Last-Mile-Optimierung

Das echte Ausmaß des Problems

Die letzte Meile ist der teuerste Abschnitt jeder Lieferkette. Laut einer älteren Capgemini-Analyse (2019) entfallen 41 bis 53 Prozent der gesamten Lieferkettenkosten auf die letzte Meile — dabei repräsentiert sie oft nur den kleinsten Teil der zurückgelegten Strecke. Der Hauptkostentreiber: Fehlversuche. Ein Zustellversuch, bei dem niemand angetroffen wird, kostet 8 bis 15 Euro — Fahrzeit, Rückfahrt, Neuplanung, zweite Zustellung, eventuell Paketshop-Umleitung. Bei einer Fehlversuchsrate von 15 bis 20 Prozent und 300 täglichen Zustellungen entstehen täglich 45 bis 60 Fehlversuche, Kosten von 360 bis 900 Euro täglich.

Das zweite Problem: Zustellsequenzen werden häufig zu starr geplant. Der Fahrer fährt morgens mit einer festen Liste los und weicht nur selten ab — auch wenn Verkehr eine Umplanung sinnvoll macht oder ein Paketshop auf der Route liegt. Dynamische Reaktion auf Echtzeitsignale fehlt.

Das dritte Problem ist das wachsende Volumen bei sinkenden Margen. E-Commerce-Wachstum treibt Sendungsvolumen hoch, aber Endkunden erwarten günstigere Lieferung. Wer in diesem Umfeld noch Geld verdienen will, braucht messbar effizientere Prozesse auf der letzten Meile.

Mit vs. ohne KI — ein ehrlicher Vergleich

Einschätzung auf einen Blick

Zeitersparnis — hoch (4/5) Weniger Fehlversuche bedeuten direkt mehr produktive Fahrzeit pro Schicht. 10 bis 20 Prozent weniger Leerzeit täglich ist spürbar (Schätzwert aus Praxisberichten) — sowohl für den Betrieb als auch für die Fahrer, die entspanntere Touren fahren. Nur Routenoptimierung spart in dieser Kategorie noch mehr tägliche operative Zeit.

Kosteneinsparung — mittel (3/5) 8 bis 15 Euro je vermiedenem Fehlversuch ist real, aber die absolute Höhe hängt stark von der aktuellen Fehlversuchsrate ab. Betriebe mit 20 Prozent Fehlrate sparen erheblich, Betriebe mit 5 Prozent schon weniger. Weniger direkter Hebel als Routenoptimierung (Kraftstoff täglich) oder Predictive Maintenance (hohe Einzelfallkosten).

Schnelle Umsetzung — hoch (4/5) 3 bis 8 Wochen bis erste Optimierungen live: Fahrer-App, einfache Empfänger-Kommunikation, Basisrouting. Das Scoring-Modell braucht Anlaufzeit — aber erste Verbesserungen sind schon vorher sichtbar. Schneller als ERP-Integrationen, aber langsamer als reine Notification-Systeme.

ROI-Sicherheit — mittel (3/5) Der ROI hängt von der aktuellen Fehlversuchsrate ab — und die wird in vielen Betrieben nicht präzise gemessen. Wer seine Fehlrate nicht kennt, kann sie nicht als Baseline verwenden. Zudem braucht das Scoring-Modell 3 bis 6 Monate Aufbauzeit, bevor es verlässlich wird. Unsicherer als Routenoptimierung oder Frachtdokumentenverarbeitung.

Skalierbarkeit — sehr hoch (5/5) Das ist die stärkste Dimension: Je mehr Sendungen, desto besser das Scoring-Modell — ein klassischer Netzwerkeffekt. Mit 10.000 Sendungen im Monat hat das Erreichbarkeitsmodell deutlich bessere Vorhersagen als mit 1.000. Das macht Last-Mile-KI zu einer Anwendung, die mit dem Geschäftswachstum überproportional besser wird.

Richtwerte — abhängig von B2C- versus B2B-Anteil, aktueller Fehlversuchsrate und Empfängerdatenqualität.

Was das System konkret macht

Empfänger-Erreichbarkeits-Scoring Auf Basis historischer Zustelldaten berechnet das System für jeden Empfänger eine Erreichbarkeitswahrscheinlichkeit für verschiedene Zeitfenster. Dieser Score beeinflusst die Planung: Empfänger mit niedriger Erreichbarkeitswahrscheinlichkeit werden in Zeitfenster eingeplant, wo historisch die höhere Zustellerfolgsquote liegt. Machine Learning verbessert den Score automatisch mit jeder weiteren Tour.

Proaktive Empfänger-Kommunikation Das System sendet am Vortag und am Morgen des Liefertages eine Benachrichtigung mit Zeitfenster und Optionen: Zustellung bestätigen, Zeitfenster verschieben, an Paketshop umleiten. Je mehr Empfänger aktiv reagieren, desto präziser die Tourenplanung — und desto weniger Fehlversuche. Eng verwandt mit der automatisierten Versandkommunikation — diese beiden Use Cases verstärken sich gegenseitig.

Dynamische Umsortierung während der Tour Wenn während der Tour ein Empfänger meldet, dass er nicht zu Hause ist, berechnet das System sofort eine neue Sequenz: Alternativen auf der Route, Paketshops in der Nähe, mögliche Spätzustellung. Der Fahrer bekommt die aktualisierte Sequenz auf dem Gerät — ohne Anruf beim Disponenten.

Analyse und Lerneffekt Nach jeder Tour fließen die tatsächlichen Zustellergebnisse zurück ins Modell. Über Wochen und Monate verbessert sich das Erreichbarkeits-Scoring systematisch.

Konkrete Werkzeuge — was wann passt

OptimoRoute — Bietet neben klassischer Tourenoptimierung auch Echtzeit-Update-Funktionen und Empfängerbenachrichtigung. Gut für KMU-Betriebe mit 5 bis 50 Fahrzeugen. Ab ca. 35 Euro/Fahrzeug/Monat.

Circuit for Teams — Last-Mile-Optimierungstool mit starker mobiler Fahrer-App und Echtzeit-Tracking. Besonders gut für Betriebe, die Fahrern eine einfache Navigation mit dynamischer Umsortierung geben wollen. Ab 100 USD/Monat für bis zu 5 Fahrer.

Onfleet — Spezialisierte Last-Mile-Plattform mit Empfänger-Kommunikation (SMS, E-Mail), Echtzeit-Tracking und Analytics. Gut für Betriebe mit Fokus auf Kundenerfahrung. Ab 500 USD/Monat für mittlere Teams.

Datenschutz und Datenhaltung

Last-Mile-Optimierung kombiniert zwei datenschutzrelevante Bereiche: Empfänger-Tracking-Daten und Fahrer-GPS-Daten. Für Empfängerdaten gilt: Der Erreichbarkeits-Score wird aus historischen Zustelldaten berechnet — das sind personenbezogene Verhaltensdaten. Rechtsgrundlage ist das berechtigte Interesse (Art. 6 Abs. 1 lit. f DSGVO) an effizienter Zustellung im Rahmen des bestehenden Auftrags. Empfänger müssen über die Datenverarbeitung informiert werden (Datenschutzhinweis). AVV mit dem Tool-Anbieter ist obligatorisch.

Für Fahrer-GPS-Daten gilt das gleiche wie bei Routenoptimierung: Personenbezogene Standortdaten, Betriebsvereinbarung bei vorhandenem Betriebsrat erforderlich (§ 87 Abs. 1 Nr. 6 BetrVG).

Empfänger-Benachrichtigung per WhatsApp erfordert explizite Einwilligung. E-Mail im Rahmen eines bestehenden Liefervorgangs ist nach § 7 Abs. 3 UWG möglich.

Was es kostet — realistisch gerechnet

Einstieg (Circuit for Teams, einfache Tourenoptimierung + Fahrer-App):

• Kosten: 100–300 USD/Monat für 3 bis 10 Fahrer
• Einrichtungsaufwand: 1 bis 2 Wochen
• Ergebnis: Optimierte Zustellsequenz, Fahrer-App, einfache Empfänger-Benachrichtigung

Vollständige Last-Mile-Plattform:

• Kosten: 500–2.000 USD/Monat je nach Volumen
• Einrichtungsaufwand: 4 bis 8 Wochen
• Ergebnis: Erreichbarkeits-Scoring, Echtzeit-Umsortierung, vollständige Analytics

Konservatives ROI-Beispiel: Kurierdienstleister mit 15 Fahrern und 300 Zustellungen täglich, aktuelle Fehlversuchsrate 18 Prozent. Kosten pro Fehlversuch: 10 Euro. Tägliche Fehlversuchskosten: 54 × 10 = 540 Euro. Durch proaktive Kommunikation: Fehlversuchsrate auf 9 Prozent = 27 Fehlversuche = 270 Euro täglich. Einsparung: 270 Euro täglich = 67.500 Euro/Jahr bei Toolkosten von 6.000 bis 24.000 Euro/Jahr.

Typische Einstiegsfehler

Fehlversuchsrate nicht messen. Wer die aktuelle Fehlversuchsrate nicht kennt, hat keine Baseline. Erfahrungsgemäß schätzen Betriebe ihre Fehlrate deutlich zu niedrig ein — weil nicht jeder Fehlversuch systematisch erfasst wird. Vor Projektstart: 2 bis 3 Wochen systematische Erfassung einrichten.

Scoring ohne ausreichende Datenhistorie. Ein Erreichbarkeits-Score, der auf 4 Wochen Daten basiert, ist unzuverlässig. Mindestens 3 bis 6 Monate Zustelldaten werden benötigt, damit das Modell sinnvolle Muster erkennt. In der Aufbauphase keine überhöhten Erwartungen an die Scoring-Genauigkeit setzen.

Proaktive Kommunikation ohne Fallback. Wenn das System eine Benachrichtigung sendet und der Empfänger antwortet mit einer Frage, die der Bot nicht beantworten kann, ohne klaren Eskalationsweg entsteht aktiver Schaden: Erfahrungswerte zeigen, dass 15 bis 25 Prozent der Empfänger bei schlechter Bot-Erfahrung die nächste Benachrichtigung ignorieren. Vor Go-live definieren: Welche Fragen beantwortet der Bot automatisch, welche landen in einer Servicemailbox — und mit welcher Antwortzeit (Ziel: unter 4 Stunden).

Datenschutz-Aspekte für Erreichbarkeits-Score vergessen. Der Score basiert auf Verhaltensmustern von Empfängern — das sind personenbezogene Daten. Fehlt der Datenschutzhinweis bei Projektstart, muss er nachträglich an alle betroffenen Empfänger gesendet werden — bei 10.000 Empfängern ein erheblicher Aufwand und potenziell eine Abmahngrundlage. AVV mit dem Tool-Anbieter und angepasster Datenschutzhinweis müssen vor dem ersten Echtlauf vorliegen, nicht danach.

Was mit der Einführung wirklich passiert

Last-Mile-Optimierung hat einen verzögerten Nutzen: In den ersten Wochen sind die Ergebnisse oft enttäuschend, weil das Scoring-Modell noch keine ausreichende Datenhistorie hat. Das ist der gefährlichste Moment — wenn Erwartungen nicht erfüllt werden und der Betrieb aufgibt, bevor das System seine volle Wirkung entfalten kann.

Die richtigen Erwartungen im Vorfeld: „In den ersten 6 bis 8 Wochen sehen wir vor allem Verbesserungen durch bessere Tourensequenz und proaktive Kommunikation. Das Erreichbarkeits-Scoring wird erst nach 3 bis 4 Monaten verlässlich.”

Fahrer, die Touren mit dem neuen System fahren, berichten häufig von einem unerwarteten Nebeneffekt: Weniger Stress. Weniger Fehlversuche, klarere Navigation, weniger Improvisationsbedarf. Das verbessert nicht nur die Effizienz, sondern auch die Arbeitszufriedenheit — relevant angesichts des Fahrermangels in der Branche (laut Bundesverband Güterkraftverkehr fehlen über 80.000 Fahrer in Deutschland).

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände — und was dahintersteckt

„Unsere Kunden sind B2B — die sind tagsüber immer da.” B2B-Empfänger haben oft Annahmezeiten, Eingangsprotokolle und Ladezonen, die nur zu bestimmten Zeiten verfügbar sind. Proaktive Kommunikation und Zeitfenster-Koordination reduzieren auch im B2B-Kontext Fehlversuche und Wartezeiten an der Rampe messbar.

„Fehlversuche sind bei uns kein Problem.” Wenn die Fehlversuchsrate tatsächlich unter 5 Prozent liegt und die letzte Meile profitabel ist, stimmt das. Wer das weiß, weil er es misst, hat das Thema im Griff. Wer es schätzt: Einmal nachmessen. Die Zahl, die Betriebe nennen, liegt in der Praxis fast immer deutlich unter der tatsächlichen.

„Wir haben unsere eigenen Zustellprozesse — das passt nicht zu einem fertigen System.” Fertige Last-Mile-Plattformen sind in der Regel sehr konfigurierbar. Wichtiger als das System ist das Prozessdesign — und dabei hilft eine Pilotphase, in der man sieht, was bei den eigenen Kunden und Fahrern wirklich funktioniert.

Woran du merkst, dass das zu dir passt

Deine Fehlversuchsrate liegt über 10 Prozent und du weißt, was dich das täglich kostet.

Du hast B2C-Empfänger oder Privatanschriften, wo Erreichbarkeit stark nach Tageszeit schwankt.

Fahrer haben implizites Wissen über Empfänger-Erreichbarkeit (wann wer zu Hause ist), das beim Fahrerwechsel verloren geht.

Wer noch nicht bereit ist:

• Betriebe mit reinem B2B-Geschäft und verlässlichen Annahmezeiten bei allen Empfängern: Fehlversuchsproblem existiert kaum, Nutzen gering.
• Betriebe mit weniger als 20 Sendungen täglich: Aufwand übersteigt Nutzen.
• Betriebe ohne Empfänger-Kontaktdaten im TMS: Proaktive Kommunikation funktioniert nur mit validen Kontaktdaten.

Das kannst du heute noch tun

Erfasse in der nächsten Woche manuell jeden Fehlversuch mit Uhrzeit, Empfänger-Typ (B2B/B2C) und Tourtag. Der folgende Prompt hilft dir, die Daten auszuwerten und das Einsparpotenzial zu berechnen.

Quellen & Methodik

• Capgemini Research Institute: „The Last-Mile Delivery Challenge”, 2019 — Kostenanteil letzte Meile (ältere Studie; aktuellere Vergleichszahlen ausstehend)
• Bundesverband Güterkraftverkehr Logistik und Entsorgung (BGL): Fachkräftemangel im Transportgewerbe 2024
• Circuit for Teams / Onfleet / OptimoRoute: Veröffentlichte Fallstudien (Anbieterangaben, 2024–2025)
• § 87 Abs. 1 Nr. 6 BetrVG: Mitbestimmung bei Überwachungseinrichtungen
• § 7 Abs. 3 UWG: Transaktionale Kommunikation im Geschäftsverhältnis
• Art. 6 Abs. 1 lit. f DSGVO: Berechtigtes Interesse als Rechtsgrundlage