KI in der Logistik: Disposition, Kommunikation und Dokumente

KI in der Logistik umfasst zwei sehr verschiedene Welten: spezialisierte Systeme für Routenplanung, Bedarfsprognosen und Lagersteuerung, die seit Jahren im Einsatz sind, und neue Sprachmodelle, die Texte und Dokumente verarbeiten. Dieser Ratgeber konzentriert sich auf die zweite Gruppe, denn hier können auch kleinere Speditionen und Lagerbetriebe ohne großes IT-Projekt einsteigen.

Typische Aufgaben für Sprachmodelle

• Dokumente auslesen: Daten aus Lieferscheinen, Frachtbriefen oder Zollunterlagen in strukturierte Felder übertragen.
• Kundenanfragen: Sendungsanfragen, Reklamationen und Terminwünsche vorsortieren und Antworten entwerfen.
• Mehrsprachigkeit: Kommunikation mit Fahrern und Partnern in anderen Sprachen erleichtern.
• Berichte: Schadensmeldungen und Abweichungsberichte aus Notizen und Fotos erstellen.
• Auswertungen: Freitextfelder aus Reklamationen nach Ursachen gruppieren.

Dokumente in Daten verwandeln

Viele Logistiker bekommen Papiere in uneinheitlichen Formaten. Moderne Modelle lesen auch Fotos und Scans und geben die Inhalte in festen Feldern aus. Für zuverlässige Ergebnisse lohnt eine klare Vorgabe des Ausgabeformats, zum Beispiel als JSON:

Lies den Lieferschein und gib ausschließlich dieses JSON aus:
{"lieferscheinnummer": "", "datum": "", "absender": "",
 "empfaenger": "", "positionen": [{"artikel": "", "menge": 0}]}
Fehlt ein Wert, setze null. Erfinde nichts.

Wie Sie verlässlich strukturierte Antworten bekommen, erklärt der Ratgeber Structured Outputs. Fehlerhafte Ausgaben repariert das Werkzeug JSON reparieren. Bei Mengen, Gewichten und Gefahrgutangaben ist eine Prüfung Pflicht, gerade wenn die Daten automatisch weiterverarbeitet werden.

Kundenservice und Sendungsanfragen

Ein großer Teil der Anfragen lautet sinngemäß „Wo ist meine Sendung?“. Ein Assistent, der an das Sendungsverfolgungssystem angebunden ist, kann solche Fragen beantworten und Sonderfälle an Mitarbeitende weitergeben. Wichtig: Der Assistent darf nur Daten aus dem System wiedergeben und keine Liefertermine erfinden. Allgemeine Tipps dazu im Ratgeber KI im Kundenservice.

Wo klassische Systeme besser sind

Für Tourenplanung, Lagerplatzvergabe oder Bestandsprognosen sind Sprachmodelle meist nicht das richtige Werkzeug. Diese Aufgaben lösen spezialisierte Optimierungs- und Prognoseverfahren genauer und schneller. Sprachmodelle können aber helfen, deren Ergebnisse zu erklären, etwa: „Fasse zusammen, warum Tour 14 heute zwei Stopps mehr hat als gestern.“

Lohnt sich das?

Rechnen Sie vor einem Projekt durch, wie viele Dokumente oder Anfragen pro Monat anfallen, wie lange die manuelle Bearbeitung dauert und was die KI-Verarbeitung kostet. Der KI-ROI-Rechner stellt Aufwand und Nutzen gegenüber, der Kostenrechner schätzt die API-Kosten je Dokument. Bei großen Mengen ohne Zeitdruck kann die günstigere Stapelverarbeitung interessant sein; mehr dazu im Ratgeber Batch-Verarbeitung.

Datenschutz und Sicherheit

Lieferadressen, Namen und Telefonnummern von Empfängern sind personenbezogene Daten. Sie gehören nur in Dienste mit Vertrag zur Auftragsverarbeitung. Bei automatisierten Abläufen sollten Sie außerdem bedenken, dass eingehende Dokumente manipulierte Anweisungen enthalten können; der Ratgeber Prompt-Injection erklärt das Risiko.

Ein realistischer Pilot ist zum Beispiel die automatische Erfassung eines Dokumenttyps, etwa Lieferscheine eines großen Kunden. Messen Sie vorher Fehlerquote und Bearbeitungszeit der manuellen Erfassung und vergleichen Sie nach einigen Wochen. Erst wenn die KI-Ausgaben zuverlässig sind, folgen weitere Dokumenttypen. Halten Sie dabei fest, welche Fehler auftreten, damit Prompt und Prüfregeln gezielt verbessert werden können.