Transport und Logistik ist keine Branche, die KI von außen hereinlassen muss. Planungssoftware, Track-and-Trace, Routenoptimierung und Warehouse-Management-Systeme laufen hier bereits seit Jahrzehnten. Das erweckt einen Anschein von Vorsprung: Es gibt Daten, es gibt Systeme, es gibt eine Kultur des Messens und Optimierens. Doch die Reifegradmessung von hybridresourcing.com zeigt, dass dies etwas anderes ist als KI-Bereitschaft. Eine Organisation kann in operativen Systemen exzellent sein und dennoch bei den fundamentalen Dimensionen — Organisation, IT-Infrastruktur, Datenmanagement — noch auf Baseline- oder Foundation-Niveau stehen. Die Frage ist nicht, ob Systeme vorhanden sind, sondern ob diese Systeme miteinander sprechen und ob die Organisation darum herum so eingerichtet ist, dass darauf etwas Neues aufgebaut werden kann.
Innerhalb von Transport und Logistik variiert das Verhältnis zwischen Unternehmen stark nach Art der Tätigkeit. Ein Akteur, der vor allem Planung und Regie betreibt, mit eigener Softwareentwicklung und einer IT-Abteilung, die Systeme miteinander verknüpfen kann, liegt oft näher bei Activation oder Insight. Ein Akteur, der vor allem ausführt — fahren, laden, entladen — und mit einer Ansammlung von Teilsystemen verschiedener Anbieter arbeitet, liegt oft noch auf Foundation. Der größte Teil der Branche befindet sich irgendwo zwischen diesen beiden Positionen, mit einer fundamentalen Schicht, die besser ausgebaut ist als bei vielen anderen Branchen, aber mit einem Datenmanagement, das zurückbleibt: Daten liegen oft in Silos je System, je Standort, je Kunde, ohne dass jemand Eigentümer des Gesamtbilds ist.
Das versetzt Transport in eine besondere Position gegenüber Branchen, in denen gerade die Organisationsstruktur der Engpass ist. Bei den unternehmensbezogenen Dienstleistungen ist häufig die Datenerfassung selbst das Problem, weil die Arbeit größtenteils aus unstrukturierter Kommunikation besteht. In Transport gibt es hingegen viele strukturierte Daten — Standorte, Zeiten, Gewichte, Temperaturen —, aber diese Daten sind über Systeme verteilt, die nicht dafür gebaut sind, miteinander zu kommunizieren. Das ist eine andere Art von Rückstand als ein Mangel an Daten; es ist ein Mangel an Zusammenhang.
In einer Plot-Runde, in der verschiedene Personen unabhängig voneinander bewerten, fällt in Transportunternehmen oft ein wiedererkennbares Muster auf. Das operative Management bewertet die IT-Infrastruktur hoch, weil die Systeme, die es täglich nutzt, für den eigenen Prozess gut funktionieren. IT oder ein CIO bewertet dieselbe Dimension niedriger, weil sie wissen, wie viel manuelle Arbeit nötig ist, um Daten zwischen Systemen zu übertragen. Diese Streuung ist kein Messfehler. Es ist der Unterschied zwischen einem System, das für die Aufgabe funktioniert, für die es gebaut wurde, und einer Infrastruktur, die geeignet ist, um neue Funktionalität darauf aufzubauen. Für KI-Anwendungen ist vor allem die zweite Frage relevant, und die wird während des täglichen Betriebs selten gestellt.
Die sieben Dimensionen bauen aufeinander auf, und in Transport ist dieser Aufbau gut zu erkennen. Ohne eine Datenmanagement-Schicht, die Informationen aus Planungssystemen, Telematik und Kundenportalen zusammenführt, hat eine KI-Anwendung nichts Konsistentes, worauf sie trainieren oder worauf sie reagieren kann. Unternehmen, die diesen Schritt überspringen und direkt einen KI-Pilot für einen einzelnen Teilprozess starten — etwa vorausschauende Wartung für einen einzelnen Lkw-Typ — merken oft, dass sich das Ergebnis nicht auf den Rest des Fuhrparks skalieren lässt, schlicht weil die zugrunde liegenden Daten nicht auf dieselbe Weise erfasst wurden. Das ist kein technischer Mangel der KI, sondern ein Zeichen, dass die fundamentale Schicht noch nicht fertig ist.
Diese Reihenfolge gilt nicht nur für Transport. Bei der Landwirtschaft besteht ein ähnliches Problem mit Sensordaten, die je Anbau oder je Betrieb unterschiedlich erfasst werden, und beim Einzelhandel zeigt es sich in Bestands- und Verkaufsdaten, die je Handelskette oder Kanal getrennt vorliegen. Transport unterscheidet sich durch den Umfang der strukturierten Daten, die bereits vorhanden sind, was den fundamentalen Schritt zugleich einfacher und verlockender macht, ihn zu überspringen — einfacher, weil die Bausteine da sind, verlockender, weil es sich anfühlt, als wäre man schon weit.
Die Reifegradmessung von hybridresourcing.com setzt dieses Muster auf fünf Ebenen, von Baseline bis Intelligence, verteilt über die sieben Dimensionen. Für ein Transportunternehmen ergibt das in der Regel ein Profil mit einer starken operativen Schicht und einer schwächeren Daten- und Organisationsschicht, wobei Unterschiede je Unternehmensteil oder Standort groß sein können. Dieses Profil sagt nichts darüber aus, ob KI funktionieren wird oder nicht, und nichts über einen Zeitplan. Es zeigt, welche Dimension die anderen aktuell zurückhält, und genau das ist die Information, die benötigt wird, bevor eine Organisation entscheidet, wo sie anfängt. Das Tool, das diese Messung durchführt, befindet sich im Aufbau; wer damit arbeiten möchte, sobald es verfügbar ist, kann sich für die Warteliste anmelden.
Diese Seite behandelt die Frage, ob die Organisation KI tragen kann — ob die Fundamente aus Organisation, Infrastruktur und Daten geordnet sind, bevor etwas darauf aufgebaut wird. Das ist eine andere Frage als die, welcher Teil der Arbeit selbst von KI übernommen werden kann. Für diese Frage, auf der Ebene einzelner Aufgaben innerhalb von Planung, Transport und Logistikverwaltung, gibt es den Werkscan von FTE TO AI: Der berechnet je Aufgabe, welcher Anteil davon KI übernehmen kann, unabhängig davon, auf welchem Niveau die Organisation darum herum sich befindet. Wer wissen möchte, wo die Organisation steht, beginnt bei dieser Messung; wer wissen möchte, was mit der Arbeit selbst geschieht, findet das im Werkscan.
Vraag maar wat er moet staan voordat AI in uw organisatie kan landen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.