Ratgeber · Operations, Einkauf & Supply

KI für Logistik und Spedition: Was Mittelständler wirklich umsetzen können — und was nicht

Lesezeit: 11 Minuten · Aktualisiert: Mai 2026

Von Stefan Preusler, Geschäftsführer

KI in der Logistik bedeutet für den Mittelstand: Eine Intelligenz-Schicht, die über bestehende Transportprozesse gelegt wird und aus historischen Tourendaten, Verkehrsbedingungen und Kundenzeitfenstern optimale Routen ableitet. Sie ersetzt weder den Disponenten noch das bestehende Transportmanagementsystem, sondern macht beides effizienter. In diesem Ratgeber erhalten Sie einen 10-Punkte-Selbsttest, einen konkreten 90-Tage-Plan und eine ehrliche Kostenaufstellung.

Ist meine Spedition bereit für KI? Der 10-Punkte-Check

Bevor Sie in neue Technologie investieren, lohnt sich ein Blick auf den Status quo. Die folgende Checkliste zeigt, wo Ihr Unternehmen steht. Je mehr Punkte zutreffen, desto größer ist der Handlungsbedarf und desto schneller rentiert sich eine KI-gestützte Logistik-Lösung.

Selbsttest: Logistik-Reifegrad

1. Wir planen Touren manuell oder in Excel

2. Wir wissen nicht exakt, was eine Tour kostet

3. Unsere Liefertreue liegt unter 95 Prozent

4. Wir haben regelmäßig Leerfahrten

5. Unsere Disponenten sind chronisch überlastet

6. Wir nutzen kein TMS oder ein veraltetes System

7. Unsere Kunden verlangen Echtzeit-Tracking

8. Wir haben Daten zu Touren, Kosten und Zeiten

9. Wir haben keine IT-Abteilung

10. Wir wollen in 90 Tagen messbare Ergebnisse sehen

Auswertung: Ab 6x zutreffend besteht hoher Handlungsbedarf. Ab 4x zutreffend ist ein gezielter Einstieg sinnvoll.

Was leistet KI in Logistik und Spedition wirklich?

Viele Mittelständler assoziieren KI in der Logistik mit autonomen Lkw oder vollautomatisierten Lagern. Das ist nicht die Realität eines Speditionsunternehmens mit 20 Fahrzeugen. Die vier Kernanwendungen sind deutlich näher am Alltag und liefern messbare Ergebnisse:

Tourenoptimierung. KI analysiert nicht nur die Entfernung zwischen zwei Punkten, sondern berücksichtigt Kundenzeitfenster, Fahrzeugkapazitäten, Verkehrsbedingungen und historische Durchlaufzeiten. Das Ergebnis ist eine Route, die unter realen Bedingungen tatsächlich funktioniert.

Dispositionsunterstützung. Anstatt jede Tour manuell zusammenzustellen, erhält der Disponent automatische Vorschläge. Er behält die Entscheidungsgewalt, spart aber 60 bis 70 Prozent der Planungszeit.

Transportkosten-Analyse. Die Middleware verdichtet Daten aus Telematik, Auftragsmanagement und Kraftstoffabrechnung zu einer transparenten Kostenübersicht pro Tour, pro Kunde und pro Fahrer.

Liefertreue-Monitoring. Die Rules Engine überwacht laufend, ob eine Tour pünktlich ankommt. Bei drohenden Verspätungen wird frühzeitig ein Alert ausgelöst, sodass der Kunde proaktiv informiert werden kann.

Manuell, regelbasiert oder KI-gestützt — was passt zu wem?

Speditionen im Mittelstand nutzen heute unterschiedliche Ansätze. Die folgende Tabelle zeigt ehrlich, welcher Weg für welchen Betrieb passt.

Kriterium	Manuell (Excel)	Regelbasiert (TMS)	KI-gestützt
Kosten pro Monat	Personalzeit	500 bis 2.500 Euro	290 bis 2.490 Euro
Einarbeitungszeit	Keine	2 bis 6 Monate	2 bis 4 Wochen
Skalierbarkeit	Begrenzt	Mittel	Hoch
Transparenz	Gering	Mittel	Hoch
Fehlerquote	Hoch	Mittel	Niedrig
Flexibilität bei Störungen	Gering	Mittel	Hoch
Nutzt historische Daten	Nein	Begrenzt	Ja

Was kostet KI in der Logistik wirklich?

Preistransparenz ist im DACH-Raum für KMU-Software selten. Die folgende Tabelle basiert auf marktüblichen SaaS-Preisen für KI-gestützte Logistik-Lösungen im Mittelstand und zeigt drei typische Szenarien.

Szenario	Fahrzeuge	Standorte	Monatlich	Einrichtung
Klein	5 bis 10	1	290 bis 490 Euro	Einmalig, je nach Umfang
Mittel	15 bis 30	2	690 bis 990 Euro	Einmalig, je nach Umfang
Größer	30 bis 80	3+	1.490 bis 2.490 Euro	Einmalig, je nach Umfang

ROI-Beispielrechnung: Eine Spedition mit 20 Fahrzeugen hat monatliche Transportkosten von etwa 200.000 Euro. Durch optimierte Touren, weniger Leerfahrten und eine höhere Liefertreue senkt sie diese Kosten um 10 bis 15 Prozent. Das sind 20.000 bis 30.000 Euro Einsparung pro Monat bei KI-Kosten von etwa 990 Euro monatlich plus einmaliger Einrichtung.

Der 90-Tage-Plan: Von der ersten Analyse bis zum produktiven Einsatz

Der Einstieg in KI-gestützte Logistik braucht keine sechsmonatige IT-Strategie. Er braucht einen pragmatischen Plan, der in drei Monaten messbare Ergebnisse liefert. Jede Phase endet mit einem konkreten Meilenstein.

Woche 1 bis 2: Inventarisierung

Tourenhistorie der letzten 12 Monate als CSV oder Excel exportieren
Kundenliste mit Adressen, Zeitfenstern und Lieferfrequenzen zusammenstellen
Fahrzeugdaten erfassen: Kapazität, Verbrauch, Zuladung
Schmerzpunkte priorisieren: Welche Tour kostet am meisten? Wo verspäten wir uns regelmäßig?
Quick-Win definieren: Eine Tour, eine Region oder ein Kunde für den Piloten

Woche 3 bis 4: Rules Engine aufsetzen

Schwellenwerte definieren: Liefertreue unter 95 Prozent = Alert, Auslastung unter 70 Prozent = Alert
Daten in die Wissensbasis importieren: Touren, Kosten, Zeiten
Erste Alerts testen: Bekommt der Disponent eine Warnung, wenn eine Tour droht zu verspäten?
Dashboard aufbauen: Welche Kennzahlen sieht das Team täglich?

Woche 5 bis 8: Pilot mit KI-Vorschlägen

Parallelbetrieb starten: KI schlägt Touren vor, Disponent entscheidet und optimiert
Tägliches Feedback-Protokoll führen: Was hat funktioniert? Wo hat der Vorschlag nicht gepasst?
Disponenten früh einbinden: Sie kennen die lokalen Besonderheiten besser als jeder Algorithmus
Schwellen und Regeln nach zwei Wochen Feintuning anpassen

Woche 9 bis 12: Rollout und Skalierung

Weitere Touren und Regionen in das System überführen
Alle Disponenten schulen: Funktionsweise, Interpretation von Alerts, manuelles Übersteuern
Erste ROI-Messung: Transportkosten vor und nach dem Piloten vergleichen
Entscheidung: Welche nächsten Module kommen? Lagerdisposition, Einkauf oder Fahrzeugwartung?

So funktioniert die Technik im Hintergrund (ohne Hype)

Wer eine Entscheidung über neue Software trifft, sollte verstehen, wie sie technisch arbeitet. Ohne Bullshit-Bingo. Ohne Versprechen von autonomen Supply Chains.

Rules Engine. Das ist die unterste Schicht. Sie arbeitet deterministisch. Der Disponent oder Geschäftsführer legt Schwellenwerte fest, die das System lückenlos überwacht. Beispiel: Wenn die Liefertreue einer Tour unter 95 Prozent fällt UND die Entfernung über 200 Kilometer beträgt, dann löse einen Alert aus. Diese Regeln sind nachvollziehbar, auditierbar und können jederzeit angepasst werden.

Muster-Erkennung. Die Machine-Learning-Schicht analysiert historische Daten und erkennt Zusammenhänge, die in keiner Regel hinterlegt sind. Sie weiß beispielsweise, dass eine bestimmte Route freitags um 15 Uhr fast immer im Stau steht. Oder dass ein Kunde im Winter durchschnittlich 20 Minuten länger für die Entladung braucht. Diese Muster fließen automatisch in die Tourenplanung ein.

Intelligenz-Schicht. Die obere Schicht verbindet beides. Sie ergänzt die regelbasierten Alerts und die ML-Muster mit operativem Kontext: Wie wichtig ist dieser Kunde? Welcher Fahrer hat Erfahrung mit Sperrgut? Passt das Fahrzeug in die Zufahrt? Das Ergebnis ist kein selbstfahrender Lkw, sondern ein Disponent, der bessere Entscheidungen in kürzerer Zeit trifft.

Die 4 häufigsten Fehler — und wie Sie sie vermeiden

Die folgende Tabelle fasst zusammen, woran KI-Projekte in der Logistik typischerweise scheitern. Jeder Fehler ist vermeidbar, wenn man ihn von Anfang an ernst nimmt.

Fehler	Warum passiert das?	Lösung
KI als Ersatz für Disponenten positionieren	Angst vor Arbeitsplatzverlust schafft Widerstand	Als Unterstützung kommunizieren: Der Disponent macht den Feinschliff
Datenqualität unterschätzen	Falsche Adressen, fehlende Zeitfenster, unvollständige Tourenhistorie	Daten-Check in Woche 1 und 2, Bereinigung vor Import
Großkonzern-Software für KMU kaufen	Überdimensioniert, zu teuer, zu komplex	Middleware-Lösung wählen, die an bestehende Systeme andockt
Keine Change-Management-Begleitung	Erfahrene Disponenten verweigern das System	Früh einbinden, Feedback-Schleifen etablieren, Schulung anbieten

Häufig gestellte Fragen

Was ist KI-gestützte Tourenplanung?

KI-gestützte Tourenplanung analysiert historische Fahrzeugdaten, Verkehrsbedingungen, Kundenzeitfenster und Auftragsvolumina, um optimale Routen vorzuschlagen. Im Gegensatz zu statischer Routenplanung lernt das System aus vergangenen Touren und passt sich an veränderte Bedingungen an. Für den Mittelstand bedeutet das weniger Leerfahrten, kürzere Fahrzeiten und eine höhere Liefertreue.

Wie viel kostet KI-Software für eine Spedition?

Die Kosten hängen von der Fahrzeugflotte und der Anzahl der Standorte ab. Für kleine Speditionen mit 5 bis 10 Fahrzeugen liegen die Kosten typischerweise bei 290 bis 490 Euro monatlich. Bei 15 bis 30 Fahrzeugen sind 690 bis 990 Euro monatlich realistisch. Größere Betriebe mit 30 bis 80 Fahrzeugen sollten mit 1.490 bis 2.490 Euro rechnen. Hinzu kommt eine einmalige Einrichtung, die je nach Datenqualität und Integration variiert.

Brauche ich eine IT-Abteilung für KI in der Logistik?

Nein. Moderne KI-Lösungen für den Mittelstand sind als Middleware konzipiert, die an bestehende Systeme andockt. Die Einrichtung erfolgt begleitet durch einen Technologie-Partner. Ihre Disponenten arbeiten mit der neuen Intelligenz-Schicht, ohne Programmieren zu müssen. Wichtig ist lediglich, dass jemand im Unternehmen die Datenqualität sicherstellt und die Disponenten in die Nutzung einführt.

Was ist der Unterschied zwischen TMS und KI-Logistik?

Ein klassisches Transportmanagementsystem arbeitet regelbasiert. Es führt festgelegte Regeln aus, etwa: Wenn Auftrag A vor 12 Uhr eingeht, dann Tour B. KI-Logistik erkennt Muster in historischen Daten. Sie weiß beispielsweise, dass eine bestimmte Route freitags um 15 Uhr fast immer im Stau steht, weil die Erfahrung der Disponenten in der Wissensbasis hinterlegt ist. TMS ist das Fundament. KI ist die darauf aufgesetzte Intelligenz-Schicht.

Wie schnell rentiert sich KI in der Spedition?

Erste messbare Effekte zeigen sich typischerweise nach 30 bis 60 Tagen, sobald die Rules Engine Schwellenwerte überwacht und erste Muster erkannt werden. Nach 90 Tagen lässt sich der Return on Investment quantifizieren: Eine Spedition mit 20 Fahrzeugen und monatlichen Transportkosten von 200.000 Euro senkt durch optimierte Touren und weniger Leerfahrten die Kosten um 10 bis 15 Prozent. Das sind 20.000 bis 30.000 Euro Einsparung bei KI-Kosten von etwa 990 Euro monatlich.

Was sind die häufigsten Fehler bei der Einführung?

Die vier häufigsten Fehler sind: Erstens, KI als Ersatz für Disponenten zu positionieren statt als Unterstützung. Zweitens, die Datenqualität zu unterschätzen. Drittens, eine für Großkonzerne entwickelte Software zu kaufen, die im Mittelstand überdimensioniert ist. Viertens, die erfahrenen Disponenten nicht früh genug einzubinden. Wer diese Fehler vermeidet, schafft Akzeptanz und sieht nach drei Monaten konkrete Ergebnisse.

Kostenloser Maturity Check

Erleben Sie die Intelligenz-Schicht von NaveSight in Aktion.

30 Minuten — wir zeigen Ihnen, wie NaveSight mit Ihren spezifischen Systemen zusammenarbeitet.

Kostenlosen Maturity Check starten

Unsere Garantie: ein konkreter Aktionsplan — ob mit NaveSight oder ohne.

Wir führen 10 Maturity Checks pro Monat durch. Priorisierte Bearbeitung: 48 Stunden.