Laut einer aktuellen Studie von Manhattan Associates, Anbieter von Transportmanagementsystemen (TMS), nutzen zwar 56 Prozent der befragten Großunternehmen bereits prädiktive Analysen oder KI-Funktionen im TMS. Doch die tiefergehende Integration ist oft noch lückenhaft.
60 Prozent der befragten Unternehmen haben ihr TMS in die Vertriebs- und Betriebsplanungssysteme integriert. Doch zentrale Funktionen wie Trendanalysen auf Basis historischer Daten (38 Prozent) oder automatisierte Buchungen und Ausschreibungen (36 Prozent) kommen bislang nur vereinzelt zum Einsatz. Eine Echtzeit-Nachfrageerfassung haben nur 35 Prozent implementiert.
Autonome KI: Vision trifft auf Realität
Ein Großteil der Entscheider zeigt sich grundsätzlich offen für den Einsatz autonomer, agentenbasierter KI-Lösungen – also Systeme, die definierte Ziele weitgehend selbstständig erreichen sollen. Laut Studie erwarten 61 Prozent, dass solche Technologien innerhalb der nächsten fünf Jahre einsatzbereit sein werden.
Gleichzeitig zeigt sich aber: Nur 37 Prozent haben KI und maschinelles Lernen bisher tief in ihr TMS integriert.
Hürden: Fachkräftemangel, Datenprobleme, Systembrüche
Fast alle befragten Unternehmen (99 Prozent) berichten von bestehenden oder erwarteten Herausforderungen bei der Einführung von KI im Transportmanagement. 49 Prozent nennen den Fachkräftemangel als größtes Hindernis, gefolgt von Schwierigkeiten bei der Integration in bestehende Systemlandschaften sowie bei der Datenqualität und -verfügbarkeit (jeweils 44 Prozent).
„Die Transportlogistik ist das Rückgrat der Lieferketten“, betont Bryant Smith, Director Transportation Management Systems bei Manhattan Associates. Doch die Anforderungen an das Transportmanagement steigen und werden komplexer. „Dabei geht es um kürzere Lieferzeiten, Kapazitäts- und Kosteneffizienz, strengere Nachhaltigkeitsvorschriften und die zunehmende Notwendigkeit einer End-to-End-Transparenz über alle Abläufe hinweg."
Transparenz als Schlüssel zu Effizienz und Kundenzufriedenheit
Laut Studie sehen 60 Prozent der Unternehmen einen klaren Vorteil in einer verbesserten Datentransparenz – nicht nur bei Störungen. Genauere Vorabinformationen führten zu höherer Kundenzufriedenheit. Die Reduktion von Transportkosten durch bessere Daten wird von 50 Prozent als zentraler Nutzen benannt.
Nachhaltigkeit bleibt unterentwickelt
In puncto Nachhaltigkeit sehen sich viele Unternehmen im Rückstand: Nur 34 Prozent berücksichtigen Umweltaspekte in ihrer Betriebsplanung, 30 Prozent in Beschaffungsentscheidungen. Nur ein Drittel (31 %) bietet CO₂-optimierte Kraftstofflösungen an.
Ausblick: Systeme müssen auf neue Anforderungen reagieren
87 Prozent der Befragten gehen davon aus, dass bestehende TMS in den nächsten Jahren an ihre Grenzen stoßen werden – insbesondere im Hinblick auf KI-Einsatz, Betriebstransparenz und die Einhaltung von Nachhaltigkeitsbestimmungen. Unternehmen, die jetzt nicht investieren, riskieren laut Smith steigende Kosten und die Nichterfüllung von Kundenanforderungen: „Wenn sie jetzt nicht handeln, setzen sie sich steigenden Kosten, Fragen zur langfristigen Effizienz und dem Risiko aus, ihre Kundenversprechen nicht zu erfüllen.“
Die Studie zeige, dass viele Unternehmen noch nicht darauf vorbereitet sind, die Herausforderungen zu meistern, die sich aus den wachsenden Nachhaltigkeitsanforderungen, den Erwartungen in Bezug auf künstliche Intelligenz und dem Bedarf nach mehr sichtbaren, nützlichen Daten ergeben. Bis 2030 würden sich diese Anforderungen weiter verschärfen.
Hintergrund: Methodik der Studie
- Für die Studie wurden 1450 Unternehmen mit einem weltweiten Jahresumsatz von mindestens 750 Millionen US-Dollar. Die Teilnehmer stammen aus Nord und Lateinamerika, Europa und Australien befragt.
- Branchen: Fertigungsindustrie, Einzel- und Großhandel, Konsumgüterindustrie, Lebensmittelsektor sowie Lebensmittel- und Getränkeindustrie.
- Die Befragten waren Fach- und Führungskräfte aus den Bereichen Transport, Logistik, Lieferkette, IT oder Finanzen. Sie sind für das Transportmanagement in ihrem Unternehmen verantwortlich oder kennen sich damit aus.
