KI in der Logistik: Disposition, Tourenplanung, Lager und Prognosen

KI in der Logistik ist inzwischen Alltag: Laut einer Bitkom-Umfrage vom Sommer 2026 unter 502 Logistikunternehmen ab 20 Beschäftigten setzen 51 Prozent Künstliche Intelligenz im Praxiseinsatz ein, 2022 waren es 22 Prozent. Gleichzeitig sagen 54 Prozent, ihnen fehle die Expertise, KI in ihre Prozesse einzubinden. Hier lesen Sie, wo KI in Disposition, Tourenplanung, Lager und Prognose konkret hilft, welche Daten jede Anwendung voraussetzt und woran Projekte in der Praxis hängen bleiben.

Wie weit KI in der Logistik verbreitet ist

Neben den 51 Prozent, die KI bereits nutzen, planen weitere 22 Prozent den Einsatz, 14 Prozent diskutieren ihn. Die Erwartungen sind handfest: 57 Prozent rechnen mit kostengünstigeren internen Prozessen, 55 Prozent sehen in KI ein Mittel gegen den Fachkräftemangel. Zugleich halten 58 Prozent es für ausgeschlossen, dass KI je so gut wird wie eine ausgebildete Logistik-Fachkraft.

Die Bremsen liegen weniger beim Geld. Als Hemmnis der Digitalisierung nennen 73 Prozent fehlende Fachkräfte und fehlendes Wissen, 52 Prozent mangelnde Datenverfügbarkeit und 48 Prozent fehlende finanzielle Mittel. 73 Prozent bieten KI-Schulungen an, aber nur 8 Prozent für die gesamte Belegschaft.

Vier Anwendungsfälle für KI in der Logistik

Die folgenden Anwendungen kommen in Speditionen, Lagerbetrieben und Logistikabteilungen von Herstellern am häufigsten in Frage. Allen gemeinsam ist der Weg der Daten: Aufträge und Stammdaten fließen in ein Modell, das einen Vorschlag macht, und ein Mensch entscheidet.

Der KI-Vorschlag wird erst wirksam, wenn die Disposition ihn geprüft und freigegeben hat.

Disposition

KI ordnet eingehende Aufträge Fahrzeugen, Fahrern oder Subunternehmern zu und berücksichtigt dabei Lieferfenster, Ladungsart und verfügbare Kapazität. Die Disponentin bekommt einen Vorschlag und passt ihn an, statt jede Zuordnung von Hand zu bauen. Kommen Aufträge per Mail oder als PDF, kann KI sie vorher auslesen und als strukturierten Auftrag anlegen, sodass weniger abgetippt werden muss.

Voraussetzungen: Aufträge kommen strukturiert im Transportmanagementsystem an, Fahrzeug- und Kundenstammdaten sind gepflegt, Sonderregeln wie Kühlkette oder Gefahrgut sind dokumentiert.

Stolperstein: Viel Wissen steckt nur in den Köpfen erfahrener Disponenten, etwa welcher Kunde morgens keine Anlieferung annimmt. Fehlt es im System, sind die Vorschläge unbrauchbar und werden ignoriert.

Tourenplanung

Tourenplanung mit KI berechnet Reihenfolge und Route mehrerer Stopps und plant bei Staus, Ausfällen oder Eilaufträgen neu. Klassische Optimierungsverfahren gibt es dafür lange; KI ergänzt sie um gelernte Fahr- und Standzeiten je Adresse.

Voraussetzungen: korrekte, geokodierte Lieferadressen, Fahrzeugdaten aus der Telematik und eine Historie tatsächlicher Stand- und Entladezeiten.

Stolperstein: Die Planung ist so gut wie die Adressdaten. Und wer die Fahrer nicht einbindet, erlebt, dass Touren vor Ort wieder umgestellt werden, weil Zufahrten oder Öffnungszeiten nicht stimmen.

Lager

Im Lager hilft KI bei der Platzvergabe, bei Kommissionierwegen und bei der Personaleinsatzplanung nach erwartetem Auftragsvolumen. Bildverarbeitung kann Wareneingänge erfassen oder Schäden an Ladungsträgern erkennen.

Voraussetzungen: ein Lagerverwaltungssystem mit sauberen Artikel- und Platzdaten, Bewegungsdaten über mehrere Monate und klare Regeln, welche Vorschläge automatisch umgesetzt werden dürfen.

Stolperstein: Sobald ein System die Leistung einzelner Beschäftigter misst oder Aufgaben nach ihrem Verhalten zuteilt, greifen Mitbestimmung und unter Umständen strenge Pflichten aus der KI-Verordnung. Mehr dazu im nächsten Abschnitt.

Prognosen

Prognosen schätzen Sendungsmengen, Lagerbedarf oder Spitzen im Wareneingang, damit Personal, Fahrzeuge und Flächen rechtzeitig bereitstehen. Der Schlussbericht des Forschungsprojekts PrABCast der Bundesvereinigung Logistik (2025) zeigt die typische Hürde: In kleinen und mittleren Unternehmen liegen Absatzdaten oft lückenhaft, in unterschiedlichen Zeitrastern und teils manuell erfasst vor. Ohne Bereinigung trägt keine Prognose.

Voraussetzungen: eine Historie über mindestens einen vollständigen Saisonzyklus, Kenntnis von Sondereffekten wie Aktionen oder Streiks und eine Person, die Prognose und Wirklichkeit regelmäßig vergleicht.

Stolperstein: Der Bericht nennt fehlende Erklärbarkeit als Grund, warum Anwender Ergebnissen nicht trauen. Ein Modell, dessen Zahlen niemand nachvollziehen kann, läuft neben der alten Tabelle her und spart nichts.

Wo KI in der Logistik Beschäftigte betrifft

Viele Logistik-Anwendungen berühren Menschen direkt: Kommissionierer, Fahrerinnen, Staplerfahrer. Die KI-Verordnung (EU) 2024/1689 stuft in Anhang III Nummer 4 KI-Systeme als hochriskant ein, die Aufgaben aufgrund des individuellen Verhaltens zuweisen oder die Leistung und das Verhalten von Beschäftigten beobachten und bewerten. Nach der Digital-Omnibus-Verordnung (EU) 2026/1744 gelten die Pflichten für diese Systeme ab dem 2. Dezember 2027. Arbeitgeber müssen dann unter anderem Arbeitnehmervertreter und betroffene Beschäftigte vor der Inbetriebnahme informieren.

Unabhängig davon hat der Betriebsrat nach § 87 Absatz 1 Nummer 6 Betriebsverfassungsgesetz mitzubestimmen, wenn technische Einrichtungen eingeführt werden, die dazu bestimmt sind, Verhalten oder Leistung zu überwachen. Binden Sie ihn deshalb früh ein, und prüfen Sie im Einzelfall, ob Ihr System unter Anhang III fällt. Wie menschliche Kontrolle in der Praxis aussieht, erklärt die Schwesterseite zu Human in the Loop.

Woran Sie den Nutzen messen

Legen Sie vor dem Start fest, an welcher Kennzahl Sie Erfolg ablesen, und erheben Sie den Ausgangswert, solange noch ohne KI gearbeitet wird. Sonst bleibt nach einigen Monaten nur ein Gefühl.

Messen Sie dabei auch, wie oft Disponenten oder Lagerleitung einen Vorschlag verwerfen. Ein hoher Anteil zeigt meist fehlende Regeln oder Stammdaten, die Sie nachpflegen müssen.

So setzen Sie KI in der Logistik in die richtige Reihenfolge

Die Bitkom-Zahlen zeigen, dass Logistiker mehr Ideen als Kapazität haben. Bevor Sie ein Werkzeug kaufen, lohnt eine Bestandsaufnahme: Welche KI-Funktionen stecken schon in Ihrem Transportmanagement- oder Lagersystem, welche Daten liegen in welcher Qualität vor, und welcher Anwendungsfall bringt bei diesen Daten den größten Nutzen?

Diese Fragen beantwortet ein KI-Audit. Es erfasst alle KI-Werkzeuge mit ihren Pflichten in einem KI-Inventar und legt in einem Fahrplan fest, welcher Anwendungsfall für KI in der Logistik zuerst kommt. Wie Sie ein solches Verzeichnis selbst beginnen, zeigt der Beitrag zum KI-Inventar; für ein erstes Gespräch über Ihre Abläufe nutzen Sie das Erstgespräch.

Mehr dazu: KI-Audit