Niedrigere Kraftstoffkosten mit einer KI-gestützten Flotten- und Routenplattform für einen regionalen Logistikbetreiber

Herausforderung

Der Kunde betreibt grenzüberschreitende Sammelgut- und Komplettladungsverkehre entlang des Adria-Korridors mit einer Flotte von rund 620 Fahrzeugen. Die Disposition plante Touren in Tabellenkalkulationen, gespeist aus drei inkompatiblen Telematikanbietern; der Kraftstoffverbrauch schwankte deutlich zwischen den Depots, und Verspätungen fielen erst auf, wenn Kunden anriefen. Das Management wollte ein einheitliches Lagebild, messbar niedrigere Kraftstoffkosten und Lieferzusagen, die sich verlässlich einhalten lassen.

Lösung

Ein sechsköpfiges Vendenis-Team — zwei Data Engineers, zwei Backend-Entwickler, ein Machine-Learning-Engineer und eine Produktdesignerin — lieferte die Plattform in 16 Wochen. Wir führten die drei Telematik-Datenströme in einer gemeinsamen Ingestion-Pipeline zusammen, entwickelten einen Routenoptimierungsdienst, der Grenzwartezeiten, Fahrzeugklasse und Lenkzeiten berücksichtigt, und trainierten ein Verspätungsprognosemodell auf zwei Jahren historischer Fahrten. Die Disposition arbeitet heute in einer Echtzeitkonsole, die Tourenpläne vorschlägt und gefährdete Zustellungen Stunden im Voraus markiert.

Architektur

Die Plattform läuft als Verbund containerisierter Dienste hinter einem zentralen API-Gateway, betrieben in der bestehenden Cloud-Umgebung des Kunden und angebunden an dessen Transportmanagementsystem.

• Telematik-Ingestion-Schicht, die täglich rund 38 Millionen GPS- und CAN-Bus-Ereignisse in ein einheitliches Schema normalisiert
• Routenoptimierungsdienst, der die Tourenplanung je Depot unter Grenzwarte- und Lenkzeitrestriktionen löst
• Wöchentlich neu trainiertes Verspätungsprognosemodell mit Konfidenzwerten je Sendung
• Dispositionskonsole mit Live-Karte, manuellen Planeingriffen und lückenlosem Audit-Trail
• Integrationsschicht, die Aufträge und Statusmeldungen mit dem bestehenden Transportmanagementsystem synchronisiert

Ergebnis

Sechs Monate nach dem Rollout liegen die Kraftstoffkosten pro Kilometer 14 Prozent unter dem Vorjahreswert, und die Termintreue stieg von 81 auf 94,6 Prozent. Die Disposition wickelt pro Schicht ein Drittel mehr Sendungen ab, und das Prognosemodell löst proaktive Kundenbenachrichtigungen aus, statt Entschuldigungsanrufe nötig zu machen. In einem Folgeprojekt weitet der Kunde die Plattform derzeit auf die Hofprozesse ihrer Lagerstandorte aus.