KI-Agenten in Logistik und Transport

Die Logistikbranche ist seit Jahren in einer schwierigen Lage: Die Margen sind dünn, der Wettbewerb intensiv, gleichzeitig steigen die Service-Erwartungen aus B2B- und B2C-Geschäft. Treibstoffpreise, Mautgebühren, Personalkosten und Compliance-Anforderungen klettern – die Frachtraten oft langsamer. Wer in diesem Umfeld nicht massiv auf Effizienz und Datennutzung setzt, fällt zurück.

KI-Agenten sind hier nicht Selbstzweck, sondern Werkzeug: Sie automatisieren Routinen in Disposition, Tracking und Dokumentation, beantworten Service-Anfragen rund um die Uhr und sorgen für konsistente Kommunikation in mehreren Sprachen. Sie ersetzen weder den Disponenten noch den Fahrer, aber sie reduzieren administrative Last drastisch.

Die Branche hat einen Vorteil: Logistik ist seit jeher datengetrieben und operiert mit umfangreichen Schnittstellen-Standards (EDI, EDIFACT, GS1). Wer eine moderne TMS- oder WMS-Architektur hat, kann KI-Agenten in wenigen Wochen anbinden und wirtschaftlich produktiv setzen.

Die folgenden Use-Cases haben sich in Logistikunternehmen als wirtschaftlich tragfähig erwiesen. Wir empfehlen, mit zwei bis drei priorisierten Anwendungen zu beginnen und die Plattform so aufzubauen, dass weitere Use-Cases inkrementell hinzukommen.

Die häufigste Anfrage in jedem Logistikunternehmen ist die Sendungsstatus-Frage. Ob B2B-Disponent oder B2C-Endkunde – jeder will jederzeit wissen, wo seine Ladung ist und wann sie ankommt. Klassische Tracking-Portale liefern Datenpunkte, aber keine Erklärungen. Ein KI-Agent kann Status-Daten in einen Kontext setzen, ETAs neu berechnen und proaktiv informieren.

Der Agent greift auf TMS, Telematik, Carrier-APIs und Lager-Daten zu, fasst die Lage zusammen und beantwortet Folgefragen: Warum ist die Sendung verzögert? Wann ist mit der Anlieferung zu rechnen? Was passiert bei Empfangsverweigerung? Bei kritischen Lagen eskaliert er an den Dispostions-Verantwortlichen mit komplettem Vorgang.

In B2C-Anwendungen ergänzt der Agent Standard-Tracking durch verständliche Kommunikation: „Ihr Paket ist in der Zustellung – der Fahrer ist noch 4 Stopps entfernt“. Solche kontextualisierten Auskünfte reduzieren Anrufe und verbessern die Kundenzufriedenheit messbar.

Frachtdokumente sind in der Logistik allgegenwärtig: CMR, Bills of Lading, Zollanmeldungen, Lieferscheine, Gefahrgut-Erklärungen. Diese Dokumente sind formal komplex, mit branchen- und länderspezifischen Eigenheiten. Manuelle Erfassung ist fehleranfällig und zeitintensiv – jede Korrektur kostet Geld und Zeit.

Ein Dokumenten-Agent extrahiert relevante Datenpunkte, prüft sie gegen Stammdaten und Sendungsinformationen, identifiziert Diskrepanzen und schlägt Korrekturen vor. Bei eindeutigen Fällen wird das Dokument automatisch verarbeitet, bei Auffälligkeiten erfolgt Übergabe an den Disponenten oder Zoll-Spezialisten.

Besonders wertvoll ist die Compliance-Funktion: Der Agent prüft Sanktionslisten, Ursprungsregeln, Gefahrgut-Codes und länder-spezifische Anforderungen. Er ist damit nicht nur Effizienz-Treiber, sondern auch Risiko-Management-Werkzeug.

Disposition ist eine der anspruchsvollsten Aufgaben in der Logistik: Touren-Planung, Carrier-Auswahl, Auslastungsoptimierung, Eskalations-Management. Der Disponent jongliert mit hunderten Variablen gleichzeitig. Ein KI-Agent ersetzt den Disponenten nicht, aber er kann zwei Schlüsselrollen einnehmen: Erstens als Vorschlagsmaschine für Standard-Dispositionen, zweitens als Eskalations-Filter für Ausnahmen.

Konkret: Der Agent schlägt Touren-Zuordnungen basierend auf historischen Mustern, aktuellen Auslastungen und Sendungs-Charakteristika vor. Der Disponent prüft, passt an und gibt frei. Bei Ausnahmesituationen (Stau, Carrier-Ausfall, Lager-Engpass) liefert der Agent Handlungsoptionen mit Vor- und Nachteilen.

Wichtig: Der Agent ersetzt keine Routenoptimierungs-Algorithmen, sondern ergänzt sie um Sprachverständnis und Kontext-Analyse. Er kann freie E-Mail-Anfragen interpretieren, mit dem Routing-System sprechen und Ergebnisse in verständlicher Form kommunizieren.

Transportschäden, Verluste und Reklamationen sind in der Logistik unvermeidbar – aber ihre Bearbeitung bindet erhebliche Ressourcen. Ein KI-Agent kann hier den gesamten Erstprozess übernehmen: Annahme der Meldung, Klassifikation des Schadens, Sammlung der relevanten Unterlagen (Foto, Frachtbrief, Lieferschein), Plausibilisierung gegen Sendungsdaten, Vorbereitung des Vorgangs für die Schadens-Abteilung.

Bei kleinen Schäden im Routine-Bereich kann der Agent unter klaren Vollmachten direkt eine Erstattung oder Gutschrift veranlassen. Bei größeren Schäden, Versicherungsfällen oder Auffälligkeiten erfolgt sofortige Übergabe – mit komplettem Vorgang, sodass die Sachbearbeiterin nicht von vorn beginnen muss.

Die Kommunikation mit Carriern, Subunternehmern und Lieferanten ist im Logistikgeschäft hochfrequent: Kapazitätsanfragen, Statusupdates, Avis-Meldungen, Reklamationen, Rechnungsklärungen. Vieles davon ist standardisiert und damit ideal für KI-Agenten geeignet.

Ein Carrier-Agent kann Standard-Anfragen versenden und beantworten, Statusupdates abfragen und in das eigene TMS einspielen, Reklamationen aufnehmen und Vorgänge anlegen. In mehreren Sprachen, rund um die Uhr und mit konsistenter Tonalität.

Logistikunternehmen unterliegen einer Vielzahl von Regularien: Zollvorschriften (UZK), Exportkontrolle, Sanktionsrecht, Gefahrgut-Vorschriften (ADR, IMDG, IATA), Lieferketten-Sorgfaltspflichten (LkSG), DSGVO, EU AI Act. Für KI-Agenten besonders relevant: Bei automatisierten Compliance-Prüfungen muss die Verantwortung klar zugeordnet sein.

Bewährt hat sich ein Modell mit klar definierten Eingreif-Schwellen: Standardfälle laufen automatisch, alle Auffälligkeiten und Grenzfälle gehen an menschliche Compliance-Spezialisten. Audit-Trail und Begründung pro Entscheidung sind Pflicht, nicht Kür.

Die Architektur muss die typische Logistik-Landschaft abbilden: TMS, WMS, Telematik, Carrier-APIs, Kundenportale, EDI-Schnittstellen, Zoll-Gateway. Die Tool-Schicht stellt die Aktionen bereit, die der Agent ausführen darf, mit klarer Berechtigungsprüfung und Audit-Logging.

Eine Plattform-Strategie ist im Logistik-Umfeld besonders sinnvoll: Wer einmal saubere Adapter zu TMS, WMS und gängigen Carrier-APIs gebaut hat, kann darauf eine Vielzahl von Use-Cases aufsetzen, ohne die Integration jedes Mal neu zu bauen.

Logistik-Organisationen sind operativ eng verzahnt – von Disposition über Lager bis Customer Service. KI-Agenten müssen in diese Linie eingebunden werden, nicht parallel daneben laufen. Bewährt hat sich ein Modell mit zentraler Plattform-Einheit (oft Teil der IT/Operations-Excellence) und dezentralen Use-Case-Eignerinnen aus den Fachbereichen.

Wichtig ist die Akzeptanz im operativen Team: Disponenten und Kundenservice-Mitarbeitende müssen verstehen, wie der Agent arbeitet, was er kann und was nicht, und wie sie selbst Verbesserungsvorschläge einbringen können. Programme, die das vernachlässigen, verlieren an Qualität.

Der Business-Case in der Logistik betrachtet drei Hebel: Personalentlastung (Service, Disposition, Backoffice), Geschwindigkeit (Reaktionszeiten, Durchlaufzeiten) und Qualität (Fehlerquote, Reklamationsquote, Compliance-Risiko). Die Effekte sind in der Regel konservativ kalkulierbar.

Beispielrechnung Service-Agent: Ein KEP-Dienstleister mit 800.000 Service-Kontakten pro Jahr automatisiert 70 Prozent. Bei 4 Minuten pro Vorgang und 50 EUR Vollkosten je Stunde sind das 1,87 Mio. EUR p.a. – plus die Effekte aus 24/7-Erreichbarkeit auf Kundenzufriedenheit und Vertragsbindung.

Im Logistik-Umfeld ist Time-to-Value besonders kurz. Bei vorhandenen TMS- und Carrier-APIs sind produktive MVPs in 60 bis 90 Tagen realistisch. Wir empfehlen folgenden Takt:

Ein deutscher Stückgut-Spediteur mit rund 600 eigenen Trucks und 1.800 Mitarbeitenden hat 2025 zwei Agenten produktiv gesetzt: Einen Service-Agenten für Status-Auskünfte und Standard-Anliegen, einen Dokumenten-Agenten für CMR- und Lieferschein-Verarbeitung. Anbindung an Riege Scope, eigene Telematik und Carrier-APIs.

Wirkung: Anrufvolumen im Customer Service um 55 Prozent reduziert, Bearbeitungszeit pro Frachtbrief von 8 auf 2 Minuten gesenkt, Reklamationsquote um 18 Prozent gefallen, weil die Plausibilisierung früher greift. Mitarbeiterzufriedenheit gestiegen, weil Routine wegfällt und mehr Zeit für komplexe Vorgänge bleibt.