Menu

Smart Data – eine Grundlage für mehr Bewegung in der Logistik

Wenn eine Branche in Bewegung ist, dann die Logistik.

Das Momentum entfaltet sich auch im Hinblick auf die Digitalisierung: Modernste IT-Systeme, autonome Fahrzeuge, smarte Zustellroboter – um nur einmal die Speerspitze ins Feld zu führen. Auf den ersten Blick unsichtbar bleiben jedoch die Datenströme, die sämtliche Prozesse begleiten. Dabei kann die Analyse und Auswertung von Daten aus Transporten im Rahmen einer Big Data Strategie ein entscheidender Treiber sein.

In der Transportbranche, nach dem Handel und der Automobilindustrie der drittgrößte Wirtschaftszweig hierzulande, herrscht ein handfester Wettbewerb. Mit harten Bandagen wird um Margen gekämpft. Umso mehr ist es für Logistikunternehmen von Bedeutung, die Kunden in den Mittelpunkt zu stellen und hohe Servicestandards zu garantieren. Ebenso ist es aus ökonomischer Sicht angesichts enger Margen unabdingbar, Ressourcen effizient einzusetzen und somit betriebsinterne Kosten zu senken.

Die Auswertung von Daten ist ein Schlüssel zur Lösung – sowohl im Hinblick auf den Ausbau von Services als auch in Bezug auf die betriebsinterne Effizienz. Big Data schaffen ein Verständnis aller Prozesse, die im Zusammenhang mit Transporten von Bedeutung sind und ermöglichen es damit, die Abläufe zu verbessern. Voraussetzung ist, dass Daten aus verschiedenen Bereichen im Rahmen einer Big Data Strategie miteinander verknüpft und dass sie strukturiert aufbereitet werden.

Daten erlauben die Optimierung von Prozessen

Bei der Frage, welche Daten evaluiert werden, ist in der Logistik allerdings weniger die Masse, sondern vielmehr der Inhalt entscheidend. Anstatt von Big Data taucht in diesem Zusammenhang der Begriff Smart Data auf. Diese strukturierten Daten helfen, Antworten auf klar definierte Fragestellungen zu geben. Wertvoll können hierbei im Prinzip alle Daten zu Ereignissen sein, die einen Einfluss auf Logistikketten haben. Damit smarte Daten relevante Erkenntnisse ermöglichen, müssen sie allerdings ebenso gut definiert und belastbar sein wie die Fragestellungen, die mit ihnen beantwortet werden sollen.

Grundlagen für Big und Smart Data schaffen

Die genaue Definition von Messpunkten auf der Transportkette ist die Voraussetzung, um qualitativ hochwertige und damit nutzbare Daten zu gewinnen. Erleichtert wird dies durch die Verbindung verschiedener Komponenten miteinander: Fahrzeuge, mobile Endgeräte von Fahrern und Hallenpersonal, Fördertechnik sowie vielerlei Sensoren in Umschlagshallen, Lagern und Fahrzeugen bilden heute ein dichtes Netzwerk von Datenquellen. Auf Basis einer nahtlosen Integration wird ein nahezu lückenloses Bild über Logistikprozesse möglich.

Neben Daten aus dem Transport wie etwa über Standort, Beladung, Fahrverhalten und Verbrauch werden Packstücke auch während dem Umschlag und Zwischenlagerung regelmäßig registriert, etwa durch Scannung oder RFID. Dadurch können sie mit Zusatzdaten in Verbindung gebracht werden. Beispielsweise kann eine Kühlkette lückenlos überwacht werden, indem die Temperaturdaten von fest verbauten Temperatursensoren mit den bekannten Positionen von Packstücken verknüpft wird. Darüber hinaus lassen sich durch Erforschung qualitativ hochwertiger Smart Data eine Fülle wertvoller Erkenntnisse zur Ressourcennutzung und Prozessqualität erlangen. So lassen sich etwa über- oder unterlastete Lagerbereiche in einer Halle erkennen oder es können Prozesse identifiziert werden, deren Störung besonders viele Folgefehler nach sich ziehen.

Beispiele für die Erhebung und Nutzung von Smart Data in der Logistik:

Verkehr und Staudaten: Für eine optimierte Routenplanung sind Daten hinsichtlich Verkehr und Verkehrsbehinderungen die Grundlage – gerade wenn es um selbstlernende Systeme geht.

Energieverbrauch: Ein erhöhter Spritverbrauch geht heute nicht nur mit Mehrkosten einher. Auch die Eindämmung des Schadstoffausstoßes wird immer wichtiger. Hier bereiten Smart Data eine Zahlenbasis. Angesichts kürzerer Reichweiten, wenn es um den Einsatz von Elektrofahrzeugen geht, sind diese Daten noch wichtiger.

Sendungsdaten: Die Übersicht über Lieferzeiten ermöglicht etwa das Monitoring von Prozessen bei Drittunternehmen. Die daraus resultierenden Erkenntnisse ermöglichen es, die Servicequalität angeschlossener Dienstleister zu bewerten.

Beladungsprozesse und Ladezeiten: An der Rampe kann viel Zeit verloren gehen. Die Übersicht über sämtliche Prozesse ist die Grundlage, um Schwachstellen zu erkennen und zu eliminieren. 

Entwicklung einer Smart Data Strategie:

Zieldefinition und KPIs: Eine auf die zu erreichenden Ziele zugeschnittene Strategie stellt für Transportunternehmen die Grundlage für eine Nutzung von Big Data dar. Dabei ist zu prüfen, welche ökonomischen Faktoren besonders relevant sind (Kosten, Qualität, Geschwindigkeit, Compliance etc.) und welche Kenngrößen den stärksten Zusammenhang mit diesen Faktoren aufweisen. Die Definition von Key Performance Indikatoren (KPIs) steht folglich an erster Stelle. Sie basiert auf einem offenen Assessment, das alle Stakeholder im Unternehmen und in seinem Umfeld einschließt. Nur basierend auf klar definierten und akzeptierten KPIs können Ziele festgelegt und Methoden zu deren Erreichung abgestimmt werden.

Datenerhebung: Die Daten sollten strukturiert und skalierbar erhoben werden. Dies bedeutet, dass Daten systematisch vergleichbar sein sollten. Um die Effizienz bei der Erhebung zu erhöhen, ist auf Daten zu setzen, die aus der digitalen Abwicklung von Prozessen bereits vorliegen. Unter Umständen kann es notwendig sein, analoge Geschäftsprozesse zu digitalisieren oder bestehende digitale Lösungen zu erweitern, um die erforderliche Datenqualität zu erreichen. Damit solche Maßnahmen auch nachhaltig umsetzbar sind gilt es, neben der Transparenz und Auswertbarkeit auch die anderen Nutzen-Treiber der Digitalisierung zu berücksichtigen: Prozesssicherheit, Qualitätskontrolle, Automatisierung und Optimierung können oft die besten Argumente für die Investition in Digitalisierung sein.

Gleichzeitig ist darauf zu achten, dass verschiedene Datenquellen miteinander verbunden werden. Denn das Potenzial von Big Data wird erst voll genutzt, wenn Daten unterschiedlichster Bereiche zusammengeführt werden und in einem Gesamtbild betrachtet werden. Von großer Bedeutung ist auch die Frage, wie Rohdaten aufbereitet und abgelegt werden. Denn um eine Nutzbarkeit für Analysen zu gewährleisten, müssen die Daten auch über Prozess- und Systemveränderungen hinweg verfügbar und vergleichbar bleiben.

Übergreifende Vernetzung von Datenquellen: Gerade in großen Unternehmen existieren häufig sogenannte Silos – das bedeutet, dass Schnittstellen zwischen unterschiedlichen Fachabteilungen fehlen oder schwach ausgeprägt sind. Häufig existieren verschiedene Software-Systeme, die miteinander korrelierende Daten sammeln, aber diese nicht zusammenführen. In der Integration von Daten aus verschiedenen Bereichen liegt aber gerade der besondere Wert von Smart Data. So gilt es etwa, Daten aus Lager und Flotte zusammenzuführen mit solchen aus dem Vertrieb oder der Reklamationsbearbeitung. Ebenso gehört dazu die Integration externer Daten. Hier ist zu analysieren, wo Schnittstellen bereits vorhanden sind – und wo sie fehlen. Integrationspunkte sollten im Sinne einer umfassenden Big Data Strategie geschaffen werden. 

Wir beraten Sie gerne!