329 - KI-basiertes Controlling in der Logistik entwickeln

Die Logistik produziert viele Daten. Dieser Umstand lässt sich
nutzen, um aus der Glaskugel eine sinnvolle Entscheidung herbei zu
führen. Aber wie kann das mit KI funktionieren? Künstliche
Intelligenz ist in aller Munde – doch wie sieht der konkrete
Einsatz in der Logistik wirklich aus? In dieser Folge sprechen wir
mit Maximilian Hahnenkamp (Scavenger AI) und Jonas Poorthuis (Wahl
Unternehmensgruppe) über einen echten Anwendungsfall aus dem
Controlling. Ausgangspunkt ist ein typisches Problem vieler
mittelständischer Logistiker: Daten liegen verteilt in
verschiedenen Systemen, Auswertungen dauern lange und sind oft
manuell gebaut. Gemeinsam zeigen wir, wie daraus ein KI-gestützter
Ansatz entstanden ist, der per natürlicher Sprache auf
Unternehmensdaten zugreift. Dabei geht es nicht nur um Technologie,
sondern vor allem um saubere Datenstrukturen, klare Prozesse und
die richtige Herangehensweise. Schritt für Schritt wird erklärt,
wie aus einem Problem ein Pilotprojekt entsteht – und was dabei oft
unterschätzt wird. Eine Folge mit echtem Praxisbezug für alle, die
KI sinnvoll einsetzen wollen. - Ausgangsproblem bei Wahl: Daten
liegen verteilt in TMS, WMS, ERP, Excel & Einzellösungen –
Reports müssen manuell zusammengebaut werden und dauern oft zu
lange - Lösung mit Scavenger AI: Daten aus verschiedenen Quellen
werden gebündelt und können per natürlicher Sprache abgefragt
werden (z. B. „Welche Sendungen im letzten Quartal hatten welche
Laufzeit?“) - Kritischer Schritt vor KI: Daten müssen harmonisiert
werden (z. B. mehrere unterschiedliche Umsatzdefinitionen in
verschiedenen Systemen klare Logik festlegen) - Projektansatz:
Start mit einem klar abgegrenzten Pilot (ein System / ein Mandant),
statt direkt alle Datenquellen anzubinden - Zielbild: Fachbereiche
können eigenständig Analysen fahren, für die vorher Controller oder
mehrere Tage Arbeit notwendig waren Die Folge zeigt sehr klar: KI
ist nicht die Lösung für schlechte Daten – sie macht Probleme nur
sichtbarer. Entscheidend ist der strukturierte Weg vom konkreten
Problem über einen sauberen Datencheck bis hin zum Pilotprojekt.
Besonders spannend ist, wie pragmatisch der Ansatz gewählt wurde:
klein starten, schnell lernen und dann skalieren. Wer sich fragt,
wie KI im eigenen Unternehmen wirklich sinnvoll eingesetzt werden
kann, bekommt hier eine sehr greifbare Blaupause. Alle
weiterführenden Links und Impulse findet ihr wie immer in den
Shownotes.