Chancen von Künstlicher Intelligenz in der Disposition

Die Disposition in Speditionen und Logistikunternehmen erfordert hochkomplexe und zeitintensive manuelle (Planungs-)Prozesse und steht zudem gegenwärtig vor einer Vielzahl anderweitiger Herausforderungen. Diese kennen wir alle leider zu gut – u. a. Inflation, hohe Energiepreise, Mauterhöhungen und der Fachkräftemangel (vor allem Disponenten und Fahrer) machen der Transportbranche schwer zu schaffen.

In diesem Beitrag möchten wir einen genaueren Blick auf den Alltag und die Herausforderungen des Disponenten werfen. Wir sehen, dass heute immer noch komplexe Dispositionsplanungen sehr oft manuell durchgeführt werden. Keine 5 % der Unternehmen nutzen Optimierungs-Tools. Dabei ist kaum eine Aufgabe so komplex: Disponenten müssen effiziente Routen planen, die eine Vielzahl von Faktoren berücksichtigen, darunter Standorte, Entfernungen, Verkehrsmuster, Zeitfenster für Lieferungen, Fahrzeugkapazitäten und Kundenanforderungen. Hinzu kommt, dass mit den vorhandenen Ressourcen gut gewirtschaftet werden muss: Disponenten müssen sicherstellen, dass Fahrzeuge, Fahrer und andere Ressourcen optimal genutzt werden, um Leerfahrten zu minimieren, die Auslastung zu maximieren und Kosten zu senken.

Es erfordert viel Fachwissen und eine intensive (oft jahrelange) Einarbeitung in einem Betrieb, um all diesen (teilweise auch betriebsspezifischen) Anforderungen gerecht zu werden. Fachwissen ist enorm wichtig, aber das größere Problem hierbei ist, dass dieses Know-how einzelner Disponenten für andere nicht zugänglich ist. Fallen diese aus, kann es im Vertretungsfall äußerst schwierig werden, qualitativ gleichwertige Planungen zu erhalten.

Und was, wenn der Disponent irgendwann nicht wiederkommt (wohlverdiente Rente, Überarbeitung und/oder Unzufriedenheit)? Den akuten Fachkräftemangel kann man nicht leugnen. Erschwerend kommt hinzu, dass 35 % der Disponenten älter als 55 Jahre sind, was zwangsläufig bedeutet, dass wir uns in einigen Jahren mit einem noch stärkeren Fachkräftemangel konfrontiert sehen.

Es ist kein Geheimnis, dass Disponenten ständig unter Druck und oftmals im Schichtdienst arbeiten, was den Job nicht wirklich attraktiv für die neueren Generationen macht. Die Komplexität, der Druck und die hohe Arbeitsbelastung können selbst bei erfahrenen Disponenten zu Flüchtigkeitsfehlern und Unzufriedenheit führen. Aber wie können wir da gegensteuern? Wie entlasten wir unsere bestehenden Disponenten und wie gestalten wir das Berufsbild für den Nachwuchs attraktiver? Das sind u. a. Fragen und Herausforderungen, vor denen die gesamte Transportbranche steht.

Künstliche Intelligenz ist die Fähigkeit einer Maschine, menschliche Fähigkeiten wie logi(sti)sches Denken, Lernen, Planen und Kreativität zu imitieren (Zitat Europäisches Parlament).

Aber warum kann Künstliche Intelligenz (KI) vor allem bei der Dispositionsplanung unterstützen? Weil gerade in der Komplexität und in der Masse der Daten auch die Chancen liegen! In der Dispositionsplanung finden sich typische Muster, die KI in Daten aufspüren kann. Denn genau dafür steht die Technologie – für mathematische Algorithmen, die aus großen Datenmengen Strukturen und wiederkehrende Muster herauslesen. Heute nutzen Disponenten noch Wissen aus langjährigen Erfahrungen, um die Disposition reibungslos zu planen. Bei solchen Standardtätigkeiten kann KI zum Einsatz kommen und enorm entlasten.

Ziel ist die Automatisierung von einem Großteil der Disposition durch entsprechende Software, um den zuvor genannten Herausforderungen entgegenwirken zu können. Heißt: Wissen zu digitalisieren, die Disponenten damit zu entlasten, mehr Einsparpotenzial umzusetzen und Prozesse allgemein transparenter zu gestalten.

Grundlage dafür ist eine gute Datenqualität! Die Basis einer guten Datenqualität und somit einer guten Tourenplanung sind Daten, die die Realität wiedergeben, und eine Tourenplanung, die optimiert und Einsparpotenziale aufzeigt, aber gleichzeitig auch realistisch und damit operativ umsetzbar ist.

Und genau hier setzt in der Praxis KI an: KI bzw. Machine Learning als Teil davon hilft, die Datenqualität in der Disposition für eine optimierte Tourenplanung deutlich zu verbessern. Mit ihr lassen sich

• fehlende Daten ergänzen
• Daten korrigieren
• oder auch Daten komplett ersetzen

1. Die Maß- bzw. Gewichtsangaben von Packstücken fehlen oder stimmen nicht. Der Disponent kann anhand der Angaben nicht sicher feststellen, ob die Ladefläche ausreicht bzw. das Zuladegewicht des Fahrzeugs eingehalten wird.
2. Die Laderampe beim Kunden ist zu klein für einen 12-Tonner. Die Ware kann nicht ausgeladen werden.
3. Geplante Stoppzeiten werden nicht eingehalten. Die Ware wird zu früh oder zu spät geliefert.

Wenn ein Disponent beispielsweise über viele Wochen immer wieder die gleiche Art von Packstücken den gleichen Fahrzeugen zuweist, obwohl sie der Datenlage nach eigentlich nicht passen, lernt die Software: Hier liegt ein Muster vor (z. B. dieses Packstück für diesen Empfänger ist eigentlich kleiner als in den Daten vermerkt und passt deshalb doch auf Fahrzeug X). So kann das System die Fahrzeug-Zuweisung künftig immer dann, wenn das gleiche Muster erkannt wird, selbsttätig vornehmen.

Auch im zweiten Beispiel-Szenario, dass ein Fahrzeug für die Laderampe beim Kunden zu klein ist, muss ein Disponent dies wissen und immer wieder bei der Planung berücksichtigen. Auf Basis historischer Daten erkennt die Software, dass ein bestimmtes Fahrzeug oder ein bestimmter Fahrer niemals eine bestimmte Ortschaft anfährt. Das merkt sich das System als zukünftige Regel. Je mehr solcher Regeln die Software auf diese Weise lernt, umso leichter wird die Arbeit für die Disposition.

Das dritte Szenario kann starken Einfluss auf die Kundenzufriedenheit nehmen. Genaue Lieferzeiten sind enorm wichtig. KI kann hier anhand der Daten zur Sendungsgröße erkennen, dass Stoppzeiten zu kurz oder zu lang eingeplant wurden, und diese korrigieren.

Dies sind nur einige Beispielszenarien. Es gibt noch viele weitere Randbedingungen der Planung, die in den gespeicherten oder gedruckten Daten zu den Sendungsaufträgen oder zur Fahrzeugflotte nirgends zu finden sind. Der Disponent muss sie sich merken und ständig im Blick behalten. Das ist mühsam und erschwert die Arbeit unter Zeitdruck unnötig.

Mit einer KI-basierten Dispositionssoftware läuft die Dispositionsplanung im Laufe der Zeit vollständig automatisiert ab. Der Disponent wird zunehmend von lästigen Detail-Arbeiten entlastet und erhält automatisiert eine gute Dispositionsplanung, die alle wichtigen Faktoren bereits berücksichtigt. Dies führt zu einer deutlichen Reduktion der Planungszeit. Der Disponent muss bei Bedarf nur noch kleinere Anpassungen an der Planung machen, bevor er die Touren freigibt.

Oft wird gesagt: KI ist nur so gut wie die Daten, auf denen sie trainiert wird – ohne saubere, relevante Daten können KI-Systeme nicht die erwartete Leistung erbringen. Das ist absolut richtig, aber dennoch ist Sinn und Zweck von KI ebenso, zu lernen und mit der Zeit die Datenqualität zu verbessern. Man muss natürlich bedenken, dass eine gewisse Menge an Daten zur Verfügung stehen muss, um entsprechende Schlüsse ziehen zu können. Je besser die Daten, umso schneller lernt und umso effizienter plant das System.

Dennoch, langfristig betrachtet, kann der Einsatz einer KI-basierten Software auch bei anfangs "schlechter" Datenqualität deutliche Optimierungen erzielen. Wenn sie strategisch eingesetzt wird, kann KI viele Logistikprozesse unterstützen, sie muss jedoch an das jeweilige Szenario angepasst werden.

Aus diesem Grund bieten wir von Smartlane eine KI-basierte Software an, welche sich allen speziellen Anforderungen der Disposition im Nahverkehr anpasst. Unsere Software lernt tagtäglich dazu und kann durch den jahrelangen Einsatz bei zahlreichen Kunden aus vielen historischen Daten schöpfen und so auch mit geringerer Datenqualität gute Ergebnisse erzielen. Unvollständige Daten sind für uns kein Problem. Unsere KI lernt, die fehlenden Daten zu vervollständigen. Darüber hinaus können nachträglich übermittelte Daten einfach integriert werden, was eine schnelle Automatisierung ermöglicht und den Fortschritt fördert.

KI kann zwar sich wiederholende Aufgaben automatisieren, funktioniert aber in der Regel am besten in Verbindung mit menschlichem Fachwissen. Der Mensch ist nach wie vor unverzichtbar für die Entscheidungsfindung, die Problemlösung und den Umgang mit Ausnahmen, für die KI-Systeme möglicherweise nicht gerüstet sind.

KI wird und soll den Disponenten nicht ersetzen, sondern diesen entlasten. Die Aufgaben eines Disponenten werden sich verändern. Manuelle und wiederkehrende Aufgaben fallen mit der Einführung einer KI-basierten Dispositionssoftware weg und es werden neue Aufgaben entstehen, wie die Überwachung von KI-Systemen und die Datenanalyse. Aber es bleibt auch mehr Zeit für das Kerngeschäft und die Kundenkommunikation.

Der Einsatz einer KI-basierten Dispositionssoftware kann den Disponenten enorm entlasten und den Aufgabenbereich (weg von der Massenverarbeitung von Daten) deutlich aufwerten. So könnte auch in Zukunft der Beruf des Disponenten an Attraktivität zunehmen.

KI ist in aller Munde, aber noch selten im Einsatz. Dabei lässt sich mithilfe von KI die Datenqualität in der Disposition deutlich verbessern. Neben der enormen Entlastung der Disponenten kann eine KI-basierte Dispositionssoftware dazu beitragen, das Berufsbild und den Aufgabenbereich des Disponenten attraktiver zu gestalten.

Durch den Einsatz unserer Smartlane Transport Intelligence konnte zum Beispiel unser Kunde Hartmann International seine Dispositionszeit um ganze fünf Stunden reduzieren! Dies führte zu einer enormen Entlastung der Disponenten, die jetzt ihren Arbeitsalltag nicht mehr mitten in der Nacht beginnen müssen. Weitere Details dazu können Sie in unserer Success Story mit Hartmann International nachlesen.