Praxis-Check: So arbeitet ein KI-Agent in der Spedition wirklich (ohne Hochglanz)
Wenn man die gängigen Business-Magazine aufschlägt, klingt Künstliche Intelligenz in der Logistik oft wie pure Science-Fiction: Drohnen, autonome LKW und Algorithmen.
04. August 2026
Wenn man die gängigen Business-Magazine aufschlägt, klingt Künstliche Intelligenz in der Logistik oft wie pure Science-Fiction: Drohnen, autonome LKW und Algorithmen, die globale Lieferketten vorhersagen. Die Realität im deutschen Mittelstand sieht deutlich pragmatischer, erdgebundener und staubiger aus. Dies ist kein Hochglanz-Artikel. Das ist der ungeschönte Blick in den Maschinenraum eines mittelständischen Stückgutspediteurs – und darauf, was passiert, wenn ein KI-Agent wirklich im Live-Betrieb ankommt.
Das Problem: Wachstum vs. Disposition
Die Ausgangssituation war typisch für die Branche: Ein kerngesunder Spediteur mit 120 Fahrzeugen und rund 40 Disponenten verzeichnete starkes Wachstum. Doch die Disposition arbeitete am absoluten Limit. Jeden Tag fluteten bis zu 300 Transportanfragen per E-Mail die Posteingänge. PDF-Anhänge in unterschiedlichsten Formaten mussten gesichtet, mit der aktuellen Ladekapazität abgeglichen, bewertet und manuell ins Transport Management System (TMS) getippt werden. Das kostete nicht nur enorm viel Zeit, sondern sorgte am späten Nachmittag – wenn die Konzentration nachließ – für fatale Tippfehler in Postleitzahlen und Terminen.
Der Geschäftsführer brauchte keine strategische Vision für 2030. Er brauchte eine Lösung, die seinen Leuten am nächsten Morgen den Rücken freihält.
Die Lösung: Ein digitaler Kollege für den Posteingang
Anstatt ein monolithisches Mammut-Projekt zu starten, wurde ein spitzer, isolierter KI-Agent implementiert. Seine einzige Aufgabe: Den E-Mail-Posteingang überwachen.
Heute liest der Agent jede eingehende Anfrage. Er nutzt Large Language Models (LLMs), um den unstrukturierten Text zu verstehen, extrahiert die Kernparameter (Start, Ziel, Gewicht, Datum, Gefahrgut) und gleicht diese über eine API mit den Vorgaben des TMS ab. Danach sortiert er die Anfrage ein: "Perfekt, automatisch anlegen", "Unklarheit, bitte menschliche Prüfung" oder "Kriterien nicht erfüllt, Absage vorbereiten". Der Disponent sieht das Ergebnis fix und fertig in seiner Maske.
Was schiefging (Die schmerzhaften Lektionen)
Wer behauptet, so ein Projekt läuft ab Tag 1 fehlerfrei, lügt. In Woche zwei passierte der Klassiker: Der Agent scannte die Anfrage eines absoluten VIP-Stammkunden. Die Maße wichen minimal von der Norm ab, der Agent hielt sich stur an seine Parameter und lehnte die Anfrage höflich ab. Der Kunde rief wütend beim Geschäftsführer an.
Technisch gesehen hatte der Agent keinen Fehler gemacht – er hatte nur kein "Bauchgefühl" für Firmenpolitik. Die Lösung war simpel: Eine "Whitelist" für Key-Accounts wurde in die Logik eingebaut. Solche Anfragen landen seither immer auf dem Tisch eines Menschen. Dennoch war das Vertrauen der Disponenten nach diesem Vorfall erst einmal angeknackst. Es kostete Wochen geduldiger Kommunikation, ihnen zu zeigen, dass der Agent lernfähig ist.
Wo der Agent heute noch kapitulieren muss
Auch nach Monaten läuft nicht alles magisch. Wenn ein Kunde lapidar schreibt: "Geht das vielleicht mal eben so wie letzte Woche?", kapituliert die KI. Sie braucht Kontext. Auch bei handschriftlichen Vermerken auf Fax-Scans sinkt die Erkennungsrate rapide. Und natürlich hat der Agent kein Gespür dafür, dass auf der A7 gerade ein massiver Stau ist und man diese Tour heute besser anders plant. Fünf bis zehn komplexe Fälle pro Tag erfordern nach wie vor das Eingreifen erfahrener Logistiker.
Die harte Business-Realität nach 5 Monaten
Trotz der anfänglichen Stolpersteine ist das Fazit überwältigend positiv. Die nackten Zahlen sprechen für sich:
- 65 Prozent aller Standard-Anfragen werden komplett dunkelverarbeitet (vollautomatisch).
- Jeder Disponent spart im Schnitt zwei Stunden stupide Tipparbeit pro Tag.
- Die Fehlerquote bei der Datenerfassung sank von 8 Prozent auf unter 2 Prozent.
- Das Unternehmen bearbeitet heute 35 Prozent mehr Anfragen – ohne einen einzigen neuen Mitarbeiter im Büro einstellen zu müssen.
Die größte Überraschung war jedoch kultureller Natur: Die Disponenten, die anfangs am lautesten gegen die "Roboter-Technik" gewettert haben, sind heute die strengsten Verteidiger des Systems. Wenn der Agent wegen Wartungsarbeiten für zehn Minuten offline ist, klingelt sofort das Telefon beim IT-Support.
Ein echter KI-Agent im Mittelstand macht nichts Spektakuläres. Er jongliert nicht mit Buzzwords. Er liest Mails, gleicht Parameter ab, bewertet und klickt. Aber er tut das verdammt zuverlässig, blitzschnell und rund um die Uhr. Das ist nicht das Ende der Disponenten – es ist endlich wieder der Anfang von echter, strategischer Speditionsarbeit.
Nächster Schritt
Prüfen, ob ein konkreter Vorgang bei Euch geeignet ist.
Kommentare
Noch keine Kommentare. Sei der erste.
Weiterlesen
Was Entscheider auf Events wirklich über KI sagen, wenn kein Anbieter zuhört
Netzwerk-Events, Kaffeepausen zwischen Panels, informelle Gespräche. Hier wird deutlich, was Entscheider wirklich über KI denken, wenn gerade kein Anbieter lauscht.
Edge Cases. Warum Ausnahme-Situationen die wahre Qualität von KI-Agenten zeigen
Stell Dir vor, Dein KI-Agent bearbeitet selbstständig Frachtbriefe. Alles läuft reibungslos, bis ein Dokument ohne Sendungsnummer eintrifft.
Warum KI-Tools nach zwei Wochen keiner mehr nutzt und was bei der Einführung schiefgeht
Viele KI-Tools scheitern nicht an der Technik, sondern an der Einführung im Team. Der Beitrag zeigt, welche Fehler nach dem Launch zur Nichtnutzung führen und wie man sie vermeidet.