A/B/C-Klassifizierung und Tourenplanung kombinieren — der Tagesalgorithmus für kleine Teams

Die Frage, die jede Außendienst-Tour entscheidet, klingt simpel: „In welcher Reihenfolge fahre ich heute meine Kunden ab?" Und doch sind es genau zwei Logiken, die sich oft widersprechen — Priorität und Geo-Sequenz. Wer die beiden Logiken nicht sauber kombiniert, fährt entweder unsystematisch (zu viele C-Besuche) oder unrentabel (zu viele Umwege).

Dieser Artikel zeigt am 12-Stops-Beispiel, wie beide Logiken in einem Tagesalgorithmus zusammenarbeiten. Er ist als Vertiefung zum Pillar-Leitfaden Tourenplanung im Außendienst 2026 gedacht.

Das Grundproblem in einem Satz

Geo-Optimierung ohne Priorität füllt den Tag mit den nächstgelegenen Stops auf — auch wenn die Hälfte davon C-Kunden sind, die heute nicht fällig wären. Priorität ohne Geo-Optimierung schickt Reps systematisch quer durch die Stadt, um den nächsten A-Kunden zu erreichen. Beides ist suboptimal. Die Kombination ist die einzige stabile Lösung.

Das 12-Stops-Beispiel

Ein Außendienstler im Raum Stuttgart hat heute 17 fällige Kunden im 50-km-Radius. Davon:

4 A-Kunden (Rhythmus 7 Tage, alle 7+ Tage seit letztem Besuch)

7 B-Kunden (Rhythmus 14 Tage, davon 5 mit ≥ 14 Tagen)

6 C-Kunden (Rhythmus 28 Tage, davon 2 mit ≥ 28 Tagen)

Die Tagesgrenze liegt bei 12 Stops (Erfahrungswert: 9–10 Stunden Arbeitstag, 25 Min/Besuch, 8 Min/Fahrt).

Wie wählt der Algorithmus die 12?

Stufe 1 — Fälligkeits-Filter ohne Kompromiss

Alle A-Kunden, die fällig sind, kommen in die Tour. Ohne Diskussion. Sind das mehr als 12, gibt es kein Tour-Problem, sondern ein Personal-Problem. Im Beispiel: 4 A-Kunden — fix gesetzt.

Anschließend werden alle fälligen B-Kunden eingeplant — 5 Stück. Damit sind 9 von 12 Slots belegt.

Die 3 verbleibenden Slots gehen an C-Kunden, sortiert nach Überfälligkeit. Wer am längsten überfällig ist, kommt zuerst rein. Im Beispiel haben wir 2 fällige C-Kunden — also nur 2 Slots gefüllt, der 12. Slot bleibt offen.

Zwischenstand: 4 A + 5 B + 2 C = 11 Stops. Slot 12 wird nicht künstlich gefüllt — eine kürzere Tour ist besser als eine vollere mit unnötigen Besuchen.

Stufe 2 — Geo-Cluster checkst die Verteilung

Jetzt kommt die zweite Logik dran: Liegen die 11 Stops geographisch sinnvoll? Der Algorithmus berechnet den Centroid (geographisches Schwerpunkt) und die Standardabweichung der Distanzen. Liegt ein Kunde mehr als 2σ vom Centroid entfernt, wird er als „Ausreißer" markiert und auf den Folgetag verschoben — solange das die Steuerungs-Regeln nicht bricht (A-Kunden sind nicht verschiebbar, B-Kunden nur wenn nicht überfällig).

Im Beispiel hat ein B-Kunde 35 km Abweichung vom Centroid, alle anderen liegen ≤ 12 km entfernt. Da er nicht überfällig ist, wird er auf den Folgetag verschoben. Tour heute: 4 A + 4 B + 2 C = 10 Stops.

Stufe 3 — Sequenz-Optimierung ist der letzte Schritt

Jetzt erst kommt die klassische Routenoptimierung dran. Die 10 Stops werden mit einem Nearest-Neighbour-Verfahren sortiert (Start = Rep-Wohnadresse), anschließend mit drei 2-Opt-Iterationen verfeinert. Das Ergebnis liegt typisch ≤ 5 % über dem mathematischen Optimum bei 10 Stops.

Wichtig: Bei der Sequenz-Sortierung darf der Algorithmus die Auswahl nicht mehr ändern. Die Stops sind gesetzt, nur die Reihenfolge wird optimiert.

Stufe 4 — Termin-Zwang als harter Anker

Hat einer der Stops einen festen Termin (z. B. „11:00 Distrikt-Manager-Gespräch"), wird dieser Stop in die Sequenz hineinverankert. Die anderen werden um diesen Anker herum sortiert. Öffnungszeiten werden ebenfalls in dieser Stufe geprüft — Kunden mit Öffnung erst ab 09:00 wandern frühestens auf Stop 2 (08:00 Tagesstart, 30 Min Anfahrt).

Was bleibt am Ende?

Eine Tour mit 10 Stops, in optimaler Reihenfolge, mit harten Prioritäten und respektierten Öffnungszeiten. Die Steuerungs-Wirkung ist erhalten (alle fälligen A-Kunden werden besucht), die Kilometer sind minimiert, und die Logik ist transparent erklärbar.

Die Trennung der vier Stufen ist der eigentliche Trick: Wer Priorität und Sequenz im selben Schritt optimiert, kommt in mathematische Sackgassen. Wer beides klar nacheinander macht, bekommt eine deterministische, reproduzierbare Tour, die im Team diskutierbar ist.

Praxis-Tipp: Der 80/20-Trick für die Wochenplanung

Wer den Algorithmus auf eine Woche statt einen Tag anwendet, kann zusätzlich die Cluster-Verteilung über Mo–Fr optimieren. In Stuttgart gibt es z. B. natürlich entstehende Cluster (Innenstadt, Bad Cannstatt, Weinfelden, Esslingen). Der Algorithmus weist die fälligen Kunden zuerst diesen Clustern zu, dann erst der Tagessortierung. Ergebnis: 18–25 % weniger Wochenkilometer im Vergleich zur klassischen „Mo Süd, Di Nord"-Routine — bei gleicher Steuerungs-Wirkung.

Mehr dazu in den Anwendungsfällen aus der Praxis, insbesondere im Stadt-Land-Mix-Szenario.

Fazit

A/B/C-Klassifizierung und Tour-Sortierung sind keine konkurrierenden Anforderungen, sondern zwei unabhängige Filter, die in einer festen Reihenfolge wirken. Wer die Reihenfolge umdreht oder beide gleichzeitig optimiert, bekommt das Schlechteste aus beiden Welten. Wer sie sauber trennt, bekommt eine Tour, die rentabel und steuerungs-wirksam ist — und die im Wochengespräch erklärbar bleibt.

→ Außendienstapp 14 Tage kostenlos testen — Tagesalgorithmus inklusive