KI-gestützte Routenplanung für Tankwagen: Ergebnisse der Machbarkeitsstudie mit der Nord-Spedition
Die Nord-Spedition GmbH & Co. KG aus Großenwiehe steuert täglich rund 100 Tankwagen mit über vier Millionen Litern an Ladung durch den mitteleuropäischen Raum. Nach jedem Transport stellt sich die Frage, ob und wo eine Tankwagenreinigung nötig ist. Die Wahl des Standorts beeinflusst Fahrtzeit, Kosten und CO₂-Ausstoß. Viele Entscheidungen beruhen bisher auf Gewohnheiten oder Bauchgefühl. Die Machbarkeitsstudie von KI.SH und der Nord-Spedition sollte zeigen, wie sich diese Entscheidungen durch KI präziser und ökonomischer treffen lassen.
Externer Inhalt
Ressourcen sparen: 2.000 Liter Wasser und 81 Kilogramm CO₂ pro Reinigung
Eine Reinigung verbraucht im Durchschnitt 2.000 Liter Trinkwasser und verursacht etwa 81 Kilogramm CO₂. Dazu kommen Kosten, Wartezeiten und zusätzliche Kilometer. Das Team von KI.SH um Tobias Schwartz, Nils Lockmann, Ben Biesenbach und Christopher Otto untersuchte deshalb, wie digitale Analysen und KI-Modelle die wirtschaftlichen und ökologischen Auswirkungen reduzieren können. Die zentrale Frage lautete: Lässt sich neben der Routenoptimierung auch die Planung der Tankreinigung mit KI smarter gestalten?
Drei Stellschrauben im Fokus: Preis, Dauer und Gesamtroute
Das Projektteam strukturierte die Analyse in drei Bereiche: die Prognose von Reinigungskosten und -dauer, die Auswahl geeigneter Dienstleister sowie die Optimierung der gesamten Tourenplanung. Genutzt wurden Open-Source-Werkzeuge wie OpenStreetMap, openrouteservice, VROOM und Google OR-Tools. Diese liefen lokal und ohne hohe Rechenanforderungen. Damit wurde ein Ansatz getestet, der sich auch für mittelständische Unternehmen gut einsetzen lässt.
Präzise Preisprognosen als Entscheidungshilfe
Für die Reinigungskosten standen ausreichend historische Daten zur Verfügung. Das Modell lieferte deutlich bessere Prognosen als einfache Vergleichswerte und das Ergebnis war stabil genug, um die Schätzung in die spätere Routenplanung einzubinden. Verbesserungen wären vor allem durch sauberere Preisangaben aus Rechnungen möglich.
"KI wird nicht mehr weggehen. Mit der Fördermöglichkeit KI.SH sollten wir diese Chance nutzen."
Erklärbare KI als Entscheidungsgrundlage
Als Ergebnis liefert das System nicht nur die empfohlene Wahl, sondern eine vollständige Rangliste aller Kandidaten, aufgeschlüsselt nach Fahrtkosten, Mautanteil, Reinigungskosten und Wartezeit, sowie den entstehenden Mehrkilometern gegenüber der Direktroute. Damit bleibt die Entscheidung für den Disponent:innen jederzeit nachvollziehbar und kann bei Bedarf manuell übersteuert werden.
Reinigungsdauer bleibt ein Unsicherheitsfaktor
Die Dauer der Reinigungen ließ sich schlechter vorhersagen. Grund dafür war eine uneinheitliche Datenqualität. In der Studie zeigte sich, dass ein Mittelwert aktuell die verlässlichste Variante bleibt. Für künftige Anwendungen wäre eine strukturierte Erfassung der Zeiten ein wichtiger Schritt.
Einsparpotenziale in der Reinigungswahl
Die Analyse von 4.789 Touren über neun Monate ergab ein durchschnittliches Einsparpotenzial von knapp 16 Euro pro Route. Hochgerechnet entspricht das etwa 90.000 Euro jährlich. Grundlage war die KI-gestützte Auswahl des jeweils günstigsten und zeitlich passenden Reinigungsstandorts. Diese Ergebnisse zeigen, dass bereits die Verbesserung einzelner Teilentscheidungen einen spürbaren Effekt erzeugt.
Tourenplanung als zentraler Hebel
Die vollständige Routenplanung stellte sich als vielseitige Herausforderung heraus. Neben Fahrzeiten spielen Faktoren wie Maut, Gefahrgutsperrungen, Öffnungszeiten der Reinigungsanlagen und mögliche Zeitfenster an Start- und Zielorten eine Rolle. Erste Prototypen bestätigten jedoch, dass eine praxistaugliche Lösung erreichbar ist. Die Nord-Spedition signalisiert klar, dass sie diesen Weg weiter mit KI.SH gehen möchte.
Anforderungen an Daten und Betrieb
Für einen späteren Einsatz im Alltag wäre eine automatisierte Aktualisierung zentraler Daten nötig: Preise, Öffnungszeiten, Zertifizierungen und Koordinaten der Reinigungsanlagen. Ebenso wichtig ist die Integration in bestehende Systeme. Dazu gehört ein transparentes Monitoring, damit Disponent:innen Entscheidungen nachvollziehen können. Erst wenn Datenqualität und Bedienbarkeit stimmen, entfaltet die KI ihren Nutzen vollständig.
Bedeutung über die Logistik hinaus
Die Ergebnisse sind nicht nur für Tankwagenlogistik relevant. Auch Außendienst, Serviceunternehmen und Betriebe mit regelmäßig wechselnden Routen können von vergleichbaren KI-Lösungen profitieren. Die Studie zeigt, wie gut sich historische Daten, offene Kartenquellen und moderne Algorithmen kombinieren lassen. Besonders deutlich wird der ökologische Vorteil, wenn unnötige Reinigungsvorgänge entfallen oder Fahrtkilometer sinken.
Wie es weitergeht
Die Machbarkeitsstudie liefert eine belastbare Grundlage für einen Prototyp, der gemeinsam mit KI.SH umgesetzt werden soll. Die nächsten Schritte betreffen die technische Umsetzung, bessere Datengrundlagen und das Zusammenspiel mit bestehenden Dispositionssystemen. Ziel ist eine automatisierte Routenerstellung, die durch kluge Planung eine Tankreinigung in manchen Fällen komplett vermeidet, da gleiche Flüssigkeiten transportiert werden. Auch der Prototyp soll auf offenen Technologien basieren und für mittelständische Unternehmen in Schleswig-Holstein übertragbar sein.
