Fuhrparkmanagement: Mit KI vom Bußgeld zur Entscheidung
Künstliche Intelligenz setzt dort an, wo sich Abläufe wiederholen. Praxisbeispiele zeigen, wo Mobilitätsverantwortliche konkret Zeit, Kosten und Komplexität reduzieren.
Anzeige
Künstliche Intelligenz setzt dort an, wo sich Abläufe wiederholen. Praxisbeispiele zeigen, wo Mobilitätsverantwortliche konkret Zeit, Kosten und Komplexität reduzieren.
Aus Strafen können wir lernen. Was wie ein Erziehungstipp aus dem 19. Jahrhundert klingt, ist heute ein Beispiel für den Einsatz von KI in der betrieblichen Mobilität. Denn es geht um das leidige Thema Bußgelder – mit dem oft identischen folgenden Ablauf: Ein Bescheid kommt per Post – und jemand prüft das Kennzeichen, sucht den Fahrer, schreibt eine Mail, prüft später den Fortschritt des Vorgangs. Dann geht es weiter zum nächsten Fall ...
„Als Fuhrparkleiterin habe ich da manuell sehr viel Zeit verbraucht“, sagt Katharina Fritsch. Früher verantwortete sie einen Fuhrpark mit 550 Fahrzeugen und 1.200 Fahrerinnen und Fahrern. Heute arbeitet sie als Director Customer Experience bei Shiftmove, einem Anbieter für digitales Fuhrparkmanagement, der Fahrzeugdaten, Dokumente und Prozesse in einer Plattform bündelt.
Fritsch ergänzt: „Bei Fuhrparks mit ein paar Tausend Fahrzeugen können täglich im Schnitt bis zu 100 Bußgeldbescheide kommen.“ Setzt man zehn Minuten pro Bearbeitung an, sind das pro Arbeitstag bis zu 16 Stunden – ein Tagwerk von zwei Mitarbeitenden. Und Bußgelder sind nur ein Ausschnitt. Verträge kommen an, TÜV-Berichte, Rechnungen, Schadensmeldungen, die jemand prüfen, weiterreichen oder wieder bearbeiten muss.
„Im Mobilitätsmanagement ist der operative Stress die Masse an verschiedenen Prozessen“, sagt auch Malte Onas, der bei Shiftmove datengetriebene Flottenprozesse verantwortet. Seine Erfahrung: Viele Kunden kommen mit diesem Problem der Überforderung zu ihm. Die Antwort lautet dann zunehmend: Genau da kann eine KI ansetzen. Sie kann Arbeit im Fuhrpark verschieben – von der Abarbeitung hin zur Steuerung. Sie kann erstens Systeme entlasten, zweitens Entscheidungen verändern und drittens beginnen, Arbeit selbst zu übernehmen.
Antworten auf die Frage, wie und an welcher Stelle Künstliche Intelligenz entlasten kann, kennt Jörg Zimmermann. Er berät Unternehmen beim Aufbau digitaler Fuhrparks. Wo also sieht er das Entlastungspotenzial von KI? Seine Antwort: „Beim Posteingang.“ Zur Erklärung beschreibt er ein Praxisbeispiel: Mittelständischer Logistiker, 120 Fahrzeuge, drei Leute im Fuhrpark. Der Alltag dort: Morgens kommen die ersten Dokumente – Rechnungen, Schadensmeldungen, Wartungsberichte. Jedes Dokument muss geöffnet, gelesen, einem Fahrzeug zugeordnet und weiterverarbeitet werden. Wer ist betroffen? Was ist zu tun? Bis wann? Seit der Einführung von KI verschiebt sich dieser Einstiegspunkt. Dokumente werden automatisch erkannt, Inhalte ausgelesen, Fahrzeug und Fahrer zugeordnet. Aus einem Eingang entsteht direkt ein Vorgang – ohne dass jemand ihn erst sortieren muss. „Die Kollegen steigen nicht mehr beim Lesen ein, sondern bei der Entscheidung“, so Zimmermann. Der Effekt lässt sich messen: rund 12 Stunden Zeitersparnis pro Woche im Team.
Wenn der Einstieg nicht mehr beim Lesen liegt, verschiebt sich der nächste Schritt. Jörg Zimmermann beobachtet das besonders im Schadensmanagement. Dort geht es dank KI nicht mehr nur darum, Fälle schneller zu bearbeiten – sondern überhaupt zu erkennen, welche relevant sind. Ein Beispiel aus seiner Praxis: Ein Unternehmen digitalisiert seinen gesamten Schadensprozess. Fahrer melden Schäden per App, Bilder und Daten laufen direkt ins System. Was früher per Mail, Telefon oder Papier ankam, liegt nun strukturiert vor.
Die Veränderung zeigt sich in den Zahlen: Die Bearbeitungszeit pro Schaden sinkt von 25 auf 3 Minuten. Die Durchlaufzeit reduziert sich von acht auf zwei Tage. Gleichzeitig steigt die Meldequote von 70 auf 98 Prozent. „Fahrer melden jetzt auch kleine Schäden sofort, weil es so einfach ist“, betont Zimmermann. Im System entstehen dadurch erstmals vollständige Datensätze. Schäden lassen sich vergleichen, Häufungen werden erkannt, einzelne Fahrzeuge oder Fahrer fallen auf. Zimmermann sieht, wie sich damit die Arbeit verändert. Fälle werden nicht mehr nacheinander abgearbeitet, sondern bewertet, priorisiert und gezielt bearbeitet.
Markus Wartha denkt diesen Schritt weiter. Er ist Konsortialführer von AIAMO. Das Forschungsprojekt verknüpft und spiegelt Mobilitäts- und Umweltdaten zum Beispiel in einem digitalen Zwilling. Damit können Verantwortliche dank KI Auswirkungen möglicher Entscheidungen auf Verkehrsströme oder Luftqualität testen. (Wie Mobilitätsprofis davon profitieren: siehe Kasten). Sein Learning im Umgang mit KI und Daten: „Ich muss vorher wissen, welche Entscheidung ich treffen will – und dann die Daten so aufbereiten, dass ich alle dafür wichtigen Informationen zur Verfügung habe.“ Er nennt das „Decision Driven Data Making“.
Wer vorher Fragen stellt, bekommt über KI tiefere Datenanalysen. Malte Onas beobachtet, dass Abweichungen nicht mehr erst dann auffallen, wenn Kosten aus dem Ruder laufen oder sich Schäden häufen. Fahrzeuge werden vergleichbar – beim Verbrauch, bei der Nutzung, bei den einzelnen Fahrern. Auffällige Fälle tauchen im laufenden Betrieb auf.
Die Folgen dieser Fälle kann zunehmend ein System übernehmen. Zum Beispiel bei der vorbeugenden Wartung, der „predictive Maintenance“. Jörg Zimmermann hat auch hierfür ein passendes Praxisbeispiel parat: Ein Unternehmen vernetzt Fahrzeugdaten mit Werkstätten. Die Autos senden kontinuierlich Fehlercodes, Warnmeldungen, Verschleißdetails. Dazu zählen auch einfache Signale aus dem laufenden Betrieb – etwa Spannungsverläufe beim Startvorgang, aus denen sich der Zustand einzelner Komponenten ableiten lässt.
Der KI-Hebel liegt im Zeitpunkt: Das System bewertet aktuelle Informationen, ordnet sie nach Schweregrad ein und stößt bei Bedarf den nächsten Schritt an. Die KI fragt direkt bei mehreren Werkstätten an. Der Nutzen für Verantwortliche liegt
So ein Mechanismus greift auch wieder im Posteingang. Moritz Weltgen ist Geschäftsführer von Carsync, einem Anbieter für KI-gestütztes Fuhrparkmanagement, der solche Abläufe automatisiert. Er beschreibt, wie Systeme eingehende Mails lesen, Inhalte zuordnen und direkt in Vorgänge übersetzen. Auch hier betrifft das angeführte Beispiel einen Bußgeldbescheid, jetzt aber mit KI-Support. Das System erkennt Kennzeichen und Delikt, ordnet den Fahrer zu und erstellt den passenden Antwortentwurf – der Verantwortliche prüft und gibt frei. Wie weit das System anschließend geht, lässt sich steuern: Es bereitet den nächsten Schritt vor oder stößt ihn direkt an. In vielen Fällen bleibt es nicht beim Entwurf. Das System fordert fehlende Angaben direkt beim Fahrer an und führt den Vorgang weiter. Zum Beispiel klärt es auf, wer gefahren ist oder wann der Vorfall stattgefunden hat, und ergänzt diese Informationen im Prozess. Die Kommunikation läuft dabei über die Kanäle des Alltags – E-Mail, SMS oder Messenger.
Weltgen erklärt, warum das gerade im Fuhrpark funktioniert: „Der Prozess bei einer Ordnungswidrigkeit ist relativ standardisiert.“ Kennzeichen, Fahrer, Verstoß, Frist – die Schritte folgen einem festen Muster, führt Weltgen an. Ähnliche Abläufe finden sich auch in anderen Standardprozessen wie Wohnortwechseln oder Versicherungskarten wieder. Wer diese Abläufe einmal sauber definiert, kann Schritt für Schritt entscheiden, welche Aufgaben das System übernimmt. „Die Frage ist nicht, ob KI entscheidet, sondern wann der Mensch eingreift“, unterstreicht Weltgen.
Die Rolle verschiebt sich damit weg vom Abarbeiten einzelner Vorgänge, hin zur Steuerung dieser Prozesse. Weltgen: „Am Ende wird der Fuhrparkmanager mehr zum Dirigenten – und steuert, was automatisiert passiert.“ Und das ganz ohne Bestrafungslogik.
