Echtzeit-Routenoptimierung

Das echte Ausmaß des Problems

Kraftstoff ist in den meisten Transportbetrieben der größte variable Kostentreiber — laut Deutschem Speditions- und Logistikverband (DSLV) zwischen 20 und 30 Prozent der gesamten Betriebskosten. Bei einem Fuhrpark mit zehn Fahrzeugen und einem durchschnittlichen Tagesverbrauch von 80 Litern Diesel bedeuten 10 Prozent Mehrverbrauch durch ineffiziente Routenplanung rund 140 Euro täglich — über 35.000 Euro im Jahr, die durch bessere Planung nicht angefallen wären.

Das Problem ist strukturell. Ein Disponent, der morgens um 6 Uhr eine Tour mit 40+ Stopps plant, trifft Entscheidungen auf Basis von gestern. Er kennt die Strecken, kennt die Zeitfenster — und hofft, dass bis 14 Uhr nichts dazwischenkommt. Meistens kommt aber etwas dazwischen: Stau auf der Bundesstraße, ein Kunde wird nicht angetroffen, ein Fahrer meldet sich krank, ein Fahrzeug springt nicht an. Jedes dieser Ereignisse erzwingt manuelle Eingriffe. Der Disponent sitzt am Telefon, schaut auf drei Bildschirme und versucht, Stopps gedanklich umzuordnen, während neue Meldungen reinkommen.

Das Ergebnis: Puffer werden großzügiger geplant als nötig, weil Erfahrung gelehrt hat, dass irgendwas schiefgeht. Mehr Leerkilometer, mehr Kraftstoffverbrauch, mehr Zeitdruck beim Fahrer, weniger Stopps pro Tour als theoretisch möglich. Branchenstudien zeigen, dass Betriebe ohne Routenoptimierung bis zu 20 Prozent mehr Kilometer fahren als bei optimaler Planung (Schätzwert aus Praxisberichten) — ein struktureller Kostennachteil, der sich jeden Tag summiert.

Hinzu kommt der wachsende Fachkräftemangel in der Disposition: Laut DSLV-Umfrage 2023 gaben 68 Prozent der befragten Speditionsbetriebe an, dass Qualifizierungsmangel in der Disposition ein wachsendes operatives Risiko darstellt. Wer Routenoptimierung einführt, macht sich weniger abhängig von einzelnen erfahrenen Disponenten.

Mit vs. ohne KI — ein ehrlicher Vergleich

Vergleichswerte basieren auf Implementierungserfahrungen bei regionalen Speditionsbetrieben (10–30 Fahrzeuge) sowie veröffentlichten Fallstudien von OptimoRoute und Routific (Anbieterangaben). Dein Betrieb kann abweichen — entscheidend ist das Muster, nicht die genaue Zahl.

Einschätzung auf einen Blick

Zeitersparnis — sehr hoch (5/5) Routenoptimierung spart täglich 60 bis 90 Minuten Disponenten-Aufwand — und das jeden Arbeitstag. Hinzu kommt, dass Störungsereignisse nicht mehr manuell koordiniert werden müssen. In dieser Kategorie ist Routenoptimierung der stärkste Hebel: keine andere logistische KI-Anwendung spart so unmittelbar so viel operative Planungszeit.

Kosteneinsparung — sehr hoch (5/5) 8 bis 15 Prozent Kraftstoffeinsparung ist direkt in der Abrechnung sichtbar — nicht indirekt wie bei Wissensmanagement oder analytischen Anwendungen. Bei zehn Fahrzeugen und einem Jahreskraftstoffbudget von 200.000 Euro entspricht das 16.000 bis 30.000 Euro jährlicher Einsparung, zuzüglich vermiedener Überstunden und gesenkter Fehlerkosten durch Zeitfensterverletzungen.

Schnelle Umsetzung — hoch (4/5) Bis zum produktiven Pilotbetrieb vergehen realistisch 6 bis 10 Wochen. SaaS-Lösungen wie OptimoRoute oder Webfleet sind ohne große IT-Projekte einsetzbar — der größte Aufwand liegt in der Datenvorbereitung (Kundenzeitfenster, Fahrzeugprofile) und in der Akzeptanzarbeit bei Fahrern und Disponenten. Kein Data-Science-Team notwendig.

ROI-Sicherheit — sehr hoch (5/5) Kraftstoffkosten sind messbar, Überstunden sind messbar, Liefertreue ist messbar. Der ROI dieser Anwendung lässt sich auf den Cent nachweisen — was unter logistischen KI-Anwendungen selten ist. Typische Amortisationszeit: 3 bis 8 Monate.

Skalierbarkeit — mittel (3/5) Die Software skaliert technisch sehr gut — mehr Fahrzeuge, mehr Stopps, kein proportionaler Mehraufwand. Der Engpass liegt in der Datenpflege: Zeitfenster, Fahrzeugprofile und Kundenstammdaten müssen aktuell gehalten werden. Bei Flotten über 50 Fahrzeugen entsteht daraus ein eigener Pflegeprozess, der Personalzeit bindet.

Richtwerte — stark abhängig von Flottengröße, Stoppvolumen und vorhandener TMS-Infrastruktur.

Was die Routing-KI konkret macht

Echtzeit-Routenoptimierung ist nicht einfach ein besseres Google Maps. Der Unterschied liegt darin, was das System gleichzeitig optimiert — und dass es das bei jeder Änderung neu tut.

Initiale Tourplanung Zu Tourenstart berechnet die KI keine einzelne Route, sondern tausende mögliche Varianten und bewertet sie nach mehreren Kriterien gleichzeitig: Gesamtkilometer, Kraftstoffverbrauch, Einhaltung aller Zeitfenster, Fahrzeuglastverteilung, Pausenregelungen für Fahrer gemäß Automatisierung der Lenk- und Ruhezeiten-Regeln (EU VO 561/2006 / FPersG). Das Ergebnis ist eine Tour, die nicht nur kurz ist, sondern unter realen Bedingungen funktioniert — mit realistischen Zeitpuffern statt pauschalen Bauchgefühl-Puffern.

Laufende Neuberechnung Sobald während der Tour ein Störereignis auftritt — Staumeldung, Stopp übersprungen, Lieferung abgebrochen — berechnet das System sofort alternative Sequenzen. Der Fahrer entscheidet nicht, in welcher Reihenfolge er weiterfährt. Das System schlägt den nächsten Stopp vor und aktualisiert die geschätzte Ankunftszeit (ETA) für alle Folgestopps. Kunden mit Zeitfensterrisiko werden automatisch benachrichtigt.

Feedback-Schleife Nach jeder Tour werden tatsächliche Fahrtzeiten, Verweilzeiten und Abweichungen erfasst. Das System lernt: Dieser Kunde braucht immer 10 Minuten länger als geplant. Die Abfahrt ins Industriegebiet Nord dauert freitags strukturell länger als montags. Diese Kalibrierung macht Folgeplanungen realistischer — nicht durch manuelle Konfiguration, sondern durch echte Betriebsdaten.

EU AI Act — Einordnung Echtzeit-Routenoptimierung fällt unter die Kategorie „begrenztes Risiko” im Sinne des EU AI Act. Das System trifft keine autonomen Entscheidungen mit Personenbezug — der Disponent bestätigt Touren, Fahrer folgen App-Vorschlägen freiwillig. Eine Hochrisiko-Einstufung (Anhang III EU AI Act) ist für reine Routing-Optimierung nicht einschlägig.

Konkrete Werkzeuge — was wann passt

OptimoRoute — Pragmatische SaaS-Lösung, direkt einsatzbereit. Gut für Betriebe mit 5–50 Fahrzeugen und festen Kundenstämmen. Web-Interface und Fahrer-App inklusive. Unterstützt Zeitfenster, Fahrzeugkapazitäten und Pausenzeiten. Ab ca. 35 Euro/Monat je Fahrer. Stärker in der initialen Planung als in der dynamischen Echtzeit-Reaktion — für Betriebe mit relativ stabilem Tagesablauf oft ausreichend.

Webfleet — Etablierte Flottenmanagement-Plattform (Bridgestone) mit integriertem Routingmodul. Besonders sinnvoll, wenn bereits Webfleet für GPS-Tracking im Einsatz ist: Das Routingmodul ergänzt die bestehende Lösung, ohne ein zweites System einzuführen. DSGVO-konform, EU-Hosting, weit verbreitet bei deutschen KMU-Flotten. Kombiniert Routing, Telematik und Wartungsmanagement in einer Plattform.

Samsara — US-amerikanische Telematikplattform mit starkem Routinganteil und Echtzeitdaten aus dem Fahrzeug. Kombiniert GPS-Tracking, Fahrverhalten und Routenoptimierung in einer Plattform. Geeignet für Flotten, die Telematik und Routing aus einer Hand wollen. Datenhaltung in EU-Rechenzentren auf Anfrage konfigurierbar — AVV prüfen, Preise auf Anfrage.

Für den Einstieg empfehlen wir meist OptimoRoute — unkompliziert, sofort produktiv, ausbaufähig. Wer bereits ein Telematiksystem im Einsatz hat, sollte prüfen, ob das Routing-Modul des bestehenden Anbieters ausreicht — ein System weniger einzuführen ist fast immer der bessere Weg.

Datenschutz und Datenhaltung

GPS-Ortung von Fahrern ist keine rein technische Frage — sie berührt Datenschutzrecht und Mitbestimmung. Standortdaten gelten nach DSGVO als personenbezogene Daten, sobald sie einem konkreten Fahrer zugeordnet werden können. Das betrifft jeden App-basierten oder Telematik-basierten Tracking-Ansatz. Unternehmen müssen die Verarbeitung dokumentieren, zweckbinden (ausschließlich Disposition) und Fahrer klar über Kategorien, Speicherdauer und Verarbeitung informieren. Mit jedem Cloud-Anbieter, der Fahrtdaten im Auftrag verarbeitet, ist ein Auftragsverarbeitungsvertrag (AVV) nach Art. 28 DSGVO abzuschließen — vor Produktivbetrieb.

In Betrieben mit Betriebsrat greift § 87 Abs. 1 Nr. 6 BetrVG: Technische Einrichtungen, die Verhalten oder Leistung von Arbeitnehmenden überwachen können, dürfen nicht ohne Betriebsvereinbarung eingeführt werden. Das gilt auch für Routing-Apps, die Standort und Stoppdaten erfassen. Ohne Betriebsvereinbarung kann der Betriebsrat die Einführung blockieren. Erfahrungsgemäß dauern Betriebsvereinbarungen in diesem Kontext 4 bis 8 Wochen, wenn beide Seiten konstruktiv vorgehen. Wer das Vorhaben als Entlastung für Fahrer rahmt — weniger Überstunden, weniger Stressdisposition, transparentere Tourenplanung — statt als Kontrollsystem, erreicht in den meisten Fällen schnell eine Einigung.

Webfleet bietet standardmäßig DSGVO-konformes EU-Hosting und bringt Muster-Betriebsvereinbarungen mit. Samsara benötigt explizite Vereinbarung des EU-Standorts im Vertrag.

Was es kostet — realistisch gerechnet

Einmalige Einrichtungskosten Bei fertigen SaaS-Lösungen wie OptimoRoute oder Webfleet ist der technische Einrichtungsaufwand überschaubar — typisch 500 bis 2.000 Euro für Datenmigration und TMS-Schnittstelle, falls nötig. Der größte Aufwand liegt nicht in der Technik, sondern in der Datenqualität: Zeitfenster der Kunden validieren, Fahrzeugprofile anlegen, Pausenregelungen hinterlegen. Das kostet intern 1 bis 3 Wochen Vorbereitungszeit.

Laufende Kosten (monatlich)

• SaaS-Routing-Tool: 200–700 Euro/Monat bei 8–15 Fahrzeugen
• Telematik-Hardware (falls nicht vorhanden): 10–30 Euro/Monat je Fahrzeug
• Fahrer-App-Lizenz: oft im SaaS-Preis enthalten

Was du dagegenrechnen kannst Bei zehn Fahrzeugen und konservativen 8 Prozent Kraftstoffeinsparung: ca. 1.300–1.700 Euro/Monat (je nach Verbrauch und Kraftstoffpreis). Dazu kommen Überstundenkosten von 2–4 Stunden wöchentlich je Fahrer (ca. 400–800 Euro/Monat) und weniger Zeitfensterverletzungen, die Konventionalstrafen vermeiden. Typische Amortisationszeit: 3–8 Monate. Das ist für logistische IT-Investitionen ungewöhnlich kurz — und macht Routenoptimierung zur am einfachsten zu rechtfertigenden KI-Investition im Fuhrparkbereich.

Typische Einstiegsfehler

Das System parallel zur manuellen Disposition betreiben und nie den Sprung machen. Viele Betriebe führen Routenoptimierung als „Empfehlungssystem” ein — der Disponent schaut drauf, folgt aber seinen eigenen Plänen. Das Ergebnis: Nach 3 Monaten zeigt der ROI-Bericht 0 % Kraftstoffeinsparung, die Lizenzkosten von 400–700 Euro/Monat laufen weiter, und das Projekt gilt intern als gescheitert — obwohl das System nie verbindlich eingesetzt wurde. Lösung: Klares Datum definieren, ab dem das System verbindlich ist — mit klarer Feedbackmöglichkeit für Fahrer bei echter Ortskenntnis.

Fahrerwissen nicht einbeziehen. Die beste Routenplanung scheitert, wenn Fahrer eigene Routen fahren, weil sie dem System nicht vertrauen. Häufige Ursache: Das System hat offensichtliche Fehler gemacht — falscher Einfahrtsweg, schlechte Zeitschätzung für bestimmte Kunden — und niemand hat das korrigiert. Lösung: In den ersten Wochen aktiv Feedback von Fahrern einholen und Korrekturen schnell umsetzen. Das baut Vertrauen auf und verbessert das Modell.

Zeitfenster aus dem TMS ungeprüft übernehmen. Zeitfenster in bestehenden Systemen sind oft veraltet oder zu großzügig geschätzt. Wenn das Routingsystem mit falschen Zeitfenstern optimiert, entstehen Pläne, die auf dem Papier funktionieren, in der Praxis aber nicht. Lösung: Vor dem ersten produktiven Betrieb die Zeitfensterdaten für die 20 häufigsten Kunden validieren — direkt mit den Kunden oder aus Fahrtdaten der letzten drei Monate.

Wartungsaufwand unterschätzen. Nach dem Go-live neigen viele Betriebe dazu, das System laufen zu lassen ohne Pflege. Neue Kunden kommen hinzu, Zeitfenster ändern sich, Fahrzeuge wechseln. Nach 6 bis 12 Monaten ohne Datenpflege degradiert die Planungsqualität spürbar. Lösung: Quartalsweise Datenprüfungen einplanen — 1 bis 2 Stunden im Vierteljahr halten das System auf Stand.

Was mit der Einführung wirklich passiert

Die technische Einführung ist meistens einfacher als erwartet. Der menschliche Teil ist schwieriger.

Disponenten, die jahrelang nach Erfahrung geplant haben, sehen im Routing-System zunächst eine Bedrohung ihrer Expertise — nicht eine Entlastung. Das äußert sich selten als offene Ablehnung, häufiger als Misstrauen: Das System schlägt eine Route vor, der Disponent wählt die eigene, weil er „das besser einschätzen kann.” Das ist verständlich und oft nicht falsch — für einzelne Stopps. Aber über die gesamte Tour ist das System fast immer besser.

Der Wendepunkt kommt, wenn der Disponent eine Situationsverbesserung selbst erlebt: Die erste Störungsmeldung, bei der das System sofort eine alternative Route vorschlägt und der Disponent nicht ans Telefon greifen muss. Oder das erste Mal, dass der Bericht zeigt: Diese Woche 12 Prozent weniger Kraftstoffverbrauch. An diesem Punkt kippt die Akzeptanz.

Fahrer reagieren unterschiedlich. Viele begrüßen transparente Planung — weniger Überstunden durch optimierte Touren, klare Navigation, weniger Improvisation. Andere empfinden die App als Kontrollsystem. Hier hilft: Das System als Fahrer-Werkzeug erklären, nicht als Überwachungssystem der Geschäftsführung. Der Unterschied im Framing ist entscheidend.

Typisch: Echte Produktivitätsgewinne nach 4 bis 8 Wochen, volle Akzeptanz nach 3 bis 4 Monaten.

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände — und was dahintersteckt

„Unsere Fahrer kennen die Gegend besser als jedes System.” Das stimmt — für individuelle Ortskenntnis. Kein System weiß, dass der Hinterhof bei Kunde 14 nur über die Nebenstraße erreichbar ist. Aber das sind Ausnahmen, keine Regel. Die KI optimiert die Gesamttour, der Fahrer ergänzt mit echter Ortskenntnis. Beides gemeinsam schlägt beides allein. Der entscheidende Punkt: Fahrer, die verstehen, warum eine Route so aussieht, und die bei echter Ortskenntnis Korrekturen einbringen können, arbeiten mit dem System statt dagegen.

„Wir haben nur acht Fahrzeuge — lohnt das für uns?” Routenoptimierung skaliert nach unten besser als die meisten denken. Schon ab fünf bis sechs Fahrzeugen mit regelmäßigen Mehrfachstopps entstehen messbare Einsparungen. Entscheidender als die Flottengröße ist das Stoppvolumen: Wer täglich 30 oder mehr Stopps pro Fahrzeug plant, hat mit hoher Wahrscheinlichkeit Optimierungspotenzial — egal ob es acht oder achtzehn Fahrzeuge sind.

„Wir haben das schon mal versucht und es hat nicht funktioniert.” Meistens liegt das an einem der vier Einstiegsfehler: Das System wurde nicht verbindlich eingeführt, Fahrerdaten wurden ignoriert, die Eingabedaten waren zu schlecht, oder die Datenpflege wurde vernachlässigt. Nicht die Technologie war das Problem — die Implementierung war es. Ein zweiter Anlauf mit anderen Rahmenbedingungen hat andere Ergebnisse.

Woran du merkst, dass das zu dir passt

Du hast Disponenten, die täglich manuell umplanen, weil Störungen wie Stau, Krankmeldungen oder übersprungene Stopps keine automatische Reaktion auslösen, sondern Telefonate.

Deine Kraftstoffkosten steigen, obwohl das Stoppvolumen nicht wesentlich gewachsen ist — ein Zeichen, dass Routen nicht optimal sind.

Kunden fragen aktiv nach ETA — oder beschweren sich über fehlende Vorabinformation, wenn sich Lieferungen verzögern.

Liefertreue ist bei dir ein KPI, aber du weißt nicht genau, welcher Teil des Problems an der Routenplanung liegt.

Wer noch nicht bereit ist:

• Betriebe mit weniger als 5 Fahrzeugen und unter 15 Stopps täglich je Fahrzeug: Der Aufwand übersteigt den Nutzen deutlich.
• Betriebe, die keine validen Kundenzeitfensterdaten im System haben — der erste Schritt ist dann Datenhygiene, nicht Routing-KI.
• Betriebe ohne Bereitschaft, Routenplanung verbindlich an das System zu übergeben: Ein „Empfehlungssystem, das niemand befolgt” bringt keinen ROI.

Das kannst du heute noch tun

Lade die letzten drei Monate Tourprotokolle aus deinem TMS als CSV-Export. Lass den folgenden Prompt über die Daten laufen — er gibt dir in 20 Minuten einen ersten Eindruck davon, wo dein konkretes Optimierungspotenzial liegt.

Quellen & Methodik

• DSLV (Deutscher Speditions- und Logistikverband): Kraftstoffkostenanteil im Transportgewerbe; Fachkräftemangel-Umfrage 2023
• Bundesamt für Güterverkehr (BAG): Erhebungen zur Lkw-Auslastung und Leerfahrtenquote, 2023
• OptimoRoute / Routific: Veröffentlichte Fallstudien zu Kraftstoffeinsparungen (Anbieterangaben, 2024–2025)
• EU VO 561/2006, FPersG: Lenk- und Ruhezeiten im gewerblichen Güterkraftverkehr
• § 87 Abs. 1 Nr. 6 BetrVG: Mitbestimmung bei technischen Überwachungseinrichtungen
• Kraftstoffpreisannahme: 1,75 EUR/Liter Diesel, Marktspanne Deutschland 2024 ca. 1,55–1,95 EUR/Liter
• Tool-Preise: Veröffentlichte Tarife der Anbieter, Stand April 2026