Digitale Frachtvermittlung und Automatisierung der Spotpreis-Disposition

Vermittler und Spediteure vergeben einen großen Teil des Straßengüterverkehrs noch per Telefon und E-Mail: Ein Verlader fragt nach einem Preis, ein Disponent geht eine Frachtführerliste durch, verhandelt, bucht und fragt später beim Fahrer den Status nach. Digitale Frachtvermittlung verbindet ein Preisvorhersagemodell, eine Zuordnungs-/Optimierungsschicht und zunehmend LLM- und Sprachagenten, um in Sekunden ein Angebot zu erstellen, Frachtführer automatisch zu buchen und Leerkilometer zu senken. Der Schwerpunkt der Menschen verlagert sich auf Ausnahmen, Beziehungen und Preisregeln.

Problem & Nutzen

• Heute: zersplitterter Markt mit vielen kleinen Frachtführern, Frachtbörsen, Ausschreibungsportalen und E-Mail. Die Angebotserstellung beruht auf der Erfahrung der Disponenten; Frachtführer werden nach Gewohnheit ausgewählt; Statusabfragen und Nachverfolgung nehmen einen großen Teil des Tages ein. Leerfahrten und Wartezeiten sind strukturelle Kostentreiber.
• KI-Nutzen: einheitliche und schnelle Spotpreis-Angebote, bessere Zuordnung von Frachtführer und Ladung (Relationshistorie, Ausstattung, Zuverlässigkeit), automatisierte Buchung und Sendungsverfolgung, Margenschutz durch Bewusstsein für Preisrisiken, weniger Leerfahrten durch Rückladungsvermittlung.
• Belege: Die Straßengüterverkehrsstatistik von Eurostat weist einen beträchtlichen Anteil an Leerfahrten im EU-Straßenverkehr aus [1]; Anbieter wie Uber Freight und Transporeon veröffentlichen Produktaussagen zu Automatisierung und Zuordnung [2][3], doch diese Zahlen stammen von den Anbietern und sind nicht unabhängig geprüft – validieren Sie sie mit einem Pilotprojekt auf Ihren eigenen Relationen.

Varianten

• Digitaler Vermittler / Marktplatz: zweiseitige Plattform (Verlader-App, Frachtführer-App, Sofortpreis).
• Klassischer Spediteur oder Vermittler: KI-Assistent für den Dispositionsplatz (Angebotsposteingang, Frachtführer-Ranking).
• Beschaffung auf Verladerseite: Automatisierung von Spot-Ausschreibungen aus einem TMS mit Frachtführer-Kaskade (siehe auch AGENT-024).
• Kleiner Frachtführer / Eigentümerfahrer: Ladungssuche, Rückladungsfinder und Preisvergleich.
• Hybrid aus Vertrag und Spot: Routing-Leitfaden für vertraglich gebundene Frachtführer, Spot als Rückfalloption bei Ablehnung.
• Private Nutzung: nicht anwendbar (B2B).

So funktioniert es

1. Transportauftrag (TMS/EDI/E-Mail/Portal)
2. Dokumenten- & Nachrichtenanalyse (LLM/OCR: Relation, Termine, Ausstattung, Gewicht, Sonderbedingungen)
3. Preisvorhersage (Gradient Boosting / Zeitreihen zu Relation, Saison, Kraftstoff, Index, Vorlaufzeit)
4. Frachtführer-Zuordnung (Bewertung nach Preis, Zuverlässigkeit, Ausstattung, Position, Präferenz; Solver für Mehrladungs-/Rückladungskombinationen)
5. Angebot an den Verlader (automatisch innerhalb der Leitplanken, Freigabe durch Disponent über Limits)
6. Buchung: Ausschreibungskaskade oder Gebote an Frachtführer (API / E-Mail / Sprachagent)
7. Sendungsverfolgung & Statusabfragen (Telematik- / Sichtbarkeits-APIs, LLM- oder Sprachagent als Rückfall)
8. Erfassung des Liefernachweises (POD), Rechnungsstellung, Rückkopplung in Preis- und Frachtführer-Bewertungsmodelle

• Preismodell: Tabellarisches ML (Gradient Boosting) sagt Preis und Annahmewahrscheinlichkeit je Relation und Vorlaufzeit voraus; Zeitreihenmerkmale erfassen Saisonalität und Phasen knapper Kapazität. Das Ergebnis ist ein Bereich, kein Einzelwert, damit Margenregeln angewendet werden können.
• Zuordnung: Bewertung plus Zuweisungs-/Set-Partitioning-Solver (OR-Tools, HiGHS, Gurobi); für Kombinationen mit mehreren Stopps siehe OPT-001 und OPT-012.
• Agenten: Ein LLM liest E-Mails mit Preisanfragen und verfasst Antworten; Sprachagenten (ASR + LLM
• TTS) führen routinemäßige Statusabfragen durch; Agenten rufen Werkzeuge auf (TMS-API, Preismaschine), statt Preise zu erfinden.
• Mensch-in-der-Schleife (Human-in-the-Loop): Preisuntergrenzen/-obergrenzen, neue Frachtführer, hochwertige oder gefährliche Ladungen und jede Verhandlung außerhalb der Leitplanken gehen an einen Disponenten; der Verantwortliche für die Preisregeln prüft die Modellabweichung (Drift) wöchentlich.

Datenaufbereitung

Die Qualität der historischen Relations- und Angebotsdaten entscheidet darüber, ob die Preisvorhersage das Bauchgefühl eines Disponenten schlägt. Die Daten liegen typischerweise im TMS oder ERP (Aufträge, Rechnungen, Frachtkosten), in gemeinsam genutzten Postfächern (Preisanfragen und Frachtführerangebote), in Excel-Preislisten, in Frachtführerportalen sowie als PDF oder Papier-CMR und Scans von Liefernachweisen.

Typische Lücken: Relationsdefinitionen, die sich zwischen Systemen unterscheiden (Postleitzahl gegenüber Ortsnamen), Angebote ohne erfasstes Ergebnis (gewonnen oder verloren), doppelte Stammdaten von Frachtführern, abgelaufene Versicherungsnachweise, eingescannte Dokumente und Preise, die nur in den Postfächern einzelner Disponenten liegen.

Schritte der Aufbereitung: 1. Erstellen Sie ein Dateninventar und eine Lückenanalyse (PREP-001, PREP-002) für TMS-, Mail- und Excel-Quellen. 2. Exportieren Sie Aufträge, Kosten und Angebote per API oder Datenbankauszug (PREP-005) und vereinheitlichen Sie die Relationen auf Postleitzahlgebiete. 3. Bereinigen Sie die Stammdaten der Frachtführer, entfernen Sie Dubletten und ergänzen Sie Leistungskennzeichen; ordnen Sie die Preislisten (PREP-011). 4. Gewinnen Sie Gewonnen-/Verloren-Labels aus gebuchten gegenüber abgelehnten Angeboten (PREP-020). 5. Digitalisieren Sie CMR- und POD-Scans mit OCR (PREP-006, DOC-014).

Werkzeuge: die TMS-Exporte, ein kleiner ETL-Job oder n8n-Workflow und eine OCR-Komponente. Rechnen Sie damit, dass etwa die Hälfte des gesamten Projektaufwands in die Datenarbeit fließt, vor allem in die Vereinheitlichung der Relationen und die Wiederherstellung der Labels.

Umsetzungswege

Welcher Weg für wen

• smb (A): Ausgereifte Produkte für Frachtvermittlung und TMS mit Hosting in der EU gibt es zu KMU-tauglichen Preisen, und die Spotpreis-Disposition ist ein recht standardisierter Prozess.
• enterprise (B): Preismodelle und Frachtführer-Bewertungen, die auf Ihrer eigenen Relationshistorie und Ihrem TMS aufbauen, sind ein Wettbewerbsvorteil, und das Volumen macht Gebühren pro Nutzer oder pro Ladung hoch.
• developer (B): Cloud-APIs für LLMs und OCR plus ein eigenes Preismodell ermöglichen die Integration in das TMS des Kunden schneller, als alles selbst zu trainieren oder zu betreiben.

Weg A — Kaufen (Standardsoftware) (für die meisten KMU empfohlen)

• Digitale Vermittler / Marktplätze: Uber Freight (USA, global), sennder (EU, Deutschland), Timocom und Trans.eu (europäische Frachtbörsen, bei Timocom mit Preis- und Marktanalysewerkzeugen), Transporeon (EU, jetzt Teil von Trimble) mit Modulen für Spot-Ausschreibung und Frachtführernetzwerk, Teleroute/Alpega (EU). Prüfen Sie vor dem Kauf die aktuellen Produktlinien.
• Automatisierung der Disposition: TMS-Anbieter mit Angebots- und Ausschreibungsmodulen, z. B. Alpega TMS, Transporeon, Trimble, Descartes, project44 / FourKites / Sixfold (EU) für Sichtbarkeit und automatisierte Statusabfragen.
• Wählen Sie A, wenn: Sie schnell starten möchten und Netzwerkabhängigkeit und Plattformgebühren akzeptieren können.

Weg B — Auf Cloud-KI-Diensten aufbauen

• Angebots-/Mail-Agent: Spitzen-LLM mit strukturierten Ausgaben (Claude, Gemini, GPT, Mistral – EU-Region oder EU-Anbieter), das Relation/Datum/Ausstattung in JSON extrahiert und Antworten entwirft.
• Preis- und Zuordnungsdienste: verwaltetes ML (Vertex AI, Azure ML, SageMaker) auf Ihrer Angebotshistorie; oder ein Bibliotheksmodell, das als interne API bereitgestellt wird.
• Integration: TMS-REST/EDI (EDIFACT IFTMIN), Sichtbarkeits-APIs, Frachtbörsen-APIs, sofern lizenziert, Orchestrierung mit n8n oder einer Workflow-Engine.
• Sprache: verwaltete Sprach-APIs plus ein LLM für skriptgesteuerte Statusabfragen; weisen Sie immer darauf hin, dass es sich um einen KI-Anrufer handelt.

Weg C — Selbst betreiben (Open Source)

• Modelle: LightGBM/XGBoost/CatBoost für Preise; Chronos oder ähnliche Zeitreihen-Basismodelle für die Indexprognose; OR-Tools oder HiGHS für die Zuordnung; Open-Weight-LLMs (Mistral, Qwen, Llama-Familie) über vLLM für die E-Mail-Analyse; ASR der Whisper-Klasse für Gesprächsprotokolle.
• Hardware: HW1 für den ML-/Solver-Teil, HW2 für ein kleines LLM und den Sprach-Stack.
• Aufwand: erfordert Dateningenieure und ML-Fachkräfte; lohnt sich für Vermittler mit hohem Volumen.

Weg D — Eigenes Training

Kern des Wettbewerbsvorteils: Preis- und Annahmemodelle auf der eigenen Angebots- und Buchungshistorie trainieren (typischerweise zehntausende historische Ladungen über mehrere Relationen), einschließlich verlorener Angebote (zensierte Daten). Modelle für Frachtführer-Zuverlässigkeit und Ankunftszeit (ETA) benötigen Telematikhistorie. Nutzen Sie Champion-/Challenger-Tests, bevor Sie automatisieren.

Stand der Technik (2026)

• Agentische Disposition: Große Anbieter und Start-ups bewerben KI-Agenten, die Angebote erstellen, innerhalb von Grenzen verhandeln, buchen und Statusabfragen durchführen. Der Markt ist noch jung; die dauerhaft erreichbaren Durchlaufquoten unterscheiden sich stark je nach Komplexität der Relation.
• Preisbildung: Gradient Boosting dominiert weiterhin die tabellarische Preisvorhersage; Basismodelle helfen vor allem bei unstrukturierten Eingaben (E-Mails, PDFs), nicht beim Preis selbst.
• Sichtbarkeit: Echtzeit-Sendungsverfolgung über Telematik-/ELD-artige APIs und die EU-Verordnung eFTI (elektronische Frachtbeförderungsinformationen), die Transportdokumente digitalisiert [4].
• Grenzen: dünne Datenlage bei seltenen Relationen, plötzliche Marktschocks (Streiks, Grenzschließungen), adverse Selektion (Frachtführer nehmen nur unterbewertete Ladungen an), Frachtbetrug und Identitätsdiebstahl bei der Aufnahme von Frachtführern, LLM-Fehler bei Begriffen wie Incoterms oder ADR. Lassen Sie einen Agenten niemals Preise außerhalb der Leitplanken bestätigen.

Gemeinsame Bausteine & Kombinationen

• Gleicher Stack: tabellarische Prognose/Zeitreihenprognose mit PRED-001 und OPT-004 (Preisgestaltung); Solver-Komponenten mit OPT-001, OPT-012 und OPT-008.
• Dokumente und Betrieb: DOC-006 (CMR, Lieferscheine, POD) und AGENT-024 (Agent für den Frachtbetrieb) sind naheliegende Ergänzungen; der Sprach-/ASR-Stack wird mit Anwendungsfällen im Contact-Center geteilt.
• Datenbestände: Relationspreishistorie, Frachtführer-Bewertungen und Sichtbarkeitsdaten sind in allen wiederverwendbar.

Aufwand, Kosten & Kennzahlen

• Weg A: Wochen bis wenige Monate inkl. Integration; Transaktions- oder Abonnementgebühren.
• Weg B: 3–6 Monate für Angebotsassistent plus Preisdienst; Kostentreiber sind Datenbereinigung, TMS-Integration, LLM-Token (gering im Vergleich zu den Arbeitskosten).
• Weg C/D: 6–12 Monate mit ML-Team; laufende Überwachung.
• Kennzahlen: Angebot-zu-Buchung-Quote, Antwortzeit auf Angebotsanfragen, Rohertrag je Ladung und Margenstreuung, Preisvorhersagefehler (MAPE) je Relation, Anteil der berührungslos gebuchten Ladungen, Annahmequote der Frachtführer, Anteil der Leerkilometer, pünktliche Abholung/Zustellung, Statusabfragen je Ladung, Betrugsfälle.

Menschen & Veränderung

Beginnen Sie mit der Geschäftsführung und der Leitung der Disposition oder des Betriebs, die den Prozess und die Margenziele verantworten. Beziehen Sie die IT und die Datenverantwortlichen von TMS und ERP früh ein, denn Integration und Datenzugriff entscheiden über alles Weitere. Beziehungen zu Frachtführern sind persönlich; holen Sie daher einige erfahrene Disponenten als Pilotgruppe ins Boot und lassen Sie sie schlechte Preis- oder Frachtführervorschläge ablehnen; die Buchung bleibt zunächst ein menschlicher Klick.

Betriebsrat: abhängig vom Einzelfall. Falls Ihr Unternehmen einen hat, ist eine Mitbestimmung nach § 87 Abs. 1 Nr. 6 BetrVG wahrscheinlich, wenn das System Aktivitäten, Antwortzeiten oder Gesprächsinhalte von Disponenten protokolliert (Statusabfragen über Sprachagenten), und § 90 Abs. 1 Nr. 3 verlangt die rechtzeitige Information über KI-gestützte Arbeitsprozesse. Vereinbaren Sie, dass Preis- und Frachtführer-Bewertungen nicht zur individuellen Leistungsbeurteilung verwendet werden.

Datenschutz: Fahrer von Frachtführern und Ansprechpartner sind personenbezogene Daten. Binden Sie die oder den Datenschutzbeauftragte(n) ein, schließen Sie mit jedem Auftragsverarbeiter einen AVV (Art. 28 DSGVO) und führen Sie eine DSFA durch, wenn Gesprächsaufzeichnungen oder Fahrerortung im Spiel sind. Informieren Sie Frachtführer, wenn Sprachagenten sie anrufen (Art. 50 KI-Verordnung (AI Act)).

KI-Kompetenz: Unterstützen Sie die Mitarbeitenden mit einer kurzen praxisnahen Schulung zum Lesen von Vertrauensbereichen und zum Erkennen falscher Angebote (siehe GUIDE-006). Typische Sorge: Angst vor Ersatz; begegnen Sie ihr, indem Sie die gewonnene Zeit für Verhandlungen und Schlüsselkunden einsetzen (GUIDE-008). Planen Sie den Pilot mit GUIDE-009 und die Schritte zum Betriebsrat mit GUIDE-004.

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): in der Regel minimales Risiko – Preisbildung und Zuordnung im Gütertransport sind keine Anwendung nach Anhang III. Eine Ausnahme, die zu beachten ist: Wenn das System selbstständigen Fahrern Arbeit zuteilt oder sie überwacht (algorithmisches Management von Arbeitskräften), prüfen Sie die Beschäftigungskriterien nach Anhang III Nr. 4. Sprachagenten müssen die Interaktion mit einer KI offenlegen (Art. 50). Es ist keine Praxis nach Art. 5 betroffen; schließen Sie nicht auf Emotionen von Fahrern.
• DSGVO: Namen, Telefonnummern, Standort und Gesprächsaufzeichnungen von Fahrern sind personenbezogene Daten; wenden Sie Zweckbindung für die Ortung an (keine Ortung außerhalb des Transports), Speicherfristen, AVV mit Anbietern, Einwilligung/Hinweis bei Gesprächsaufzeichnung und die Einbindung des Betriebsrats an, wo Beschäftigte betroffen sind.
• Plattform- und Wettbewerbsrecht: Die EU-Plattformarbeitsrichtlinie 2024/2831 kann gelten, wenn Fahrer Plattformbeschäftigte sind; vermeiden Sie Preisabstimmung durch gemeinsam genutzte Preismodelle zwischen Wettbewerbern (Art. 101 AEUV).
• Branchenregeln: CMR-Haftung, Haftung des Spediteurs nach HGB, Mobilitätspaket und Kabotageregeln, EU-Datenverordnung (Data Act) für den Zugang zu Fahrzeugdaten, eFTI.
• Gegenmaßnahmen: Preisleitplanken, Prüfung von Frachtführern und Betrugskontrollen (Versicherung, Lizenz, Bankdaten), Prüfprotokoll für jedes automatische Angebot, Notausschalter, Rückvergleich (Backtesting) mit historischen Ladungen.

Erste Schritte

1. Exportieren Sie 12–24 Monate an Angeboten, Gewinnen/Verlusten, Buchungen und Frachtführer-Leistungsdaten aus dem TMS.
2. Messen Sie die Ausgangslage: Angebotszeit, Marge, Konversion, Leerfahrtenanteil je Relation.
3. Testen Sie einen Angebots-Postfach-Assistenten (Weg A/B) mit menschlicher Freigabe; der Disponent behält die Kontrolle.
4. Ergänzen Sie ein Preismodell für die wichtigsten Relationen; laufen Sie im Schattenmodus und vergleichen Sie mit den tatsächlichen Ergebnissen.
5. Buchen Sie nur innerhalb enger Leitplanken automatisch (bekannte Frachtführer, Standardausstattung) und weiten Sie dann aus.

Quellen

1. Eurostat — Road freight transport statistics (empty running) — https://ec.europa.eu/eurostat/statistics-explained/index.php?title=Road_freight_transport_statistics
2. Uber Freight — Insights AI and product pages — https://www.uberfreight.com
3. Transporeon (Trimble) — Freight marketplace and spot tendering — https://www.transporeon.com
4. Regulation (EU) 2020/1056 on electronic freight transport information (eFTI) — https://eur-lex.europa.eu/eli/reg/2020/1056/oj
5. Regulation (EU) 2024/1689 (AI Act) — https://eur-lex.europa.eu/eli/reg/2024/1689/oj
6. Directive (EU) 2024/2831 on improving working conditions in platform work — https://eur-lex.europa.eu/eli/dir/2024/2831/oj
7. Google OR-Tools — https://developers.google.com/optimization
8. Chronos time-series models — https://github.com/amazon-science/chronos-forecasting