Näherung für die tatsächliche Besucherfrequenz dienen. Damit steht neben der reinen Lage auch ein Signal dafür, wo Menschen wirklich hingehen.

Der Suchraum wird zweifach abgetastet: als Waben-Raster für die flächige Attraktivitäts-Landschaft und als Liste realer Aufstellorte, denn ein Container braucht Fläche, Strom und Sichtbarkeit.

Bewertung

Sechs gewichtete Kriterien statt einer Meinung

Jeder Kandidat wird nach sechs Kriterien bewertet: Kundenfrequenz, Nähe zum Betrieb, Parkmöglichkeiten, Abstand zum Wettbewerb und Infrastruktur sowie Sicherheit. Die Gewichte stehen an einer Stelle und lassen sich mit dem Betrieb diskutieren.

Beim Wettbewerb steckt der Feinsinn im Detail: Abstand ist gut, weil das eigene Angebot sich unterscheiden soll, aber zu viel Abstand heißt keine Kundschaft. Genau diesen Sweet Spot zu finden war das eigentliche Ziel der Analyse: nah genug an der Frequenz, weit genug vom Vollsortiment.

Damit Ausreißer die Rangliste nicht verzerren, werden alle Kriterien am 5. und 95. Perzentil normiert. Das Ergebnis ist ein Punktwert je Kandidat, aufgeschlüsselt nach allen sechs Teilwerten: Es bleibt nachvollziehbar, warum ein Ort vorne liegt.

Workshop-Werkzeug

Interaktive Karte, live bedient statt nachgereicht

Jeder Kandidat bekommt aus seiner Umgebung einen von fünf Standorttypen: Wohngebiet, Pendlerlage, Gewerbegebiet, Freizeitlage oder Einkaufslage. Daraus folgt die Sortimentsempfehlung, denn eine Pendlerlage verlangt Kaffee und Snacks für unterwegs, ein Wohngebiet den Einkauf für den Abend.

Übergeben wird kein Bericht, sondern eine interaktive Karte: Attraktivitäts-Heatmap, umschaltbare Ebenen je Datenkategorie, die besten Kandidaten als Marker mit allen Teilwerten, Standorttyp und Sortimentsvorschlag. Im Workshop wird sie gemeinsam bedient, bis die Shortlist steht.

Die Analyse endet bewusst bei einer Auswahl, nicht bei einer Entscheidung. Was folgt, ist Handarbeit: Begehung, Eigentümer ansprechen, Strom und Genehmigung klären. Genau dafür ist die Liste kurz genug.

[ erfahrungen ]

Ohne KI-Werkzeuge hätte es diese Analyse nicht gegeben.

Das ist die eigentliche Erkenntnis aus diesem Projekt. Eine Auswertung dieser Tiefe wäre klassisch entwickelt zu teuer und zu langwierig gewesen: Der Betrieb hätte die Investition schlicht nicht getätigt und den Standort nach Gefühl gewählt. Mit KI-gestützter Entwicklung entstand in kurzer Zeit eine Analyseebene, an die vorher nicht zu denken war. Neue Methoden werden damit nicht nur besser, sie werden überhaupt erst bezahlbar.

Und es blieb nicht bei einer statischen Auswertung. Entstanden ist ein dynamisches System, das im Workshop gemeinsam mit dem Kunden bedient wird: Suchraum verändern, Kriterien neu gewichten oder ergänzen, Kandidaten vergleichen und über die Straßenansicht virtuell durch die Straßen fahren, um die Shortlist zu verdichten. Alles an einem Ort, und was im Gespräch fehlte, ließ sich direkt ergänzen. Das ist ein anderes Workshop-Erlebnis: Entscheidungen entstehen im Raum, statt in der Nachbereitung.

Und es ist keine einmalige Geschichte. Weitere Standorte lassen sich mit demselben System identifizieren, und für den nächsten Betrieb mit ähnlichem Vorhaben genügt es, Adresse, Radius und Gewichte auszutauschen.

[ zahlen ]

Die Analyse in Zahlen

154 km²

Suchraum werden lückenlos in Waben von rund 174 Metern Entfernung zerlegt und einzeln bewertet

gewichtete Kriterien ergeben den Punktwert, nachvollziehbar kalkuliert und mit dem Betrieb abstimmbar

Kategorien offener Geo- & Statistikdaten fließen vollständig ein, von Haltestellen über Freizeitflächen bis zu Bewegungsfrequenzen

Standorttypen, jeder mit eigener Sortimentsempfehlung: Der Ort bestimmt das Angebot

[ technologie ]

Eingesetzte Technologie

Python

Jupyter Notebook

OpenStreetMap

Google Developer Platform

Destatis

Claude Code

Nutzen Sie das Potenzial dieser Technologie.

Suchen Sie Standorte für Verkaufscontainer, Smart Stores oder Automaten, und soll die Entscheidung auf Daten stehen statt auf Bauchgefühl? Das System trägt auch Ihr Vorhaben. Dann lassen Sie uns sprechen: Sie bringen die Herausforderung mit, ich bringe die Erfahrung und die Werkzeuge.

Gemeinsam loslegen