Next Level Tourenplanung: So wirkt Künstliche Intelligenz in der Logistik

Künstliche Intelligenz (KI) ist ein viel diskutiertes Thema – auch in der Logistikbranche. Doch was genau kann sie für Transportunternehmen leisten und wie lässt sie sich in den täglichen Ablauf integrieren? Anhand praktischer Beispiele zeigen wir, wie sich die Tourenplanung mit KI verbessert und wie sich dies auf die Arbeit von Disponenten auswirkt.

Was kann Künstliche Intelligenz in der Logistik leisten?

Künstliche Intelligenz funktioniert ähnlich wie menschliche Intelligenz. “Künstliche Neuronen” lernen mit der Hilfe von Algorithmen und Testdaten, Muster zu erkennen und eine umfassende Analyse von vernetzten Daten durchzuführen. Mit diesen Fähigkeiten ist der Computer in der Lage, komplexe Zusammenhänge zu verstehen und präzise Vorhersagen zu machen. Daraus ergeben sich auch für die Transportlogistik interessante Ansatzpunkte:  

• Generative, konvolutionale neuronale Netze unterstützen bei der Geocodierung.
• Machine-Learning-Ansätze helfen, optimale Routen zwischen A und B zu finden.
• Genetische Algorithmen lösen das Vehicle-Routing-Problem.
• Neuronale Netze helfen dabei, ein effizientes Logistikcontrolling aufzubauen.

KI-Tourenoptimierung überzeugt in der Praxis

In der Logistik lässt sich Künstliche Intelligenz nutzen, um Touren nach der Fahrzeit, den gefahrenen Kilometern, hinsichtlich der Kosten oder dem CO₂-Ausstoß zu optimieren. Dafür werden Echtzeit-Informationen mit einem Algorithmus für Tourenplanung verknüpft.

Den Effekt einer solchen Optimierung kann man an einem Beispiel einfach nachvollziehen: Optimierungsalgorithmen sind üblicherweise in der Lage, Einsparungen von fünf bis 15 Prozent zu realisieren. Eine typische Lkw-Tour im Nahverkehr mit fünf Tonnen Ladegut und einer Strecke von 200 Kilometern erzeugt ca. 73 Kilogramm CO₂. Bei einer durchschnittlichen konservativen Einsparung von zehn Kilometern pro Tour – das entspricht ca. vier Kilogramm CO₂ – ergibt selbst bei einem kleinen Transportunternehmen mit 20 täglichen Liefertouren eine Einsparung von 80 Kilogramm CO₂ pro Tag. Hochgerechnet auf 200 Liefertage im Jahr ergibt das ein Einsparpotenzial von 16 Tonnen CO₂. Und selbstverständlich reduziert eine Optimierung nicht nur CO₂, sondern auch die Kosten für Kraftstoff: Zehn Kilometer entsprechen ca. 15 Euro – d.h., auf das Jahr gerechnet ergibt sich für obiges Beispiel eine Einsparung von 60.000 Euro.

Woran liegt das? Den Unterschied macht nicht nur die Leistungsfähigkeit der Algorithmen, sondern auch das Zusammenspiel von Disponenten und Künstlicher Intelligenz aus.

Klassische Tourenplanungssoftware vs. KI-Tourenplanung

Ein klassischer Computeralgorithmus plant mit den vorhandenen Transportaufträgen, berechnet sie und liefert anschließend einen vollständigen Tourenplan. Ziel erreicht. Allerdings kann der Disponent nur zu Beginn eingreifen. Bei Änderungen muss der Berechnungsprozess mit den zusätzlichen Angaben neu gestartet und abgewartet werden.

Ein System mit KI geht anders vor. Die KI denkt wie ein Disponent: Sie greift die erste Grobplanung auf und optimiert dann die Tour Stück für Stück. Disponenten können während des gesamten Prozesses eingreifen und immer wieder Anpassungen vornehmen. Auf diesen Prinzipien basiert auch der PASS Optimization Service (POS), der mit Methoden der Künstlichen Intelligenz die Verfahren und Strategien eines menschlichen Disponenten nachbildet. Er kombiniert dabei unterschiedliche Varianten, berücksichtigt die Planungsvorgaben und -wünsche des menschlichen Disponenten und führt unzählige Planungsoperationen im Bereich von Millisekunden durch.

Intelligente Bewertung von Informationen

Die KI berücksichtigt Informationen bei der Planung ähnlich wie ein Mensch. Ein Beispiel: Ein Stau wird nur dann bei der Streckenführung berücksichtigt, wenn abzusehen ist, dass dieser noch besteht, wenn der Lkw den betreffenden Abschnitt passiert.

Auch die Auswertung vernetzter Informationen bereichert den Tourenplan: Mit KI kann man zum Beispiel die Wettervorhersage einbeziehen oder die Ausliefersituation berücksichtigen. Die Künstliche Intelligenz sieht also vorher, dass der Fahrer bei Regen für seine Aufträge etwas länger benötigen wird und unterscheidet bei der Zeitplanung, ob es sich um ein Einfamilienhaus oder um ein Hochhaus ohne Aufzug handelt – genauso, wie es ein Disponent mit guter Ortskenntnis machen würde. Mit der Ausnahme, dass die KI überall zu Hause ist.

Genau mit diesem Themenkomplex beschäftigt sich auch das Forschungsprojekt FaST-KI der Universität Würzburg und der PASS Consulting Group, bei dem präzise Fahr- und Standzeitprognosen für die Tourenplanung im Fokus stehen. Ziel ist es, durch intelligente Algorithmen die Zustellung zu optimieren. Hierbei wird Künstliche Intelligenz genutzt, um die Auslieferpläne wirtschaftlich, kundenorientiert und nachhaltig zu gestalten – inklusive der Option, kontinuierlich nachzusteuern. Neben der realistischen Standzeitprognose pro Zustellungsvorgang soll die Aufteilung auf Zustelltouren unter branchenspezifischen Aspekten erfolgen, wobei Fahrzeiten mit Hilfe von KI ermittelt werden.

Mehrwert: flexible Anpassung

Genau wie der Mensch „versteht“ auch die KI, dass man zwischen verschiedenen Zielen abwägen kann. Der Computer allein ist dazu nicht in der Lage. Das Hauptziel ist zum Beispiel nach wie vor die Kostenoptimierung. Beim herrschenden Fahrermangel hat aber die Zufriedenheit der Mitarbeiter eine ähnlich hohe Priorität. Weiß der Disponent also, dass ein Fahrer nur in einem bestimmten Gebiet eingesetzt werden möchte, lässt sich dies als zusätzliche Vorgabe eingeben.

Die präzisere Vorhersage der Fahrtzeit durch KI erfüllt diese Vorgabe ebenfalls: Statt zum Beispiel einen Plan für acht Stunden zu erhalten, der am Ende der Schicht doch auf 9,5 Stunden hinausläuft, können sich Fahrer mit Hilfe der KI besser auf ihre Zeitpläne verlassen. So wirkt sich die KI-Tourenplanung nicht nur auf die Effizienz, sondern auch auf die Zufriedenheit der Fahrer aus.

Die Tourenplanungslösungen PASS MAPS, PLANTOUR und MAPSERVICES bieten Disponenten darüber hinaus z.B. die Möglichkeit, Straßen individuell zu sperren oder Geschwindigkeiten anzupassen. Außerdem werden Baustellen und Sperren täglich automatisch in die cloudbasierten Kartendaten integriert. Damit ist eine präzise und flexible Routenplanung sichergestellt, die sich den realen Verkehrsbedingungen optimal anpasst.

Wie Disponenten von KI profitieren

Die Künstliche Intelligenz ist wie ein hilfreicher Assistent für Disponenten. Sie ergänzt die bekannte softwaregestützte Tourenplanung, indem sie mehr Wissen und effektivere Eingriffsmöglichkeiten bei der Planung an die Hand gibt.

Der Disponent kann die KI aber genauso nutzen, um verschiedene Szenarien gegeneinander abzuwägen. Mit dem PASS Optimization Service lässt sich z.B. abschätzen, ob Elektro- oder Verbrennerfahrzeuge besser geeignet sind oder ob in bestimmten Tourenabschnitten sogar Lastenfahrräder zum Einsatz kommen sollten.

Mit KI kann man als Disponent also besser reagieren, an schnell simulierten Szenarien lernen und dadurch immer bessere Entscheidungen treffen. Dabei ist es wichtig zu verstehen, dass ein Algorithmus keine Blackbox ist, sondern ein (digitaler) Disponent – der vom menschlichen Disponenten konfiguriert werden kann.

Mit KI auf Tour: So funktioniert die Kommunikation zwischen Disponenten und Fahrern

KI-basierte Tourenplanungssysteme wie PASS MAPS, PLANTOUR und MAPSERVICES bringen ihren Mehrwert bis zum Fahrer, wenn sie in die entsprechenden Plattformen und mobilen Geräte im Fahrzeug integriert sind. Webfleet Pro M kann beispielsweise an die Systeme von PASS angebunden werden – damit lassen sich Aufträge an den Fahrer kommunizieren. Dabei lässt sich jeder Auftrag, jeder Fahrzeugtyp, das Auftragsvolumen und das vorgesehene Zeitfenster hinterlegen.

Der Fahrer bekommt die Aufträge auf sein mobiles Gerät, nimmt den Auftrag an, wählt aus, ob er zum Auftragsort navigiert werden will, und arbeitet sich so schrittweise durch den Tourenprozess.

Der Disponent verfolgt in Echtzeit, was passiert, und vergleicht den Tourenplan (Soll) mit dem aktuellen Stand (Ist). Tritt etwas Unvorhergesehenes, wie eine große Zeitverzögerung oder die Absage eines Kunden auf, kann der Disponent durch kleine Veränderungen in der KI-basierten Tourenplanung Abhilfe schaffen.  

KI-basierte Logistik einführen: Was sollten Sie beachten?

Die Erfahrungen in der Praxis zeigen: Künstliche Intelligenz ist ein wertvolles Instrument, das Disponenten und Unternehmen mehr Flexibilität in der Planung und mehr Sicherheit beim Abarbeiten von Touren gibt. Bei der Entscheidung für den Einsatz von KI-basierten Systemen sollten Unternehmen folgende Fragen klären:

• Wie schnell ist das System einsatzfähig und wie viel Aufwand ist damit verbunden?
• Welcher Algorithmus liegt zugrunde und was kann dieser leisten?
• Wie werden die eigenen Daten einbezogen?
• Wie sind andere Systeme wie z.B. Webfleet eingebunden?
• Welche Funktionen stehen auf der Roadmap, z.B. im Hinblick auf Mautkosten?

Möchten Sie mehr über Künstliche Intelligenz für Ihre Tourenplanung mit Webfleet und PASS erfahren? Wir helfen Ihnen gerne weiter.