Anomalieerkennung bei Compliance, Kraftstoff und Telematik in der Speditionsflotte

Ein deutsches Speditionsunternehmen muss Tachografendaten auslesen, auswerten und archivieren, für jeden Verstoß gegen Lenk- und Ruhezeiten einstehen und zugleich den größten Kostenblock nach den Löhnen im Blick behalten: Diesel. In der Praxis blättern Disponenten oder die Inhaberin bzw. der Inhaber durch Auswertungslisten, vergleichen Tankkartenabrechnungen von Hand mit den Tourdaten und korrigieren Zeitnachweise erst spät im Monat. Regelbasierte Tachografenprogramme leisten die rechtliche Auswertung bereits gut. KI ergänzt, was Regeln übersehen: drei Datenquellen je Fahrer abgleichen, Lkw erkennen, die mehr verbrauchen als sie sollten, und Verwarnungen und Korrekturen vorformulieren.

Problem & Nutzen

• Heute: Tachografendateien werden (oft gesammelt) heruntergeladen, in einem regelbasierten Programm ausgewertet, und die Verstoßliste wird von Hand abgearbeitet. Tankkartenrechnungen, Mautabrechnungen und Telematikberichte liegen in getrennten Portalen und werden nur geprüft, wenn eine Zahl auffällig wirkt. Zeitdaten aus Tachograf, Telematiksystem und Lohn-Zeiterfassung weichen voneinander ab und werden vor der Lohnabrechnung von Hand korrigiert.
• Rechtlicher Druck: Das Unternehmen, nicht der Fahrer, trägt die Pflicht, die Daten rechtzeitig auszulesen (Fahrzeugeinheit innerhalb von 90 Tagen, Fahrerkarte innerhalb von 28 Tagen), auszuwerten und wirksame Maßnahmen gegen Verstöße und Bedienfehler zu ergreifen; die IHK weist darauf hin, dass sich diese Kernpflicht kaum an einen Dienstleister abgeben lässt [1]. Der intelligente Tachograf der Version 2 erfasst Grenzübertritte sowie Be- und Entladevorgänge, und Behörden können Fahrzeuge am Straßenrand aus der Ferne kontrollieren, sodass Lücken und Manipulationen für die Kontrolle sichtbarer werden [2].
• KI-Nutzen: (1) Die Regelmaschine findet den Verstoß, die KI das Muster dahinter (gleiche Tour, gleicher Disponent, gleiche Wartezeit beim Verlader); (2) Abgleiche über mehrere Quellen finden fehlende manuelle Einträge, Lücken bei sonstigen Arbeiten und unplausibles Fahren ohne Karte; (3) Verbrauchsreferenzen je Lkw trennen Fahrstil, Ladung, Strecke und Wetter von echten Auffälligkeiten wie Abzapfen, Kartenmissbrauch oder einem undichten Tank; (4) ein LLM entwirft die Fahreranfrage, Verwarnung oder Korrektur des Zeitnachweises, die ein Mensch freigibt.
• Ehrliche Einordnung: Herstellerangaben zu Kraftstoffeinsparungen und Diebstahlquoten sind am Markt meist selbst berichtet und widersprechen sich zum Teil; behandeln Sie jede Zahl der Art „x % Diebstahl“ als ungeprüft. Der belastbare Nutzen ist eingesparte Zeit bei Auswertung und Abgleich sowie die frühere Erkennung offensichtlicher Ausreißer, nicht eine garantierte Kraftstoffersparnis.
• Abgrenzung: Tourenoptimierung ist OPT-001, das Laden von Elektro-Lkw OPT-021, Kameraüberwachung der Fahrer VIS-028, Fahrstilbewertung für Versicherungen PRED-030, allgemeine Lohnprüfungen ANOM-037 und Spesenbetrug ANOM-009.

Varianten

• Nur Compliance: Tachografenauswertung plus KI-Zusammenfassungen und Entwürfe für Verwarnungen. Die ausgereifteste Variante.
• Nur Kraftstoff und Telematik: Abgleich von Tankkarte und Telematik sowie Verbrauchsausreißer je Lkw.
• Kombiniert: ein Datensatz je Fahrer, Lkw und Tag, der Tachograf-, Telematik-, Kraftstoff-, Maut- und Zeiterfassungsdaten zusammenführt. Höchster Nutzen, höchster Datenaufwand.
• Subunternehmer und Flotten leichter Fahrzeuge: Seit dem 1. Juli 2026 brauchen leichte Nutzfahrzeuge über 2,5 t im internationalen Verkehr einen intelligenten Tachografen der Version 2 und fallen unter die Lenk- und Ruhezeitvorschriften [2]; dadurch geraten mehr kleine Betriebe in den Anwendungsbereich.
• Privatnutzung: nicht anwendbar.

So funktioniert es

1. Quellen: Tachografen-Downloads (Fahrzeugeinheit + Fahrerkarte) / Telematik / Tank- und Mautkarten / Zeiterfassung / TMS-Tourdaten
2. Einlesen + Identitätsabgleich (Fahrer, Karte, Kennzeichen, Auflieger, Tour, Tankstelle)
3. rechtliche Regelschicht (tägliche/wöchentliche Lenkzeit, Pausen, Ruhezeiten, fehlende Einträge, Karten- und Downloadlücken)
4. Abgleich über mehrere Quellen (Tachograf vs. Telematik vs. Zeiterfassung, je Fahrer und Tag)
5. Kraftstoffschicht (gekaufte Liter vs. Tankgröße und Fahrzeugposition, Verbrauch je 100 km vs. Lkw-Referenz)
6. Anomalieschicht (Vergleichs- und Verlaufsreferenzen, Zeitreihenresiduen, Isolation Forest; Kontext: Ladung, Strecke, Jahreszeit)
7. LLM-Schicht (Auffälligkeit erklären, Fahreranfrage / Verwarnung / Korrektur des Zeitnachweises entwerfen)
8. menschliche Prüfung (Disponent, Fuhrparkleitung, Personalabteilung)
9. Fallprotokoll + Feedback-Labels

• Erst Regeln: Verstöße sind gesetzlich definiert und müssen reproduzierbar sein; deshalb bleibt die rechtliche Auswertung regelbasiert, und zertifizierte Programme bleiben die Grundlage. Die KI entscheidet nicht, was ein Verstoß ist.
• Anomalieerkennung: Der Verbrauch je Lkw ist eine Zeitreihe mit starken Kontexteffekten (Nutzlast, Topografie, Stop-and-go, Kühlaggregat, Winter). Residuen gegenüber einem Modell je Lkw oder gegenüber vergleichbaren Lkw auf denselben Strecken sind zuverlässiger als feste Schwellenwerte; in Flottenmanagement-Material wird manchmal als Faustregel genannt, Abweichungen über etwa 5 % je Fahrzeug und Monat zu prüfen (nicht an einer Primärquelle verifiziert; ein Ausgangspunkt, kein Standard).
• Logik gegen Kraftstoffdiebstahl: Das stärkste Signal ist ein Tankkartenumsatz ohne passende Fahrzeugposition oder mit einer Menge, die größer ist, als der Tank fassen kann; ein Absinken des Tankfüllstands im Stand ist das zweitstärkste. Nicht jede Auffälligkeit ist Betrug (Sensordrift, Betanken von Kühlaggregaten, Kanisterkraftstoff für Maschinen).
• Mensch-in-der-Schleife: Eine Auffälligkeit ist ein Anlass zum Nachfragen, kein Beweis. Fahrer können sich äußern, bevor es Folgen gibt.

Datenaufbereitung

Welche Daten: Tachografendateien mit Fahrer- und Fahrzeugkennungen, Telematikexporte oder API-Daten (Position, Kilometerstand, Tankfüllstand, Verbrauch), Tank- und Mautkartenumsätze, Zeiterfassungsdaten, Tourdaten aus dem TMS, Fahrzeugstammdaten.

Wo sie liegen: Tachografenauswertungsprogramm und Download-Terminal oder Fernauslese-Dienst, Telematikportal des Lkw-Herstellers oder eines Drittanbieters (z. B. Webfleet, Fleetboard, Geotab), Portale der Tankkartenanbieter, der Mautanbieter, die Lohn-/Zeiterfassungssoftware, das TMS und die Excel-Tabellen der Disponenten.

Typische Lücken: nicht zugeordnete oder in den Stammdaten fehlende Fahrerkarten, nach Auflieger-Tausch geänderte Kennzeichen, unkalibrierte oder fehlende Telematik-Kraftstoffsignale in gemischten Flotten, Tankkarten, die für mehrere Lkw genutzt werden, Tourdaten in Freitext und Zeiterfassungsdaten, die später von Hand nachgetragen werden. Unterschiedliche Uhren und Zeitzonen erschweren die Verknüpfung.

Aufbereitungsschritte: 1. Eine Stammtabelle aufbauen: Fahrer, Fahrerkarte, Lkw, Auflieger, Tankkarte, Telematikeinheit (PREP-005). 2. Auf Fernauslesung oder ein Download-Terminal umstellen, damit Dateien vollständig und rechtzeitig eintreffen. 3. Tankfüllstands- und Verbrauchssignale je Lkw prüfen und Lkw ohne brauchbares Signal markieren. 4. Zeitstempel und Zeitzonen über alle Quellen angleichen. 5. 6–12 Monate Historie je Lkw für Referenzwerte sammeln sowie eine Liste bereits bekannter Fälle als Labels (PREP-020). 6. Den Zugriff beschränken: Die Daten zeigen einzelne Fahrer (PREP-023).

Werkzeuge: die vorhandenen Tachografen- und Telematikexporte, SQL oder DuckDB, eine Tabellenkalkulation für den ersten Abgleich.

Grober Aufwandsanteil: etwa 40–50 Prozent des Projekts, überwiegend Identitätsabgleich und Bereinigung gemischter Telematikquellen. Siehe GUIDE-003.

Umsetzungswege

Welcher Weg für wen

• KMU — Weg A: Die meisten Telematik- und Tachografenanbieter bieten bereits Auswertung, Warnmeldungen und Kraftstoffberichte; eine Erweiterung ist bei einer Flotte von 20–100 Lkw schneller als ein Eigenbau.
• Großunternehmen — Weg B: Große oder markengemischte Flotten brauchen einen eigenen Abgleich über mehrere Anbieter, ERP und Lohnabrechnung hinweg, daher passt eine Datenpipeline auf Cloud-APIs.
• Entwickler — Weg C: Open-Source-Anomalieerkennung auf eigener Hardware hält die Fahrerdaten im Haus und läuft auf der CPU.

Weg A — Kaufen (für die meisten KMU empfohlen)

• Tachografenauswertung: etablierte Programme für Download-Verwaltung und Verstoßlisten, zum Beispiel von den Tachografenherstellern und Flottensoftware-Anbietern (TIS-Web-/DTCO-Umfeld, Transics/Trimble, Webfleet, Fleetboard, Geotab, Samsara und spezialisierte Auswertungsprogramme). Prüfen Sie, welche davon KI-gestützte Zusammenfassungen statt fester Listen anbieten.
• Telematik-Kraftstoffberichte: Verbrauch je Fahrt und je 100 km mit Schwellenwerten und Warnmeldungen gibt es in gängigen Plattformen [3]; die Webfleet-Seite dokumentiert Warnmeldungen, Ausreißeranalyse und Kraftstoffberichte, beschreibt aber selbst keinen Tankkartenabgleich und keine Diebstahlerkennung – fragen Sie Anbieter daher gezielt nach dem Abgleich von Karte und Fahrzeug.
• Tankkartenanbieter: Viele bieten eigene Plausibilitätswarnungen (Karte weit vom Lkw entfernt genutzt, Mengen über dem Tankvolumen). Die Qualität schwankt; testen Sie mit Ihrer eigenen Historie.
• A wählen, wenn: ein Telematikanbieter die meisten Lkw abdeckt und der Prozess standardisiert ist. Prüfen Sie EU-Hosting, einen AVV, die Betriebsratsfähigkeit und wie Bewertungen erklärt werden.

Weg B — Auf Cloud-APIs aufbauen

• Datenschicht: Telematik-APIs der Anbieter, Tankkarten- und Mautexporte sowie das TMS in einem Data Warehouse in einer EU-Region.
• Analytik: Gradient Boosting oder Zeitreihen-Residuenmodelle je Lkw, eine Anomaliebibliothek wie PyOD, betrieben in einem verwalteten ML-Dienst.
• LLM-Schicht: Ein in der EU gehostetes Modell entwirft Erklärungen, Fahreranfragen und Korrekturvorschläge; pseudonymisieren Sie die Fahrernamen vor dem Aufruf.
• B wählen, wenn: Sie mehrere Telematikmarken haben oder Kraftstoff, Tachograf und Lohn in einer Sicht zusammenführen wollen.

Weg C — Selbst betreiben (Open Source)

• Stack: Postgres oder DuckDB, scikit-learn, PyOD oder Prognosen im Prophet-Stil, Grafana für Dashboards, n8n für den Workflow; ein kleines lokales LLM (Klasse llm-small) für Entwürfe.
• Hardware: HW1; die Analytik läuft auf der CPU. Die gesetzlichen Tachografenregeln brauchen weiterhin ein zertifiziertes Auswertungsprogramm oder einen sehr sorgfältig getesteten Regelsatz.

Weg D — Eigenes Training

Nur für große Flotten mit jahrelang gelabelten Diebstahls- und Störungsfällen, zum Beispiel ein Verbrauchsmodell je Lkw, das auf CAN-Bus-Daten trainiert wird. Für ein mittelgroßes Speditionsunternehmen selten gerechtfertigt.

Stand der Technik (2026)

• Regelbasierte Tachografenauswertung ist Standardware; KI-gestützte Erklärungen und der Abgleich über mehrere Quellen sind Funktionen für frühe Anwender, die manche Anbieter bieten, die aber noch nicht Standard sind.
• Der intelligente Tachograf v2 ist im internationalen Verkehr für schwere Fahrzeuge seit dem 19. August 2025 und für leichte Nutzfahrzeuge über 2,5 t seit dem 1. Juli 2026 verpflichtend; Geräte zur Fernkontrolle sind in den Mitgliedstaaten im Einsatz [2]. Das erhöht die Kosten unentdeckter Verstöße.
• Anomalieerkennung beim Kraftstoff funktioniert bei eindeutigen Fällen gut (Umsatz ohne Fahrzeugpräsenz, Mengen über dem Tankvolumen). Subtiles Abzapfen und diffuse Fahrstileffekte bleiben schwierig, weil der Verbrauch von Ladung, Strecke und Wetter abhängt. Viele öffentliche Genauigkeitsangaben stammen aus Herstellerblogs ohne Methodik; verlassen Sie sich nicht darauf.
• Grenzen: schlechte oder fehlende Tankfüllstandssignale in älteren Lkw, wenige Labels, Konzeptdrift durch Jahreszeiten und neue Strecken sowie Fehlalarme, die das Vertrauen der Fahrer beschädigen. Das rechtliche Urteil über einen Verstoß braucht immer einen Menschen und die Originaldaten.

Gemeinsame Bausteine & Kombinationen

• Anomalie-Stack (anomaly-detection, tabular-ml, time-series): gemeinsam mit ANOM-005 (Industriesensoren), ANOM-037 (Lohnprüfung, gleiche Logik beim Abgleich von Zeitnachweisen) und ANOM-009 (Kartenausgaben). Ein Feature Store mit Entitätsauflösung bedient alle.
• Gleiche Flottendaten: OPT-001 (Tourenplanung) braucht dieselben Plan-Ist-Daten; PRED-006 (vorausschauende Wartung) nutzt dieselben CAN-Bus-Signale; VIS-028 und PRED-030 berühren das Fahrerverhalten und sollten durch dieselbe Betriebsvereinbarung geregelt werden.
• Dokumente: DOC-006 liest Lieferscheine und DOC-001 Kraftstoff- und Mautrechnungen; beide speisen den Abgleich.
• Nachgelagert: AGENT-006 für den Monatsabschluss und die Kostenzuordnung je Lkw.

Aufwand, Kosten & Kennzahlen

• Weg A: Wochen bis zur Aktivierung, wenn der Telematikanbieter schon im Einsatz ist; Preise für Erweiterungen typischerweise pro Fahrzeug und Monat.
• Weg B: 3–6 Monate für Datenintegration, Modelle und Workflow; die Integration gemischter Telematikquellen ist der Kostentreiber.
• Weg C: 3–6 Monate mit einer Dateningenieurin bzw. einem Dateningenieur; niedrige laufende Kosten.
• Kennzahlen: Anteil rechtzeitiger Downloads, Verstöße je 1.000 Lenkstunden, Zeitaufwand für die Auswertung pro Woche, gefundene und korrigierte Abweichungen zwischen Tachograf und Zeiterfassung, Anteil automatisch abgeglichener Tankvorgänge, bestätigte Kraftstoffauffälligkeiten pro Quartal, Fehlalarmquote, Liter je 100 km je Lkw-Gruppe.

Menschen & Veränderung

Früh einbinden: Geschäftsführung (Mandat und die Regel, dass Auffälligkeiten nur Hinweise sind), die Fuhrparkleitung oder Disposition als Prozessverantwortliche, die IT für die Telematik- und Lohnschnittstellen und die Datenverantwortlichen für Tankkarten- und Zeiterfassungsdaten. Datenschutzbeauftragte und Betriebsrat kommen hinzu, bevor eine Analyse auf Fahrerebene beginnt.

Betriebsrat: ja. Ein System, das Fahr-, Ruhe-, Positions- und Kraftstoffdaten je namentlich bekanntem Fahrer verbindet, ist objektiv geeignet, Verhalten und Leistung zu überwachen (§87 Abs. 1 Nr. 6 BetrVG); §90 Abs. 1 Nr. 3 verlangt die rechtzeitige Unterrichtung über KI-gestützte Arbeitsprozesse. Eine Betriebsvereinbarung sollte die Zwecke benennen (rechtliche Compliance, Diebstahlschutz, Korrektur von Zeitnachweisen), eine dauerhafte Leistungsrangliste ausschließen, die Speicherdauer festlegen und automatische Sanktionen verbieten (GUIDE-004).

KI-Kompetenz: Art. 4 der KI-Verordnung (AI Act) verlangt Maßnahmen für die Beschäftigten; schulen Sie Disponenten darin, was eine Auffälligkeit bedeutet und wie sie mit Fahrern sprechen (GUIDE-006).

Kommunikation und Pilot: Stellen Sie das Werkzeug als Entlastung von Listenarbeit und als Schutz ehrlicher Fahrer vor falschen Anschuldigungen dar. Beginnen Sie mit 5–10 Lkw, lassen Sie 2–3 Monate im Schattenbetrieb laufen und verfolgen Sie die Fehlalarme, bevor Sie auf Auffälligkeiten reagieren (GUIDE-008, GUIDE-009).

Typische Bedenken: Überwachung der Fahrer (Zwecke begrenzen, transparent sein), Angst vor Kündigung wegen kleiner Verstöße (menschliche Entscheidung, zuerst Coaching), gegenseitige Schuldzuweisung zwischen Disposition und Fahrer (die Mustersicht zeigt, wann die Planung den Verstoß verursacht).

Risiken, Regulierung & Compliance

• Lenkzeitrecht: Verordnung (EG) Nr. 561/2006 (Lenkzeiten, Pausen, Ruhezeiten), Verordnung (EU) Nr. 165/2014 über Fahrtenschreiber in der durch die Regeln des Mobilitätspakets geänderten Fassung, das deutsche Fahrpersonalgesetz und die Fahrpersonalverordnung (§2 FPersV zu Downloads) sowie das Arbeitszeitgesetz für die Arbeitszeit. Die Download-Fristen betragen 90 Tage für die Fahrzeugeinheit und 28 Tage für die Fahrerkarte, gerechnet ab dem ersten Ereignis nach dem letzten Download [1]. Die Durchsetzung liegt in Deutschland beim BALM und den Landesbehörden; Bußgelder bei Verstößen können Fahrer und Unternehmen treffen.
• KI-Verordnung (AI Act): abhängig vom Einsatz. Reine Kraftstoff- und Verbrauchsanalytik hat minimales Risiko. Anhang III Nr. 4 Buchst. b führt KI zur Überwachung und Bewertung von Leistung und Verhalten von Beschäftigten als Hochrisiko auf; ein System, das einzelne Fahrer bewertet und disziplinarische Maßnahmen antreibt, kann darunter fallen. Gestalten Sie es als Anomalieerkennung für Compliance und Kosten mit menschlichen Entscheidungen, dokumentieren Sie den Verwendungszweck und lassen Sie es rechtlich prüfen [4].
• DSGVO und BDSG: Fahrzeugdaten sind personenbezogene Daten, sobald ein Fahrzeug einem Fahrer zugeordnet ist. Eine Einwilligung ist im Beschäftigungsverhältnis kaum freiwillig, die Grundlage ist daher §26 BDSG oder Art. 6 Abs. 1 Buchst. f mit Interessenabwägung; eine dauerhafte Überwachung des Arbeitsverhaltens rund um die Uhr ist nicht zu rechtfertigen, Diebstahlschutz und rechtliche Compliance können es sein; heimliche Ortung ist grundsätzlich unzulässig. Eine DSFA gilt für diese Art der Überwachung als zwingend, was nach §38 BDSG auch eine Datenschutzbeauftragte bzw. einen Datenschutzbeauftragten erfordert [5]. Verwenden Sie kurze Speicherfristen für Positionsdaten und pseudonymisierte Aggregate für die Flottenauswertung. Art. 22 DSGVO: keine ausschließlich automatisierten Entscheidungen mit erheblicher Wirkung.
• Arbeits- und Steuerrecht: Mindestlohn und Arbeitszeitdokumentation (MiLoG) setzen korrekte Zeitnachweise voraus; die GoBD gelten für archivierte Kraftstoff- und Mautrechnungen.
• Gegenmaßnahmen: die rechtliche Auswertung regelbasiert und reproduzierbar halten, KI-Vorschläge im Vergleich zu den endgültigen Entscheidungen protokollieren, Auffälligkeitsquoten je Fahrergruppe testen, Fahrern vor Konsequenzen Gelegenheit zur Stellungnahme geben.

Erste Schritte

1. Prüfen, ob die Downloads rechtzeitig (90/28 Tage) und lückenlos laufen; das vor jeder KI in Ordnung bringen.
2. Betriebsrat und Datenschutzbeauftragte ins Boot holen; Zweck, Datenumfang und Speicherdauer schriftlich festhalten.
3. Die Stammtabelle Fahrer–Karte–Lkw–Tankkarte aufbauen und einen Monat lang Tachograf und Zeiterfassung von Hand abgleichen.
4. Tankkarte und Telematik für 6–12 Monate verknüpfen und Umsätze ohne Fahrzeugpräsenz sowie die größten Verbrauchsausreißer je Lkw auflisten.
5. Die aktuellen Anbieter fragen, was davon sie schon bieten; eine eigene Schicht nur für die Lücken ergänzen.
6. Mit einer kleinen Gruppe im Schattenbetrieb pilotieren, Ergebnisse als Labels festhalten, dann ausweiten.

Quellen

1. IHK Stuttgart — Auslesen von Fahrerkarten und Fahrzeugeinheiten (90/28-day deadlines, employer duty to evaluate; page dated 2020) — https://www.ihk.de/stuttgart/branchen/verkehrswirtschaft/sozialvorschriften-beschaeftigung/sozialvorschriften/auslesen-von-fahrerkarten-682606
2. European Commission — Smart tachograph version 2: enforcement and retrofit phases (19 August 2025; light vehicles from 1 July 2026) — https://transport.ec.europa.eu/news-events/news/stronger-and-more-unified-enforcement-eu-rules-international-road-transport-smart-tachograph-2025-08-19_en
3. Webfleet — Fuel monitoring and analysis (vendor page; alerts, outlier analysis, reports) — https://www.webfleet.com/en_gb/webfleet/fleet-management/fuel-management/fuel-monitoring
4. AI Act — Annex III high-risk systems (point 4 employment and worker monitoring) — https://artificialintelligenceact.eu/annex/3/
5. Dr. Datenschutz — GPS-Überwachung am Arbeitsplatz und der Datenschutz (legal basis, DPIA, retention) — https://www.dr-datenschutz.de/gps-ueberwachung-am-arbeitsplatz-und-der-datenschutz/
6. EUR-Lex — Regulation (EC) No 561/2006 on driving times and rest periods — https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=celex:32006R0561
7. Regulation (EU) 2024/1689 (AI Act) — https://eur-lex.europa.eu/eli/reg/2024/1689/oj