KI-Tourenplanung: Drei Optionen für einen neuen Auftrag
Für einen neuen Transportauftrag kommen drei Fahrzeuge infrage. Variante A hat die kürzeste Anfahrt. Variante B vermeidet später eine Leerfahrt. Variante C hält ein kritisches Zeitfenster für einen anderen Auftrag frei. Eine KI-Tourenplanung soll in genau solchen Situationen nicht einfach das nächstgelegene Fahrzeug auswählen, sondern mehrere Auswirkungen auf den Tagesplan gleichzeitig bewerten.
Je mehr Fahrzeuge, Aufträge und Restriktionen zusammenkommen, desto grösser wird die Zahl plausibler Zuweisungen. In der Disposition zählen dabei unter anderem aktuelle Position, Fahrzeugkategorie, Kapazität, Fahrerqualifikation, Zeitfenster, Priorität, Fahrzeit und bereits geplante Aufträge.
Drei plausible Zuweisungen mit unterschiedlichen Folgen
Eine kurze Anfahrt kann sinnvoll sein, muss aber nicht die wirtschaftlichste Variante für den gesamten Tag ergeben. Vielleicht fehlt dem Fahrzeug später ein passender Anschlussauftrag. Ein anderes Fahrzeug fährt zunächst einige Kilometer weiter und verhindert dafür eine spätere Leerfahrt.
Eine Optimierungslogik bewertet deshalb nicht nur den aktuellen Auftrag isoliert. Sie betrachtet auch die geplanten Folgefahrten und prüft, wie sich eine neue Zuweisung auf den restlichen Tagesplan auswirkt.
Welche Daten eine KI-Tourenplanung benötigt
Gute Vorschläge hängen direkt von der verfügbaren Datenbasis ab. Für die operative Disposition sind besonders relevant:
- aktuelle Fahrzeugposition
- Fahrzeugtyp und Kapazität
- verfügbare Chauffeure und Qualifikationen
- Abhol- und Lieferorte
- Zeitfenster und Prioritäten
- offene und bereits geplante Aufträge
- branchenspezifische Ressourcen wie Mulden oder Material
Eine individuell entwickelte Dispositionslösung kann diese Informationen so zusammenführen, dass die Optimierungslogik mit den tatsächlichen Regeln des Betriebs arbeitet.
Wenn eine Verspätung die beste Option verändert
Die Bewertung bleibt während des Tages nicht statisch. Verspätet sich ein Fahrzeug, verschieben sich ETA und mögliche Folgeaufträge. Eine zuvor sinnvolle Zuweisung kann dadurch an Attraktivität verlieren.
Die dokumentierten Use Cases sehen genau dafür eine dynamische Neuplanung vor: Neue ETA, betroffene Folgeaufträge und alternative Fahrzeuge werden gemeinsam betrachtet, bevor ein neuer Vorschlag entsteht.
Auch offene Lieferungen, Abholungen und Rückfahrten lassen sich zusammen analysieren, um unnötige Kilometer zu reduzieren.
KI als Vorschlagslogik für die Disposition
Für den Disponenten bleibt sichtbar, welche Variante gewählt wird und welche Folgen sie für den Tagesplan hat. KI oder Optimierungslogik übernimmt damit vor allem die aufwendige Bewertung vieler Kombinationen und liefert nachvollziehbare Optionen für die operative Entscheidung.
Ob sich der Einsatz lohnt, lässt sich anschliessend an Kennzahlen wie Dispositionsaufwand, Leerfahrtenquote, Pünktlichkeit oder Fahrzeugauslastung beurteilen.
Gemeinsam einen realen Dispositionsfall prüfen
Gemeinsam schauen wir in einer 30-minütigen Demo, wie Comitas Fahrzeugpositionen, Kapazitäten, Zeitfenster und offene Aufträge zusammenführen und wo KI oder Optimierungslogik Ihre Disposition sinnvoll unterstützen kann.
