Die selbstfahrende Apotheken-Warenwirtschaft

Ziel der Optimierung sei dabei nicht primär eine Verringerung des Lagerwerts und damit der Kapitalbindung, so Polap. Es gehe vor allem um eine Verbesserung der Lagerfähigkeit. Je nach Ausgangslage in der entsprechenden Apotheke habe man in einem seit Februar laufenden Pilotprojekt die Zahl der Besorgungsvorgänge „dramatisch reduzieren“ können.

Das gehe soweit, dass einzelne Test-Apotheker zuerst erschrocken gewesen seien, weil die Zahl der Kunden in der Apotheke sichtlich gesunken sei, berichtet Graessner. Dabei habe es sich um die Abholer gehandelt, die nun fehlten. Durch die gesunkene Zahl an Besorgern hätten die Mitarbeiter auch deutlich mehr Zeit, sich um den einzelnen Kunden zu kümmern.

Bewusst verzichtet habe man auf den Einsatz von Schwarmintelligenz, berichtet Polap. Dafür sei die Individualität der einzelnen Apotheken zu groß. Schon die lokalen Voraussetzungen unterschieden sich zu stark, als dass eine Clusterbildung sinnvoll sei. Die künstliche Intelligenz analysiere jede Apotheke einzeln aufgrund der vorhandenen Daten der letzten sechs Monate. Neugegründete Apotheken könnten also erst nach einem halben Jahr von dem System profitieren, gab Polap zu. Wo das System ebenfalls noch an seine Grenzen stoße, sei bei der Neueinführung von OTC-Produkten oder bei verstärkter Publikumswerbung der Hersteller. Die Entscheidung, solche Artikel in größeren Mengen an Lager zu nehmen, müsse der Apotheker weiterhin selber treffen. Da diese Entscheidungen aber auch nicht mehrfach täglich vorkämen, könne man hier auch keine großen Effizienzreserven in den Prozessen heben.