„Lieber jetzt günstig sichern, als später teuer einkaufen“ – das war gestern! Zunehmende Handelsbarrieren wie Zölle, geopolitische Spannungen mit Störungen zentraler Handelsrouten, Energiepreisschocks, die sich auf Transportkosten auswirken, oder auch schwankende Nachfragezyklen treiben die Unsicherheit globaler Lieferketten auf ein neues Niveau. Wenn langfristige Planbarkeit zur Ausnahme wird, greifen klassische Procurement-Logiken nicht mehr. Denn Ausschreibungen basieren bisher auf historischen Daten und vermeintlich stabilen Rahmenbedingungen – während Nachfrage, Routen und Kapazitäten sich längst in deutlich kürzeren Zyklen verändern.
Ghost Lanes oder unsichere Kapazitäten?
Herkömmliche Frachtbeschaffung führt systematisch zu Fehlallokationen. Besonders sogenannte Ghost Lanes sind ein Problem: Im Durchschnitt werden 70 % der FTL-Kapazitäten nicht in Anspruch genommen. Diese kommen Shipper letztendlich teuer zu stehen. Vorsorglich gesicherten Kapazitäten sollen für planbare und möglichst niedrige Kosten sorgen – werden sie aber nicht abgerufen, bewirken sie das Gegenteil: Da sie bei Carriern Kapazitäten blockieren und zu ineffizienter Routenplanung führen, führt das zu höheren Preisen in zukünftigen Verträgen, um diese Kosten zu kompensieren.
Als Alternative bleibt die kurzfristige Beschaffung von Frachtkapazität auf dem Spotmarkt. Die Nachteile: Der operative Aufwand steigt deutlich, da Ausschreibungen kurzfristig und häufig manuell erfolgen. Gleichzeitig fehlt es oft an ausreichender Preistransparenz, was die Vergleichbarkeit erschwert. Hinzu kommt eine schwankende Verfügbarkeit von Kapazitäten, die die Planbarkeit zusätzlich einschränkt.
KI verschiebt die Angebotserstellung
KI-unterstütztes Autonomous Procurement setzt genau hier an. Die Effizienzsteigerung gleicht die Nachteile von aufwändigen Spotangeboten aus. Gleichzeitig wird Beschaffung mit diesem Tool vom periodischen zum laufenden Prozess, in dem Situationen immer neu bewertet werden und flexibel auf Abweichungen reagiert werden kann.
Der Kern der Lösung: Nicht Carrier erstellen Angebote, sondern Verlader – mit Hilfe von Künstlicher Intelligenz. Algorithmen kalkulieren selbstständig marktgerechte Angebotspreise auf Basis historischer und aktueller Fracht- und Spotraten, definierter Preisrahmen sowie logistischer und nachhaltiger Kriterien. KI- und Behavioral-Science-Modelle berücksichtigen zudem das individuelle Buchungsverhalten von Carriern und können so Angebote gezielt differenzieren.
Diese werden in Echtzeit auf unserer Plattform veröffentlicht. Bleibt ein Auftrag ungebucht, steuert das System eigenständig weitere Ausschreibungsrunden – inklusive Auswahl der nächsten Carrier und Konditionen. Der gesamte Prozess läuft autonom, skalierbar und rund um die Uhr innerhalb definierter Leitplanken.
Messbare Effizienz- und Kostenvorteile
Die Effekte können wir klar messen:
- Automatisierte Match-Rate: Der Anteil der automatisiert gematchten Aufträge liegt netzwerkweit für FTL-Transporte bei bis zu 90 Prozent.
- Match-Time: Durchschnittliche Match-Times sinken auf rund 70 Minuten.
- Spotpreise: Dazu erzielen Verlader Spotpreise, die im Schnitt acht bis zwölf Prozent unter klassischen Verfahren liegen – und das, obwohl sie weiter mit den bewährten Spediteuren zusammenarbeiten.
- Produktivität: Gleichzeitig erhalten wir die Rückmeldung, dass die Lösung die Produktivität der Dispositionsteams um etwa 20 Prozent pro Jahr steigert und dass damit auch unerfahrene Team-Mitglieder effizient Spot-Fracht ausschreiben können.
Neue Lösungen erhalten nur dann Durchschlagskraft, wenn alle profitieren: Carrier müssen keine Ressourcen mehr in zeitintensive Kalkulationen stecken, deren Ausgang ungewiss ist. Stattdessen reicht ein Klick für die Auftragsannahme und den Erhalt aller notwendigen Details der Sendung. Das vereinfacht die Disposition; Leerfahrten werden vermieden.
Flexibilität entscheidet
Die Zukunft der Frachtbeschaffung liegt also nicht primär in noch präziseren und langfristigeren Ausschreibungen zur Kapazitätssicherung. Heutzutage braucht es vor allem Flexibilität, um Entscheidungen kontinuierlich anzupassen – ohne die Komplexität oder die Kosten zu erhöhen.
KI-gestütztes Autonomous Procurement bietet genau diese Möglichkeit und lässt Verlader und Carrier gleichermaßen profitieren. Die entscheidende Voraussetzung bleibt eine solide Datenbasis: Je mehr strukturierte historische Daten zu Fracht, Routen und Carriern vorliegen, desto präziser und effizienter arbeitet das System. Plattformbasierte Transportmanagementsysteme liefern hierfür die beste Grundlage – insbesondere dann, wenn sie Zugriff auf ein breites Netzwerk und belastbare Marktdaten ermöglichen.
Auf einen Blick: Mit Autonomous Procurement starten
- Stammdaten harmonisieren: Fracht- und Spotraten, Carrier-Performance, Telematik- und ERP-Daten integrieren.
- Spot-Bedarf: Zeitintensive Ad-hoc-Routen identifizieren.
- Regel definieren: Preislimits, Service-Level, Nachhaltigkeitskriterien und bevorzugte Carrier im System hinterlegen.
- Pilot starten: Mit 2-3 festen Relationen für den Testlauf starten.
- Go-Live: Automatische Vergabe aktivieren
- Schrittweise skalieren: Weitere Relationen sukzessive einbinden.
- KPIs messen: Match-Rate, Match-Time, Preisniveau über Dashboards tracken.
- Rollen managen: Der Fokus von Disponenten verschiebt sich auf strategische Steuerung und Ausnahmebehandlung; interne Veränderungen aktiv managen.