KI-optimiertes Fuhrparkmanagement: Automatisierte Buchungen an der CAU
Die Christian-Albrechts-Universität zu Kiel (CAU) betreibt ein Fuhrparkmanagement mit rund 130 Einheiten, darunter 20 frei verfügbare Fahrzeuge und vier Anhänger. Diese können von Mitarbeitenden der Universität für Exkursionen, Messebesuche, Seminare und Konferenzen gebucht werden. Die Buchung erfolgt bislang über Online-Formulare oder per E-Mail und wird vollständig manuell bearbeitet – bis zu 1.000 Anfragen pro Jahr binden so erhebliche personelle Ressourcen. Im Rahmen einer Machbarkeitsstudie hat KI.SH daher die technische Umsetzbarkeit einer KI-gestützten Automatisierung untersucht, um die Effizienz des Buchungs- und Vergabeprozesses deutlich zu steigern.
Ausgangssituation und Lösungsansatz
Buchungsanfragen werden bislang manuell nach Rangfolge priorisiert. So sind etwa Buchungen für Exkursionen höherrangig als für einen Messebesuch. Um auch kurzfristig Fahrzeuge für hochrangige Anfragen zur Verfügung stellen zu können, müssen Anfragen mit niedrigerer Priorität längere Wartezeiten in Kauf nehmen. Sonderfälle wie Fahrzeugreservierungen für Werkstatttermine, Exkursionen mit sich überschneidenden Zeiträumen oder andere spezielle Nutzungsszenarien erhöhen die Komplexität zusätzlich. Vor diesem Hintergrund wünschte sich das Fuhrparkmanagement eine Lösung, die diese vielfältigen Rahmenbedingungen zuverlässig abbildet und den Vergabeprozess weitgehend automatisiert.
Vom Dashboard zur Fahrzeugzuweisung: Ziele der Machbarkeitsstudie
Die Machbarkeitsstudie verfolgte die Entwicklung eines webbasierten Dashboards für die digitale Eingabe und Bearbeitung von Buchungsanfragen, eine datenbasierte Analyse vergangener Buchungen zur Identifikation von Mustern und Entscheidungsregeln sowie eine weitgehend automatisierte Fahrzeugzuweisung, die komplexe Fälle für die manuelle Nachbearbeitung hervorhebt. Begleitet wurden die Machbarkeitsstudie vom KI.SH-Projektteam, bestehend aus Daniel Mansfeldt, Ben Biesenbach und Tobias Schwartz.
11.000 Buchungen für das digitale Training
Auf Basis eines Datensatzes mit knapp 11.000 Buchungen aus den Jahren 2018 bis 2025 wurden drei zentrale Schritte umgesetzt: die Entwicklung eines passenden Algorithmus, der Aufbau einer modernisierten Weboberfläche und das Training eines intelligenten Entscheidungsbaum-Modells.
Zunächst wurde die bestehende Online-Eingabemaske der CAU als webbasiertes Dashboard nachgebaut und um zusätzliche Felder für relevante Informationen erweitert. Zudem entstanden zwei benutzerfreundliche Interfaces: eines für Antragsteller:innen und eines für das Fuhrparkmanagement zur Übersicht und Bearbeitung im Hintergrund. Parallel entwickelte das KI.SH-Team einen Algorithmus, der Prioritäten, Verfügbarkeiten und Sonderfälle wie Werkstatttermine oder Überschneidungen automatisch berücksichtigt und selbstständig Zu- oder Absagen erteilt.
Kern des Systems ist ein maschinell trainierter Entscheidungsbaum, der für jede Anfrage die Wahrscheinlichkeit berechnet, ob bis zum Buchungszeitraum noch höher priorisierte Anfragen eintreffen. Niedrig priorisierte Buchungen warten somit ggf. länger, alle Buchungsanfragen erhalten aber spätestens sieben Tage vorher eine finale Rückmeldung - unabhängig von der Priorität. Dieser datenbasierte Ansatz löst das Spannungsfeld zwischen früher Planungssicherheit und Flexibilität auf. Bei hoher Fahrzeugverfügbarkeit sind Zusagen früher möglich, da das Modell Risiken realistisch einschätzt.
Präzise Prognosen sorgen für Entlastung
Das Prototyp-System demonstriert die Machbarkeit einer weitgehend automatisierten Fahrzeugvergabe. Die Automatisierung hat das Potenzial, das Personal zu entlasten und die Planungssicherheit zu optimieren. Der Entscheidungsbaum trifft präzise Vorhersagen zur Wahrscheinlichkeit höher priorisierter Nachfolgeanfragen und berücksichtigt dabei die verbleibende Fahrzeugverfügbarkeit in Echtzeit. So können Zusagen bei niedriger Priorität früher erteilt werden, wenn das Risiko gering ist – im Gegensatz zu starren Pauschalfristen. Spätestens sieben Tage vor Buchungsbeginn erfolgt immer eine finale Zu- oder Absage, was für Planungssicherheit sorgt. Problematische Fälle wie Überschneidungen oder Sonderreservierungen werden automatisch erkannt und zur manuellen Prüfung markiert.
Fazit und Ausblick
Die Machbarkeitsstudie liefert ein funktionsfähiges Konzept, mit dem sich der manuelle Aufwand für die rund 1.000 jährlichen Anfragen erheblich reduzieren und Ressourcen im Fuhrparkmanagement freisetzen lassen. Zudem wird die anstehende Nachbesetzung der Stelle sowie das damit einhergehende Wissensmanagement vereinfacht.
Das Konzept lässt sich auf andere Buchungsprozesse, wie beispielsweise Raumbuchungen, übertragen, indem der Entscheidungsbaum mit neuen Datenkategorien trainiert wird. Eine vollständige Implementierung könnte die digitale Transformation der Universität weiter vorantreiben.
