KI in der Logistik: Fünf Einsatzfelder und wie du sie prüfst
Künstliche Intelligenz (KI) wird in der Logistik oft als Allheilmittel beschrieben. Tatsächlich hilft sie bei klar umrissenen Aufgaben, wenn gute Daten vorhanden sind und das Ergebnis geprüft wird. Dieser Artikel zeigt fünf Einsatzfelder, was dafür nötig ist und wie du ein Vorhaben nüchtern bewertest, ohne dich auf unbelegte Versprechen zu stützen.
Die fünf Einsatzfelder im Überblick
| Einsatzfeld | Was die KI tut | Nötige Daten | Typisches Risiko |
|---|---|---|---|
| Bedarfsprognose | Schätzt künftige Nachfrage aus Verkaufsdaten | Verkaufshistorie, Aktionen, Saison | Fehlende oder falsch gebuchte Daten |
| Tourenplanung | Schlägt Reihenfolge und Zuordnung der Stopps vor | Adressen, Zeitfenster, Fahrzeuge | Praxisregeln fehlen (z. B. Rampenzeiten) |
| Lagerplatzvergabe | Empfiehlt Lagerplätze nach Zugriffshäufigkeit | Pickdaten, Artikelmasse | Veraltete Stammdaten |
| Bilderkennung | Erkennt Schäden oder Etiketten auf Fotos | Gelabelte Bilder | Wenig Beispiele für seltene Schäden |
| Dokumentenverarbeitung | Liest Lieferscheine und Rechnungen aus | Gescannte Dokumente | Unleserliche Vorlagen, Sonderfälle |
Der gemeinsame Nenner: Ohne saubere Daten und klare Regeln liefert auch die beste Software unbrauchbare Vorschläge.
Was KI nicht ersetzt
KI schlägt vor, der Mensch entscheidet. Besonders wichtig bleibt dein Prozesswissen: Du weisst, dass die Rampe am Freitag gesperrt ist oder dass ein Kunde nur vormittags annimmt. Solche Regeln muss jemand eingeben und pflegen. Planst du Touren oder Bestände mit KI, prüfe stichprobenartig, ob die Vorschläge realistisch sind.
Logi empfiehlt: Wie KI funktioniert, wo sie hilft und wo nicht, lernst du praxisnah in der KI-Akademie. Dazu passt der Kurs KI-Akademie: Künstliche Intelligenz im Beruf auf e-learning.place. Jetzt gratis registrieren und mit der ersten Lerneinheit starten, ohne Kreditkarte.
Ein Vorhaben in sechs Schritten prüfen
- Ziel messbar formulieren: Zum Beispiel «weniger gefahrene Kilometer pro Tour» oder «weniger Fehllieferungen».
- Heutiges Vorgehen messen: Ohne Ausgangswert gibt es keinen Beleg für eine Verbesserung.
- Datenqualität prüfen: Sind Daten vollständig, aktuell und einheitlich erfasst?
- Pilot mit Vergleich: Teste vier bis zwölf Wochen mit einer Gruppe und vergleiche mit einer Kontrollgruppe oder mit dem Vorjahr.
- Fallback festlegen: Was geschieht, wenn das System ausfällt oder unsinnige Vorschläge macht?
- Datenschutz und Verantwortung klären: Wer darf welche Daten verwenden? Wer entscheidet im Zweifel?
Rechenbeispiel: Lohnt sich der Pilot?
Die folgenden Zahlen sind erfunden und zeigen die Rechenlogik.
Ein Betrieb fährt 40 Touren pro Woche. Eine Tourenplanungs-Software spart im Pilot im Durchschnitt 5 Kilometer pro Tour. Ein Kilometer kostet den Betrieb 1.20 CHF (Fahrzeug, Treibstoff, Verschleiss). Die Software kostet 150 CHF pro Woche.
- Gesparte Kilometer: 40 × 5 = 200 km pro Woche
- Gesparte Kosten: 200 × 1.20 CHF = 240 CHF pro Woche
- Nettoeffekt: 240 CHF − 150 CHF = 90 CHF pro Woche
Der Effekt ist positiv, aber klein. Kommt Schulungsaufwand dazu oder sinkt die Einsparung auf 3 Kilometer pro Tour, kippt die Rechnung. Deshalb gehört eine Sensitivitätsprobe dazu: Was passiert, wenn der Nutzen nur halb so gross ausfällt?
Übung: Rechne selbst
Sinkt die Einsparung auf 3 Kilometer pro Tour, beträgt sie 40 × 3 = 120 km pro Woche, also 120 × 1.20 CHF = 144 CHF. Nach Abzug der Softwarekosten von 150 CHF bleibt ein Minus von 6 CHF pro Woche. Der Pilot lohnt sich in dieser Rechnung nur, wenn die Einsparung über 3,1 Kilometer pro Tour liegt (150 ÷ 1.20 ÷ 40 = 3,125).
Welche Kompetenzen jetzt nützlich sind
Wer mit KI-Werkzeugen arbeitet, braucht keine Programmierkenntnisse, aber Datenverständnis: Tabellen lesen, Kennzahlen berechnen, Abweichungen erkennen. Ein sicherer Umgang mit Excel und einfachen Datenabfragen ist ein guter Anfang. Ergänze das mit Grundwissen zu Datenschutz und zu den Grenzen von KI.
Häufige Fragen
Braucht jedes Lager KI?
Nein. Viele Probleme lassen sich mit sauberen Prozessen, guten Stammdaten und einfachen Regeln lösen. Prüfe zuerst, ob ein Problem wirklich datenbasiert und wiederkehrend ist.
Womit fange ich an?
Mit einer Aufgabe, die du messen kannst und bei der Fehler nicht gefährlich sind, zum Beispiel dem Auslesen von Lieferscheinen mit anschliessender menschlicher Kontrolle.
Wie erkenne ich überzogene Versprechen?
Wenn Anbieter hohe Effekte nennen, aber weder Ausgangswerte noch Vergleichsgruppen, bleibt die Aussage unbelegt. Frage nach der Methode und nach Referenzen aus ähnlichen Betrieben.
Quellen und weiterführende Links
- GS1 Schweiz: Standards für Identifikation und Daten
- Eidg. Datenschutz- und Öffentlichkeitsbeauftragter (EDÖB)
Weiterlernen auf e-learning.place
Logi begleitet dich durch die Kurse der Plattform: mit Praxisfällen, Übungen, Lernkarten und Quiz. So wird aus diesem Artikel eine Lernroutine.
- Passender Kurs: KI-Akademie: Künstliche Intelligenz im Beruf: KI verstehen, sicher einsetzen und verantworten.
- Weiterer Kurs: Logistikleiter HFP: Führung, Strategie und Logistikmanagement auf Stufe Höhere Fachprüfung.
- Weiterer Kurs: Excel und Datenanalyse für den Beruf: Tabellen, Formeln, Auswertungen und Berichte.
- Gratis starten: Alle veröffentlichten Selbstlernkurse lassen sich mit einem Gratiskonto nutzen, mit Werbepausen und ohne Kreditkarte. Kostenlos registrieren oder zuerst die Lernproben ansehen.
- Lernpfade: Lernpfade ordnen mehrere Kurse zu einem Ziel. Alle Lernpfade ansehen oder den gesamten Kurskatalog durchsuchen.
- Premium: werbefrei lernen, mit persönlichem Lernplan, Vorlesen und KI-Lernhilfe. Premium ansehen.