… und entscheiden über Erfolg oder Misserfolg Ihrer Investition.

Eine Tourenoptimierung ist heute in nahezu jeder Dispositionslösung vorhanden. Auf den ersten Blick sind alle Lösungen hochintelligent und bieten mit künstlicher Intelligenz zwischen 10% und 25% Optimierungspotenzial. Die Unterschiede der einzelnen Lösungen sind jedoch erheblich und haben maßgeblichen Einfluss auf den ROI Ihrer Investition.

Warum sind die Unterschiede so erheblich?

Die Verwendung des Begriffs „Automatisierung“ lässt ohne Konkretisierung keine Rückschlüsse über den Grad der Automatisierung und damit dem erreichten Mehrwert zu. So ist es beispielsweise korrekt, wenn ein Anbieter bei der automatisierten Zusammenfassung von Aufträgen aus einem PLZ Gebiet von automatisierter Tourenoptimierung redet. Der Nutzen und die Kostenersparnis ist aber grundlegend anderes als die durch Algorithmen berechnete sekundenschnelle Verteilung des gesamten Auftragspools auf einen Fahrzeugpool.

Die Herausforderung ist somit das Wissen um den eigenen – in die Zukunft gerichteten – Bedarf und das Erkennen der benötigten Funktionalität bei den angebotenen Lösungen.

Arten der Automatisierungen

Um die Qualitätsunterschiede von Automatisierungsarten darzustellen, finden Sie nachfolgend eine grobe Beschreibung der heute üblicherweise verwendeten Automatisierungen – mit Hinweisen zu wichtigen Qualitätsmerkmalen. Einen Anspruch auf Vollständigkeit hat diese Liste nicht. Dispositionslösungen nutzen in der Regel eine Kombination von verschiedenen Optimierungsarten.

Automatisierte Zuordnungen auf Liefergebiete / Geokodierung

Hierzu gehören einfache Zuordnungen, wie die Zusammenfassung von Aufträgen in geografische Liefergebiete. Dies können PLZ basierte Gebiete oder auch „gemalte“ polygonbasierte Regionen sein. Bei PLZ basierten Gebieten erfolgt auf Basis der ersten Stellen der PLZ eine Zuordnung in ein Liefergebiet. Bei polygonbasierten Regionen wird per einfacher mathematischer Formel überprüft, in welcher Region die Adresse liegt und dann entsprechend zugeordnet.

Qualitative Unterschiede in der Automatisierung über die PLZ gibt es in der Regel nicht, da die Zuordnung mit wenigen Datenbankbefehlen zu bewerkstelligen ist. Wenn in der Zuordnung allerdings eine Geokodierung (Umwandlung einer Adresse in ein von Computern verwendbares Format) der Adresse erfolgt, sind starke Qualitätsunterschiede möglich.

Die bekannten kommerziellen Anbieter unterscheiden sich hierbei kaum. Bei der Verwendung von OpenStreetMap basierten Daten/Diensten sollten jedoch unbedingt vorher Tests im eigenen Liefergebiet gemacht werden, da die von der Community erfassten Daten in manchen Regionen unvollständig oder fehlerhaft sind. Entsprechend kann es zu falschen Zuordnungen einer Lieferadresse zu einem Liefergebiet kommen.

Reihenfolgeoptimierung

Auf Basis der zuvor beschriebenen Art der Automatisierung und/oder über die manuelle Disposition hat der Disponent Aufträge zu Touren zusammengefasst. Diese gilt es jetzt noch in eine optimale Reihenfolge zu bringen.

In diesem Punkt sind die Qualitätsunterschiede der Automatisierung sehr hoch. Dabei geht es gar nicht einmal um die Routenführung. Vielmehr ist es relevant, welche Inhalte (Daten) bzw. welche Attribute berücksichtigen werden. Je weniger eine Lösung davon unterstützt, umso mehr läuft der Disponent Gefahr falsche, nicht einhaltbare Touren als Ergebnis zu erhalten.

Diese Inhalte sind besonders wichtig:

• Straßennetz (HERE, TomTom, OpenStreetMap, …)
• Straßenrestriktionen (Länge, Breite, Höhe, Gewichte, Gefahrgutklasse, …)
• Fahrzeugbezogene Restriktionen (Laderampe, Stapler, …)
• Fahrerbezogene Restriktionen und Sozialvorschriften (Fähigkeiten, Lenk- und Ruhezeiten, …)
• Öffnungszeiten (Empfänger, Depot, …)

Viele der heutigen Lösungen unterstützen nur einen Teil der oben genannten Punkte.

Distanzmatrix

Eine Distanzmatrix ist eine vorberechnete Datensammlung von Entfernungen von allen Adressen zu allen Adressen in einer Disposition. Hierbei gibt es statische Distanzmatrizen und dynamisch ermittelte Distanzmatrizen. Statische Distanzmatrizen basieren dabei meist auf PLZ 5, 3 oder sogar nur 2 Ebene und sind entsprechend ungenau. Dynamische Distanzmatrizen werden in der Regel auf Basis einer Adresse auf dem Straßennetz errechnet. Sie zeichnen sich dadurch aus, dass beim Start der Lösung die relevanten Entfernungen vorgerechnet, zwischengespeichert und bei Bedarf ergänzt werden.

Auf Basis einer Distanzmatrix können dem Disponenten schnell und automatisiert Informationen sichtbar gemacht werden, die ihm die manuelle Bildung von Touren erleichtert. Bei PLZ basierten Distanzmatrizen ist jedoch zu beachten, dass diese deutlich ungenauer sind als Distanzmatrizen, die auf einer Adresse beruhen.

Tourenoptimierung mit Algorithmen

In der Königsdisziplin der automatisierten Tourenoptimierung werden Algorithmen genutzt, um die Verteilung des gesamten Auftragspools auf einen Fahrzeugpool (eigene oder fremde Fahrzeuge) nahezu vollständig automatisiert berechnen zu lassen. Der Disponent greift nur ein, wenn der Algorithmus etwas nicht zuordnen konnte.

Auch in der Tourenoptimierung gibt es grobe Qualitätsunterschiede. Diese sind zum Teil auf den verwendeten Algorithmus und/oder dessen Integration zurückzuführen. Einmal abgesehen von der Ergebnisqualität, die jeder Kunde mit seinen eigenen Daten testen lassen und sich anschauen sollte, ist die Geschwindigkeit der Optimierung relevant. Langsame Optimierungen eigenen sich nicht für Unternehmen, bei denen regelmäßig kurzfristige reinkommende Aufträge adhoc verplant werden müssen.

Ein weiterer wesentlicher Teil ist die Qualität der zu Grunde liegenden Daten:

• Straßennetz: Ähnlich wie bei der Reihenfolgeoptimierung ist es wichtig, dass eine Optimierung für Lkw auch auf einem Straßennetz mit Lkw-Restriktionen gerechnet wird. Viele Tourenoptimierungen tun dies nicht. Sie basieren auf ungenauen Distanzmatrizen, auf Pkw-Routings (Google Maps, Open Street Maps und Co.) oder gar Luftlinienentfernungen.
  
• Eigene Daten: Was der Algorithmus nicht kennt, kann er nicht berücksichtigen. Entsprechend ist es wichtig, dass möglichst viele (besser alle) relevanten Daten im Dispositionssystem vorhanden sind. Hierzu zählen Lieferabhängigkeiten genauso wie Lenk- und Ruhezeiten.

Künstliche Intelligenz (KI / AI / maschinelles Lernen)

Tourenoptimierung, die aufgrund von künstlicher Intelligenz noch besser ist als alles was es vorher gegeben hat. Das suggerieren aktuell immer mehr Unternehmen. Doch was genau ist künstliche Intelligenz? Wikipedia sagt dazu:

„Im Allgemeinen bezeichnet künstliche Intelligenz den Versuch, bestimmte Entscheidungsstrukturen des Menschen nachzubilden, indem z. B. ein Computer so gebaut und programmiert wird, dass er relativ eigenständig Probleme bearbeiten kann. …„

Also genau das, was Tourenoptimierungslösungen, die auf Basis von Algorithmen arbeiten, schon immer getan haben. Die Verwendung des Kürzels KI oder AI ist somit in der Regel nur eine reine Marketingaussage.

Die Erwartungshaltung, die KI-Werbeaussagen schüren, ist die Möglichkeit des maschinellen Lernens. Ein Beispiel: In einem Dispositionssystem ist ein Standardwert von 30 Minuten Rampenzeit für das Entladen von Waren vordefiniert. Durch die mit dem System verbundene Telematik stellt das System fest, dass beim Kunden vormittags die Rampenzeit in Wirklichkeit 45 Minuten beträgt und am Nachmittag 20 Minuten. Entsprechend ändert es die Standardparameter (ohne Eingriff des Disponenten) selbstständig ab. Als Ergebnis werden die von der Tourenoptimierung erzielten Ergebnisse genauer und kostengünstiger.

Aktuell gibt es nur wenige Systeme, die das maschinelle Lernen unterstützen. Ist dies eine Erwartungshaltung für Ihre zukünftige Lösung, müssen Sie die genannten Funktionalitäten sehr genau hinterfragen, um zwischen einfacher KI und maschinellem Lernen unterscheiden zu können.

Die beste Lösung

Die beste Lösung ist die Lösung, die Ihren auf die Zukunft gerichtete Bedarf erfüllt. Unternehmen mit wenigen Fahrzeugen oder wenigen verplanten Aufträgen haben einen ganz anderen Bedarf wie Unternehmen mit vielen Fahrzeugen/Aufträgen. Je größer die Menge der verplanten Fahrzeuge/Aufträge jedoch ist, umso wichtiger ist der Automatisierungsgrad einer Lösung, da dieser einen erheblichen Anteil bei Kosteneinsparung und Zeitgewinn bieten. Wichtig ist daher zunächst einmal, dass Sie wissen, was Sie brauchen bzw. erreichen wollen.

Wenn einer Ihrer Bedarfe die vollautomatisierte Verplanung von Aufträgen auf Fahrzeuge (eigene oder fremde) per Mausklick ist, sollten Sie ganz genau hinschauen, ob und in welcher Genauigkeit die Lösung Ihren Bedarf erfüllt.

Viele Dispositionslösungen bieten maximal eine Reihenfolgeoptimierung mit vorher grob zusammengefassten Aufträgen an oder setzen auf PKW basierter Planung auf, was im Nachgang teuer werden kann. Lösungen, die wirklich eine automatische Tourenoptimierung für LKW anbieten können, gibt es nur sehr wenige. Das Gute ist aber, dass die Anzahl wächst.