Die nächste KI-Spaltung: Warum mittelständische Logistikunternehmen ihre Infrastruktur reparieren müssen, bevor sie KI nutzen können

Die Diskussion über KI dreht sich oft konzentriert sich auf den Zugriff, mit der Annahme, dass sobald ein Unternehmen Zugriff auf die richtigen Modelle und Werkzeuge hat, die nächste Herausforderung darin besteht, herauszufinden, wie man sie nutzt. Für mittelständische Logistikunternehmen ist das nicht unbedingt der Ausgangspunkt des Problems.

In vielen Lagern und bei Drittanbieter-Logistikunternehmen (3PLs) ist die Lücke selten ein fehlendes System. Lagerverwaltungssystem (WMS), eine Enterprise-Resource-Planning-Software (ERP) oder Buchhaltungssoftware, Carrier-Verbindungen und EDI mit ihren größeren Kunden. Das Problem ist, was zwischen diesen Systemen passiert.

Punkt-zu-Punkt-Verbindungen häufen sich im Laufe der Zeit. Ein Kunde oder Handelspartner wird auf die eine Weise angebunden, ein anderer Partner auf die andere Weise, und schließlich hat niemand einen vollständigen Überblick darüber, was mit was kommuniziert. Integration hängt auch von Menschen ab, etwa wenn jemand Bestellungen aus einem Kundenportal manuell eingibt oder die gestrigen Lieferungen jeden Morgen in einer Tabelle abgleicht. Ein 3PL kann möglicherweise nicht wissen, dass eine Transaktion fehlgeschlagen ist, bis ein Kunde anruft und nach dem Verbleib seiner Bestellung fragt.

Keines davon erscheint in einer IT-Asset-Liste, weshalb das Problem so leicht zu unterschätzen ist. 

Das Problem liegt in den Übergaben

Die größten operativen Probleme treten in der Regel bei den Übergaben auf, wenn eine Bestellung, ein Wareneingang oder eine Sendung von einem System oder Unternehmen zum anderen wechselt:

• Eine verspätet oder fehlerhaft eingehende Bestellung kann zu einer verpassten Welle und einem verpassten Versandtermin führen. 
• Eine Vorausversandmeldung, die nicht mit der tatsächlich eingetroffenen Ware übereinstimmt, kann den Wareneingang stoppen, während die Mitarbeitenden jede Palette prüfen. 
• Eine Versandbestätigung, die das System des Kunden nie erreicht, kann zu einer Rechnungsverspätung führen und zu einer Rückbelastung, bei der ein Einzelhändler eine Strafe für einen Compliance-Fehler abzieht.

Für einen 3PL vervielfachen sich diese Probleme, weil jeder Kunde eigene Formate, Regeln und Erwartungen hat. Der Lagerbetrieb läuft in der Regel gut, aber der Informationsfluss rundherum bricht. 

Diese Unterscheidung wird wichtiger, wenn Unternehmen KI in ihre Abläufe einführen, da sie nur mit den ihr zur Verfügung stehenden Informationen arbeiten kann. Das Anschließen eines Chatbots oder Co‑Piloten an ein einzelnes System mag eine gute Vorführung sein, verschafft diesem System jedoch keine Sicht auf einen Prozess, der mehrere Systeme umfasst.

Im Logistikbereich überschneiden sich die relevanten Fragen häufig über diese Grenzen hinweg, sodass eine Antwort zu einer Bestellung Informationen aus dem WMS, dem ERP und einem Transport‑ oder Kundensystem benötigen kann. Ein KI‑Tool, das nur einen Teil dieses Prozesses sehen kann, arbeitet mit einem unvollständigen Bild.

Es entsteht eine wachsende Kluft zwischen Unternehmen, deren Infrastruktur ermöglicht es KI, mit den Informationen zu arbeiten, die sie benötigt und Unternehmen, deren Systeme weiterhin getrennt sind, und genau dort entsteht die nächste KI‑Spaltung. 

KI braucht ein Fundament, mit dem sie tatsächlich arbeiten kann

Eine wirklich KI‑bereite Infrastruktur sollte in operativen Begriffen und nicht in technologischen Begriffen beschrieben werden. Jeder wichtige Vorgang, wie eine Bestellung, ein Wareneingang, eine Bestandsbewegung oder eine Sendung, sollte durch einen gemeinsamen Hub laufen statt durch eine Sammlung einzelner Verbindungen. Das Format, das ein Handelspartner sendet, sollte nicht länger das Problem des Lagers sein. X12, EDIFACT, XML oder JSON sollten in dieselbe Bestellung normalisiert werden, bevor jemand weiter unten über das Format nachdenken muss.

Teams müssen innerhalb von Minuten wissen, wann etwas fehlschlägt, bevor das Problem den Kunden erreicht. Die gleichen Informationen, die Mitarbeitende zur Identifizierung und Behebung dieser Probleme nutzen, sollten auch für Software und KI‑Agenten über saubere APIs zugänglich sein, die bestehende Berechtigungen beibehalten. Außerdem muss ein Protokoll darüber existieren, was geschehen ist, damit ein Mensch prüfen kann, warum die KI etwas vorschlägt. 

Wenn diese Bedingungen erfüllt sind, wird die Integration von KI wesentlich einfacher. Das bedeutet nicht, dass ein mittelständisches Unternehmen seinen gesamten Technologiestack ersetzen muss. Tatsächlich braucht ein mittelständischer 3PL fast nie ein neues WMS oder ERP, nur um KI‑bereit zu sein. Der praktischere Ansatz besteht darin, die Kernsysteme unverändert zu lassen und die Verbindungen zwischen ihnen zu optimieren.

Ein einziger Hub, an den jedes System und jeder Partner angebunden ist, lässt sich wesentlich einfacher verwalten als ein Netz aus Einzelverbindungen.

KI kann beim Aufbau der Infrastruktur helfen

Hier kann KI für mittelständische Unternehmen besonders nützlich sein. Traditionell erforderte Integration, dass Personen Partner‑Spezifikationen lesen, Felder manuell zuordnen und diese Zuordnungen jeweils Partner für Partner testen. Eine einzelne Partnerzuordnung kann Wochen an praktischer Arbeit, Tests und Rücksprachen mit dem Partner beanspruchen.

Aktuelle KI‑Modelle können Spezifikationen und Beispieldateien lesen, Zuordnungen vorschlagen und sie anhand realer Transaktionen testen. Eine Person kann dann das Ergebnis prüfen und freigeben.

KI kann den manuellen Aufwand reduzieren, der nötig ist, um die erste Version einer EDI‑Abbildung zu erstellen. Der Spezialist kann mit einem Entwurf beginnen, diesen dann prüfen und korrigieren, bevor er ihn durch den bestehenden Prüfzyklus des Partners schickt, sodass Spezialisten weniger Zeit damit verbringen, Abbildungen Feld für Feld zu erstellen, während sie die Kontrolle über das Endergebnis behalten.

Aber es gibt einen wichtigen Unterschied zwischen dem Einsatz von KI für die Integration und dem Vertrauen in KI bei der Integration.

Wenn ich das tue, verwende ich einen Ansatz, den ich „Vorschlagen, Fundieren, Verifizieren, Bestätigen“ nenne.

KI schlägt die Partnerkonfiguration und Feldzuordnung vor. Sie basiert auf der tatsächlichen Spezifikation und den Beispieldateien, anstatt Felder oder Codes zu erfinden. Ein separater Verifizierungsprozess vergleicht die Zuordnung Feld für Feld mit einem echten Dokument. Anschließend bestätigt eine Person das Ergebnis, bevor es in einen Live‑Kundenfluss gelangt.

Wir haben gelernt, warum diese Disziplin wichtig ist, indem wir KI‑generierte Karten mit echten Produktionsdokumenten getestet haben.

In einem Test las eine KI‑generierte Karte ein Lagertransferdokument fehlerfrei, ließ jedoch alle 15 Positionen fallen. In einem anderen behielt sie alle sechs Parteien auf einem Versandauftrag bei, verlor jedoch den Code, der angab, welche Partei der Empfänger ist, sowie die Straßenadresse. Unsere automatisierte Prüfung erklärte die Karte für sauber, und ein EDI‑Spezialist entdeckte die Lücke.

Selbst die Referenzdaten können falsch sein. Eine Standardsdatei, die behauptete, geprüft worden zu sein, wich bei jedem von uns getesteten strittigen Segment vom veröffentlichten Standard ab.

Die Lehre ist, dass ein Teilresultat schwerer zu erkennen sein kann als ein fehlendes Ergebnis. Die Verifizierung muss jedes Feld in einem echten Dokument mit dem, was die Karte erfasst hat, vergleichen. Es reicht nicht aus, nur zu bestätigen, dass ein Dokument geparst werden kann.

Vertrauenswürdige Ergebnisse hängen von der Disziplin rund um das Modell ab, von seiner Nutzung bis hin zur Überprüfung seiner Ausgaben.

Der Wert beginnt, bevor KI eine Entscheidung trifft

Infrastrukturarbeit hat bereits lange vor dem Zeitpunkt, an dem ein KI‑Agent operative Empfehlungen gibt, Wert. Ein 3PL, mit dem wir zusammengearbeitet haben, betrieb SAP parallel zu seinem Lagersystem. Jeder Wareneingang erforderte drei bis fünf Minuten manuelle Eingabe, und der Bestand in SAP lag etwa 20 Minuten hinter dem Dock zurück.

Als die beiden Systeme direkt verbunden wurden, wurde diese Verzögerung nahezu in Echtzeit. Der Betrieb sparte mehr als 980 Arbeitsstunden pro Jahr, davon 775 Stunden bei der Auslieferung. Die Tabellenkalkulation entfiel, während Etiketten, Frachtbriefe und Packlisten automatisch erzeugt wurden. Das Lager behielt seine bestehenden Arbeitsabläufe bei, sodass niemand auf dem Boden neu geschult werden musste.

Die Erkenntnis aus diesem Projekt ging über die Arbeitseinsparungen hinaus. Sobald zwei Systeme ein aktuelles gemeinsames Bild teilen, ist genau dieses Bild das, was ein KI‑Agent benötigt, um nützlich zu sein.

Ihre Verbindung ist der Schritt, der alles danach möglich macht.

KI‑Bereitschaft beginnt mit der Integration

Für Unternehmen, die entscheiden, wo sie beginnen sollen, muss die Integration zuerst kommen, wobei KI einen Großteil der Integrationsarbeit übernimmt. Zu oft machen die Abläufe den Fehler, KI nur als etwas zu betrachten, das erst am Ende des Prozesses gehört. Sie kann dabei helfen, die Integrationsarbeit zu Beginn schneller und kostengünstiger zu erledigen, dann bei Entscheidungen helfen sobald diese Grundlage geschaffen ist.

Mittelständische Logistikunternehmen benötigen nicht unbedingt mehr Technologie. Viele besitzen bereits die Systeme, die sie benötigen. Die Chance besteht darin, diese Systeme miteinander arbeiten zu lassen. Dort kann KI eine Rolle spielen, die über das bloße Erzeugen einer weiteren Antwort auf dem Bildschirm hinausgeht.