Ratgeber
KI in der Logistik: Anwendungsfälle für Mittelstand und Großhandel
KI in der Logistik bedeutet für die meisten mittelständischen Logistiker und Großhändler zuerst etwas sehr Bodenständiges: Bestellungen, Lieferavis und Kundenanfragen werden automatisch gelesen und ins ERP oder Lagerverwaltungssystem übertragen. Prognosen und Tourenplanung kommen dazu, wenn die Daten dafür sauber genug sind. Dieser Artikel zeigt, welche Anwendungsfälle sich lohnen, was Sie dafür brauchen und womit Sie realistisch anfangen.
Wo KI in der Logistik heute schon eingesetzt wird
KI ist in der Logistik inzwischen weit verbreitet. Laut einer repräsentativen Bitkom-Befragung von 502 Logistikunternehmen mit mindestens 20 Beschäftigten setzen 51 Prozent bereits KI ein, weitere 22 Prozent planen es (Stand September 2026). Bei der Vorgängerbefragung 2022 lag der Anteil noch bei 22 Prozent.
Fraunhofer IML ordnet die Anwendungen in drei Fähigkeiten ein. Erkennen heißt zum Beispiel Etiketten, Ladungsträger oder Bestände per Kamera und Sensor erfassen. Analysieren umfasst etwa Prognosen von Ankunftszeiten, Bedarfsplanung oder das Erkennen von Schäden. Handeln reicht von Pick-by-Voice bis zu fahrerlosen Transportfahrzeugen.
Auf Messen sieht man vor allem Roboter und autonome Fahrzeuge. Im Alltag eines Großhändlers oder einer Spedition mit 50 bis 500 Mitarbeitenden steckt der meiste Aufwand aber woanders. Bestellungen kommen per E-Mail und PDF, Lieferanten schicken Avise in jedem denkbaren Format, und der Innendienst beantwortet jeden Tag dieselben Fragen nach dem Lieferstatus. Genau dort wirkt KI am schnellsten, weil sie Text und Dokumente versteht und keine neue Halle oder Anlage braucht.
Anwendungsfälle im Überblick
Die folgende Tabelle zeigt die Anwendungsfälle, die wir im Mittelstand am häufigsten sehen, und was jeweils vorhanden sein muss.
| Aufgabe | Was KI übernimmt | Voraussetzung |
|---|---|---|
| Auftragseingang per E-Mail, PDF oder Fax | Bestellung lesen, Kunde und Artikel zuordnen, Auftrag im ERP anlegen, Abweichungen markieren | Artikelstamm mit Kundenartikelnummern, Schnittstelle oder Import ins ERP |
| Lieferavis und Wareneingang | Avise auslesen, mit der offenen Bestellung abgleichen, Rampe oder Zeitfenster vorschlagen | Bestellungen im System, einheitliche Lieferantenkennung |
| Statusanfragen von Kunden | Anfrage erkennen, Status aus ERP oder Versandsystem holen, Antwort vorbereiten oder direkt senden | Zugriff auf Auftrags- und Sendungsdaten, Sendungsnummern beim Spediteur |
| Lieferpapiere und Abliefernachweise | Lieferscheine und unterschriebene Nachweise lesen, dem Auftrag zuordnen, Fehlmengen melden | Scans in brauchbarer Qualität, eindeutige Auftragsnummern auf dem Beleg |
| Bedarfsprognose | Absatz je Artikel und Woche schätzen, Bestellvorschläge machen | Saubere Absatzhistorie über mehrere Jahre, vermerkte Aktionen und Sondereffekte |
| Tourenplanung | Touren nach Zeitfenstern, Fahrzeugen und Mengen vorschlagen | Tourenplanungs- oder Transportmanagementsoftware, gepflegte Adressen und Zeitfenster |
Die ersten vier Zeilen sind Dokumenten- und Kommunikationsarbeit. Dafür eignen sich große Sprachmodelle gut, und die Umsetzung dauert eher Wochen als Monate. Die letzten beiden Zeilen sind Planungsaufgaben, bei denen die Qualität der Daten über das Ergebnis entscheidet.
Auftragseingang: der häufigste Startpunkt
Der automatische Auftragseingang ist für viele Großhändler und Hersteller ein guter erster Schritt. Viele Kunden bestellen nicht über einen Shop oder EDI, sondern schicken eine E-Mail, ein PDF aus ihrem eigenen ERP oder ein Foto einer handschriftlichen Liste. Jemand im Innendienst tippt das ab, sucht die passende Artikelnummer und legt den Auftrag an.
Eine KI-Automatisierung übernimmt diesen Ablauf. Sie liest das Dokument, erkennt Kunde, Lieferadresse, Positionen und Wunschtermin, ordnet die Kundenartikelnummern Ihren eigenen Artikeln zu und übergibt den Auftrag ins ERP. Ein Mensch schaut nur noch auf die Fälle, bei denen etwas nicht passt, etwa ein unbekannter Artikel, ein ungewöhnlich hoher Preis oder eine neue Lieferadresse.
So haben wir es bei einem Hersteller umgesetzt. Bestellungen aus E-Mail und PDF werden ausgelesen, die Artikel zugeordnet und an das ERP übergeben, geprüft wird nur noch bei Abweichungen. Wie so ein Ablauf technisch aufgebaut ist, beschreiben wir auf der Seite zur KI-Automatisierung.
Lieferavis und Wareneingang
Ein Lieferavis ist die Ankündigung einer Lieferung durch den Lieferanten oder Spediteur, mit Menge, Packstücken und geplantem Termin. In vielen Lagern kommen diese Avise per E-Mail, als PDF oder über ein Lieferantenportal, und die Rampenplanung entsteht in einer Tabelle.
KI kann die Avise aus allen Kanälen lesen, mit der offenen Bestellung abgleichen und daraus einen Vorschlag für Rampe und Zeitfenster machen. Weicht die angekündigte Menge von der Bestellung ab, geht ein Hinweis an den Einkauf, bevor der LKW auf dem Hof steht. Die Frage, wie die Auftragsbestätigung des Lieferanten selbst geprüft wird, gehört eher in den Einkauf. Das behandeln wir im Artikel KI im Einkauf.
Statusanfragen von Kunden beantworten
Fragen wie „Wann kommt meine Lieferung?“ oder „Ist Auftrag 4711 schon raus?“ landen in vielen Innendiensten jeden Tag per Telefon und Mail. Die Antwort steht fast immer im ERP oder im Portal des Spediteurs, sie muss nur jemand nachschlagen.
Ein KI-Agent kann das übernehmen. Unter einem KI-Agenten verstehen wir ein Programm, das eine Anfrage versteht, selbstständig in den angebundenen Systemen nachsieht und eine Antwort formuliert. Er erkennt die Auftrags- oder Sendungsnummer in der Mail, holt den Status und schreibt eine Antwort, die ein Mitarbeiter freigibt oder die bei klaren Fällen direkt rausgeht. Bei Verzögerungen kann er die Kunden auch von sich aus informieren. Mehr dazu finden Sie unter KI im Kundenservice.
Wichtig ist, dass der Agent nur auf die Daten zugreift, die er für die Antwort braucht, und dass Sie festlegen, welche Antworten ohne Freigabe rausgehen dürfen. Reklamationen und Beschwerden sollten immer bei einem Menschen landen.
Bedarfsprognose: sinnvoll, wenn die Daten stimmen
Eine KI-gestützte Bedarfsprognose schätzt, wie viel von einem Artikel in den nächsten Wochen verkauft wird, und leitet daraus Bestellvorschläge ab. Sie berücksichtigt dabei Saisonalität und Trends, oft auch Aktionen oder Feiertage. Bitkom nennt Bedarfsprognose und Absatzplanung schon seit Jahren als typische KI-Anwendung in der Logistik.
Für den Mittelstand gilt hier eine ehrliche Einschränkung. Eine Prognose ist nur so gut wie die Absatzhistorie dahinter. Wenn Artikel häufig umbenannt wurden, Aktionen nirgends vermerkt sind oder ein Großkunde einmalig das Zehnfache bestellt hat, lernt das Modell die falschen Muster. Manche ERP- und Warenwirtschaftssysteme bringen eigene Prognosefunktionen mit. Fragen Sie zuerst beim Anbieter Ihres Systems nach, bevor Sie etwas Eigenes bauen lassen.
Tourenplanung: meist eine Frage der richtigen Software
Tourenplanung ist eine klassische Optimierungsaufgabe. Spezialisierte Tourenplanungs- und Transportmanagementsysteme lösen sie seit vielen Jahren und haben die Algorithmen dafür eingebaut. Ein Sprachmodell wie ChatGPT ist dafür in der Regel nicht das richtige Werkzeug.
Wo KI hier trotzdem hilft, ist rund um die Planung. Sie kann Lieferzeitfenster aus Kundenmails übernehmen, Adressen bereinigen oder kurzfristige Änderungen in das Planungssystem eintragen. Die eigentliche Optimierung bleibt bei der Fachsoftware.
Womit Sie anfangen sollten
Fangen Sie mit einem Ablauf an, der häufig vorkommt, heute viel Handarbeit kostet und klare Regeln hat. In der Logistik ist das fast immer der Auftragseingang, gefolgt von Avisen und Statusanfragen. Prognosen und Planung kommen später, wenn Sie Erfahrung mit dem ersten Projekt gesammelt und Ihre Stammdaten aufgeräumt haben.
Diese Reihenfolge ist sinnvoll:
- Ablauf auswählen und messen. Wie viele Bestellungen oder Anfragen kommen pro Woche, wie lange dauert eine im Schnitt, wie viele davon sind Sonderfälle?
- Beispiele sammeln. Echte Dokumente und Mails, keine geschönten Testfälle.
- Regeln für Ausnahmen festlegen. Was soll die KI tun, wenn ein Artikel unbekannt ist oder eine Menge ungewöhnlich hoch?
- Klein starten. Zuerst ein Kunde, ein Lieferant oder ein Postfach, dann ausweiten.
- Ergebnis prüfen. Nach einigen Wochen vergleichen, wie viele Fälle ohne Eingriff durchlaufen und wie viel Zeit das Team spart.
Dass viele Logistikunternehmen noch nicht weiter sind, hat weniger mit der Technik zu tun. In der Bitkom-Befragung nennen 73 Prozent den Mangel an Fachkräften oder Know-how als Hemmnis der Digitalisierung, 52 Prozent mangelnde Datenverfügbarkeit. 54 Prozent geben an, ihnen fehle die Expertise, um KI in ihre Logistikprozesse einzubinden. Ein kleines, klar umrissenes erstes Projekt ist deshalb meist besser als eine große Strategie. Wenn Sie nicht sicher sind, welcher Ablauf sich eignet, ist unser kostenloser KI-Check ein guter Anfang. Wie wir solche Projekte umsetzen, zeigt die Seite Leistungen.
Grenzen und Risiken
Auch KI macht Fehler. Ein Sprachmodell kann eine Menge falsch lesen oder einen Artikel einem ähnlich klingenden zuordnen. Deshalb gehört zu jeder Automatisierung eine Plausibilitätsprüfung gegen Ihre Stammdaten und eine Regel, wann ein Mensch draufschaut. Sinnvoll ist auch ein Protokoll, in dem nachvollziehbar bleibt, was die KI gelesen und entschieden hat.
Die zweite Grenze sind die Daten. Wenn Kundenartikelnummern nicht gepflegt sind oder Lieferanten ohne eindeutige Kennung im System stehen, scheitert die Zuordnung, egal wie gut das Modell ist. Ein Teil jedes Projekts ist deshalb Stammdatenpflege.
Drittens der Datenschutz. Bestellungen und Kundenmails enthalten Namen und Kontaktdaten. Wenn ein externer KI-Dienst diese verarbeitet, arbeitet er in der Regel als Auftragsverarbeiter, und dafür brauchen Sie nach Art. 28 DSGVO einen Vertrag mit dem Anbieter (Stand Oktober 2026, keine Rechtsberatung). Für sensible Daten kommen auch Modelle in Frage, die auf eigenen Servern oder in einem europäischen Rechenzentrum laufen.
Schließlich ist KI kein Ersatz für Lagertechnik. Wer fahrerlose Transportsysteme, Kommissionierroboter oder kamerabasierte Bestandserfassung plant, braucht Intralogistik-Spezialisten und meist eine größere Investition. Das ist ein anderes Projekt als die Automatisierung im Büro. Ähnliches gilt für die Sichtprüfung in der Produktion, die wir im Artikel KI im Qualitätsmanagement einordnen.
Nächster Schritt
Welcher Ablauf in Ihrer Logistik eignet sich zuerst?
Im kostenlosen KI-Check sehen wir uns Ihren Auftragseingang, Ihre Avise und Ihre Kundenanfragen an und sagen Ihnen ehrlich, wo sich eine Automatisierung lohnt und wo nicht.