Künstliche Intelligenz an jedem Punkt Ihres Betriebs

Dokumente lesen, Felder ausfüllen, Tarife und Zölle finden, Rechnungen auslesen – KI arbeitet bei jedem Schritt mit.

KI liest Ihre Frachtdokumente und füllt die Felder aus – 98,6 % Genauigkeit

Automatische Übersetzung von Dokumenten und Nachrichten in 36 Sprachen

Formulare per Foto ausfüllen, Tarifabfrage und Rechnungserfassung

Das System liest Ihre Dokumente – Sie tippen keine einzige Angabe ab

Die KI liest CMR, Rechnung, T1/T2, Packliste und Konnossement; sie erfasst Felder wie HS-Code, Gewicht und Versender mit einem Konfidenzwert und füllt das Formular selbst aus.

Tippen Sie Daten nie mehr selbst ab.

Produkt fotografieren – der Katalog füllt sich selbst

Die KI analysiert ein Produkt- oder Palettenfoto und schlägt Katalogfelder wie Name, Kategorie, Marke und Maße automatisch vor – so legen Sie einen Bestandsdatensatz in Sekunden an.

Vorschläge sind bearbeitbar; gespeichert wird erst nach Ihrer Freigabe.

KI erkennt Abweichungen zwischen Ihren Dokumenten

Die KI vergleicht Packstückzahlen, Gewichte und Namen der Beteiligten über CMR, Rechnung und Packliste hinweg, markiert Abweichungen, prüft den Dokumenttyp und warnt Sie vor ungültigen Dateien.

KI erkennt die Unterschiede, die dem menschlichen Auge entgehen.

KI an jedem Punkt Ihres Betriebs

Kein einzelner Assistent, sondern eine KI-Schicht, die über Dokumente, Tarife, Katalog, Prüfungen und Rechnungen hinweg arbeitet.

Ergebnisse zu Tarifen und Antidumping dienen ausschließlich Informationszwecken.

Dokumentenerfassung & Feldextraktion — Liest CMR, Rechnung, T1/T2, Packliste und Konnossement und füllt die Felder mit einem Konfidenzwert aus.
Übersetzung in 36 Sprachen — Übersetzt Dokumente und Nachrichten automatisch in 36 Sprachen, sodass Sie in Ihrer eigenen Sprache korrespondieren.
Formulare per Foto ausfüllen — Schlägt Katalogfelder automatisch anhand eines Produkt- oder Palettenfotos vor; gespeichert wird mit Ihrer Freigabe.
Tarif- & Antidumping-Abfrage — Liefert HS-Codes, Einfuhrzölle und geltende Antidumpingmaßnahmen aus amtlichen Quellen (TR/UK/EU/US), bei Bedarf ergänzt durch KI.
Plausibilitätsprüfung — Erkennt Abweichungen bei Packstückzahl, Gewicht und Namen der Beteiligten zwischen Dokumenten, prüft den Dokumenttyp und markiert ungültige Dateien.
Frachtrechnungen auslesen — Die KI liest die eingehende Frachtrechnung, erfasst Gesamtbetrag und Rechnungsempfänger und verknüpft beides mit dem Sendungsdatensatz.

Steuern Sie Ihren Betrieb mit KI

Dokumentenerfassung, Übersetzung, Tarife, Plausibilitätsprüfung und Rechnungserfassung – alles auf einem Kern, vom ersten Tag an.

Was leistet KI-Software für Logistik und Lieferkette tatsächlich?

Vier KI-Fähigkeiten sind in der Logistik ausgereift: Felder aus Dokumenten auslesen, Dokumente gegeneinander abgleichen, mehrsprachig übersetzen und Fotos in strukturierte Daten umwandeln. Fünf weitere sind in Entwicklung: Unterstützung bei der Zolltarifierung, Schadensbewertung, Erfassung von Spesenbelegen, ETA und das Anlegen von Datensätzen aus Freitext. All das ist Dateneingabe und Prüfung. Über Einreihung, Zollanmeldung oder Preise entscheidet KI nicht; ihre Ergebnisse sind probabilistisch und brauchen eine menschliche Freigabe. Der Nutzen richtet sich danach, wie oft sich der manuelle Schritt wiederholt, den sie ersetzt – nicht nach der Funktionsliste.

Was KI in der Logistik heute tatsächlich leistet, lässt sich in neun Fähigkeiten fassen: vier ausgereifte und fünf, die sich noch entwickeln. Die ausgereiften lassen sich in Sekunden überprüfen, indem man das Ergebnis mit seiner Quelle abgleicht: Felder aus Dokumenten auslesen, Dokumente gegeneinander lesen, um Abweichungen zu markieren, Korrespondenz und Papiere übersetzen und ein Foto in strukturierte Daten umwandeln. Die sich entwickelnden erfordern Urteilsvermögen, hängen von äußeren Bedingungen ab oder von der Disziplin auf dem Betriebshof: Unterstützung bei der Zolltarifierung, Bewertung von Equipment-Schäden, Erfassung von Spesenbelegen, voraussichtliche Ankunftszeit und das Anlegen von Datensätzen aus Freitext.

Ebenso klar ist, was sie nicht leisten. Einreihung, Zollanmeldung und Preisentscheidung übernehmen sie nicht; diese sind mit Haftung verbunden und bleiben bei einem Menschen. Eine Warteschlange am Zoll, die Fährkapazität oder eine Kontrolle an der Grenze sehen sie nicht voraus. Vor allem aber ist ein KI-Ergebnis eine Wahrscheinlichkeit, keine Gewissheit: Jedes Feld kann mit einer gewissen Wahrscheinlichkeit falsch sein, deshalb ist kein Ablauf ohne Freigabeschritt sicher.

Diese Seite versieht jede der neun Fähigkeiten mit einem Reifegrad und legt dar, wie sie gemessen wird, wo sie scheitert und welche Daten sie braucht. Danach folgt, wie Sie die Aussage eines Anbieters „Wir haben KI“ in einer Demo testen.

Die eigentliche Aufgabe von KI in der Logistik ist Lesen, nicht Vorhersagen: strukturierte Daten aus Papieren, Fotos und Freitext herausziehen.
Prüfen Sie jede Fähigkeit mit zwei Fragen – wie wird sie gemessen, und wo liegt sie daneben? Ein KI-Versprechen, das keine der beiden beantwortet, lässt sich nicht messen.
Ein Genauigkeitswert allein sagt nichts: Fragen Sie, auf welchem Dokumentensatz gemessen wurde, ob auf Feld- oder Dokumentebene und wer die Messung durchgeführt hat.
Führen Sie die Demo mit Ihren eigenen, am schlechtesten gescannten Papieren durch, nicht mit dem vorbereiteten Satz des Anbieters. Genau dort scheitert KI.
Gelangt ein ausgelesener Wert ohne Freigabe in den Datensatz, erzeugt das System eine versteckte Korrekturlast, die die eingesparte Zeit wieder aufzehrt.
Ohne Daten keine KI: Fehlende Historie, ein leeres Geschäftspartnerverzeichnis und Scans mit geringer Auflösung verschlechtern das Ergebnis unmittelbar.

Was leistet KI in der Logistik wirklich?

Felderfassung aus Dokumenten / Dokumentenerfassung (ausgereift) — Erkennt den Dokumenttyp – Handelsrechnung, CMR-Frachtbrief, Packliste, Fahrzeugschein, Reisepass – und wandelt seinen Inhalt in strukturierte Daten um: Namen der Beteiligten, Datumsangaben, Anzahl der Packstücke, Brutto- und Nettogewicht, Beträge, Dokumentnummern, Ablaufdaten. In gut gebauten Systemen landen die ausgelesenen Daten als Vorschlag im Formular und werden vor dem Speichern freigegeben. Das ist kein Branchenstandard, sondern eine Designentscheidung, nach der Sie den Anbieter gesondert fragen müssen. Die Dateneingabe, bei der Papiere gelesen und in eine Bildschirmmaske abgetippt werden. In den meisten Unternehmen ist das keine eigene Stelle, sondern eine Last, die sich über den Arbeitstag des Disponenten und des Buchhalters verteilt. Zwei Kennzahlen gemeinsam: Genauigkeit auf Feldebene (korrekt ausgelesene Felder geteilt durch die Gesamtzahl der Felder, die hätten gelesen werden sollen) und Nachbearbeitungsquote (Dokumente, die eine menschliche Korrektur brauchen, geteilt durch die Gesamtzahl der Dokumente). Der Wert auf Dokumentebene – Dokumente, die ganz ohne Korrektur durchgehen – fällt immer niedriger aus, weil ein einziges falsches Feld das ganze Dokument durchfallen lässt. Handschriftliche Einträge, Text, der von einem Stempel oder einer Unterschrift überlagert wird, Scans in Faxqualität oder mit geringer Auflösung, schräg aufgenommene Handyfotos, mehrspaltige Tabellen, die auf eine Seite gequetscht sind, und noch nie gesehene Vorlagen. In Layouts, bei denen das System die Position auf der Seite statt der Feldbezeichnung liest, steigen die Fehler sprunghaft an. Eine digitale Kopie in lesbarer Auflösung – idealerweise ein nativ digitales PDF – und die vollständige, unbeschnittene Seite. Zur Validierung braucht das Feld ein Gegenstück im System, zum Beispiel den offiziellen Firmennamen, wie er in Ihrem Geschäftspartnerverzeichnis hinterlegt ist.
Dokumentübergreifende Plausibilitätsprüfung (ausgereift) — Liest die Dokumente derselben Sendung gegeneinander und markiert Abweichungen: Gewicht auf der Rechnung gegenüber dem Gewicht auf der Packliste, Packstückzahlen, Namen der Beteiligten, Ursprung und Wert. Die Unstimmigkeit fällt auf, bevor der Lkw abfährt oder die Anmeldung abgegeben wird – nicht erst an der Grenze. Die Person, die zwei oder drei Dokumente nebeneinanderlegt und mit bloßem Auge vergleicht. An hektischen Tagen ist das die erste Aufgabe, die wegfällt – und genau an dem Tag, an dem sie wegfällt, kostet sie am meisten. Trefferquote (wie viele bekannte Unstimmigkeiten markiert wurden) und Fehlalarmquote (wie viele Warnungen ein vollständig stimmiger Satz erzeugt). Wird Letztere nie gemessen, lernt das Team, Warnungen wegzuklicken, und die Prüfung verkommt innerhalb weniger Wochen zur Dekoration. Überall dort, wo dieselbe Tatsache in unterschiedlicher, aber zulässiger Form geschrieben ist: brutto gegenüber netto, unterschiedliche Einheiten, gerundete Beträge, ein abgekürzter Firmenname, zwei Adressen für dasselbe Unternehmen. Wurde ein Dokument nie hochgeladen, ist die Prüfung lückenhaft; sofern das System nicht meldet „Es gibt keinen zweiten Datensatz zum Abgleich“, entsteht eine stille Lücke, und das Team glaubt, es habe eine Prüfung stattgefunden. Mindestens zwei Dokumente, beide demselben Sendungsdatensatz zugeordnet. Die Liste der zu vergleichenden Felder und die Toleranzschwelle – wie viele Kilo Abweichung ohne Warnung durchgehen – müssen festgelegt sein.
Unterstützung bei der Zolltarifierung – HS- und nationale Codes (in Entwicklung) — Schlägt anhand der Warenbeschreibung und der Rechnungsposition mögliche Zolltarifnummern vor, gleicht ähnliche Beschreibungen ab und ruft die Einfuhrabgaben sowie die für diesen Code geltenden Handelsmaßnahmen auf. In der Türkei ist der nationale Code die GTİP, die den internationalen sechsstelligen HS-Code um weitere nationale Stellen erweitert; andere Märkte erweitern den HS auf ihre eigene Weise. Der Vorschlag ist eine Vorauswahl – die Entscheidung, unter welchem Code angemeldet wird, bleibt bei einem Menschen. Den Sachbearbeiter für Zoll-Compliance, der den Zolltarif Zeile für Zeile durchgeht, in alten Akten nach einem ähnlichen Produkt sucht oder einem Spezialisten eine E-Mail schreibt und auf Antwort wartet. Wie oft der richtige Code im ersten Vorschlag erscheint und wie oft unter den ersten drei; nutzen Sie Ihre eigenen abgeschlossenen früheren Anmeldungen als Referenzsatz. Achten Sie auch darauf, wie oft das Tool offen sagt, dass es unsicher ist – ein Tool, das nie zögert, lässt sich nicht messen. Waren aus gemischten Materialien, als Set verkaufte Artikel, Maschinenteile, die sich nach Funktion aufteilen, und Positionen mit allgemeiner Handelsbezeichnung („Zubehör“, „Ersatzteil“). Weil die nationalen Unterteilungen unterhalb des sechsstelligen HS-Codes von Land zu Land verschieden sind, kann dasselbe Produkt bei der Einfuhr und bei der Ausfuhr unter unterschiedliche Codes fallen; verschiebt sich die Nomenklatur bei einer jährlichen Aktualisierung, hat ein Code aus einer alten Akte heute womöglich keine Entsprechung mehr. Zeigt der Bildschirm nicht an, welche Jahresfassung der Nomenklatur das Tool liest, können Sie den Vorschlag nicht überprüfen. Die technische Beschreibung, die Materialzusammensetzung, der Verwendungszweck, das Ursprungsland und nach Möglichkeit ein Foto. Die Qualität der Vorschläge sinkt merklich, wenn nur die kurze Handelsbezeichnung aus der Rechnungsposition vorliegt.
Mehrsprachige Korrespondenz und Dokumentenübersetzung (ausgereift) — Übersetzt Sendungskorrespondenz und fremdsprachige Dokumente sofort; jede Seite schreibt und liest in ihrer eigenen Sprache. Der eigentliche Gewinn liegt in der Logistik nicht in der Wort-für-Wort-Übersetzung, sondern darin, dass Sätze mit Adressen, Verpackungshinweisen, Zahlungsbedingungen und Lieferanweisungen richtig verstanden werden. Verlorene Stunden in einem Übersetzungs-Tab, ausgelagerte Übersetzungen und den Engpass „die eine Person hier, die die Sprache spricht“. Messen Sie nicht die Übersetzung selbst, sondern die Fehler, die daraus entstehen: Vorfälle durch Missverständnisse (falsche Adresse, falsche Verpackung, verpasster Liefertermin) und die Zeit, die eine Akte liegen bleibt, weil sie auf eine Übersetzung wartet. Branchenjargon und Abkürzungen, lokale Zollterminologie, zwei Sprachen gemischt in einem Satz, abweichende Einheiten und Datumsformate sowie juristische Feinheiten. Die maschinelle Übersetzung eines Vertrags oder eines Anmeldungstextes ist nicht rechtsverbindlich, und das versehentliche Übersetzen von Namen der Beteiligten und von Ortsnamen ist ein weiterer häufiger Fehler. Der Text selbst; bei Dokumenten zuerst ein lesbarer Scan. Firmen-, Personen- und Ortsnamen, die im Verzeichnis korrekt geschrieben sind, verhindern, dass Namen „wegübersetzt“ werden.
Datenerfassung und Vermessung aus Fotos – Paletten, Waren, Fahrzeuge (ausgereift) — Felder wie Produktkategorie, Verpackungsart, Kennzeichen oder Palettenmaße werden aus einem Foto ausgelesen. In gut gebauten Systemen landen sie als Vorschläge im Formular und werden ohne Freigabe nicht gespeichert; das ist kein Standard, sondern eine Designentscheidung, nach der Sie den Anbieter gesondert fragen sollten. Hat das Smartphone einen Tiefensensor, werden Länge, Breite und Höhe mit einer deutlich geringeren Fehlerspanne erfasst als bei der fotobasierten Schätzung; die Spanne hängt von Gerät, Abstand und Oberfläche ab und bleibt zusammen mit dem Foto im Datensatz. Das Messen mit dem Maßband und Notieren in einem Heft, das Abtippen von Fahrzeugscheindaten in eine Bildschirmmaske und das Anlegen eines neuen Produkts in einem leeren Formular. Wie viele vorgeschlagene Felder unverändert freigegeben werden und um wie viel sich die Zeit zum Ausfüllen des Formulars verändert. Bei der Vermessung ist die Referenz dieselbe Palette, mit dem Maßband gemessen; die Abweichung wird in Zentimetern angegeben. Schlechtes Licht, mit Stretchfolie umwickelte und spiegelnde Oberflächen, unregelmäßig gestapelte oder überstehende Ladungen, andere Paletten im Hintergrund und Tiefe, die sich aus einem einzelnen Bild nicht ableiten lässt. Auch die Sensormessung ist nicht fehlerfrei; auf spiegelnden und umwickelten Oberflächen wächst die Abweichung. Ein aus einem Foto abgeleitetes Volumen ist eine Schätzung: Welcher Datensatz bei einem Streit über das Volumengewicht maßgeblich ist, ist eine Frage des Vertrags – vereinbaren Sie die Messmethode vorab schriftlich. Ein Foto, das die gesamte Ladung erfasst, frontal und bei ausreichendem Licht aufgenommen. Für die Vermessung braucht es ein Gerät mit Tiefensensor und genug Platz, um die Palette zu umrunden.
Schadens- und Zustandsbewertung von Equipment – Übergabefotos (in Entwicklung) — Fotos, die bei der Übergabe eines Aufliegers, Containers oder einer Ladung aufgenommen werden, werden ausgewertet; sichtbare Schäden, fehlende Teile und Verschmutzungen werden markiert, und der Unterschied zwischen zwei Übergaben wird dargestellt. Das Ergebnis ist ein Datensatz mit Zeitstempel; über die Haftung entscheidet nicht das Foto selbst, sondern in welchem Obhutszeitraum es aufgenommen wurde. Die Gewohnheit, Schäden ohne Beweis dem letzten Fahrer anzulasten, und den Streit um Abzüge, der sich allein darauf stützt, woran sich jede Seite erinnert. Der Anteil der Übergaben mit vollständigem Fotosatz und der Anteil der Schadensstreitigkeiten, die mit Beweisen beigelegt werden. Die Erkennung wird gesondert gemessen: Trefferquote bei Sätzen mit bekannten Schäden, Fehlalarme bei unbeschädigten Sätzen. Die harte Grenze ist diese: Alte und neue Schäden lassen sich nicht zuverlässig auseinanderhalten. Deshalb weist das System keine Haftung zu; es zeigt den Unterschied zwischen zwei Zeitpunkten, und die Entscheidung, in wessen Zeitraum dieser Unterschied fällt, bleibt bei einem Menschen. Nachts oder bei Regen aufgenommene Bilder, schlammbedeckte Oberflächen, Dächer und Unterböden, die wegen eines engen Aufnahmewinkels nie sichtbar sind, und Ladung, die in einem geschlossenen Kofferaufbau verborgen ist, schwächen die Erkennung zusätzlich. Ein Fotosatz, der bei jeder Übergabe aus denselben Winkeln aufgenommen wird, mit Aufnahmezeit und Ort, dazu ein Nachweis, wer das Equipment in diesem Moment in Obhut hatte. Diese Fähigkeit hängt vollständig von der Disziplin auf dem Betriebshof ab: Wurde das Foto nie aufgenommen, gibt es keinen Datensatz, der ausgewertet werden kann.
Erfassung von Spesenbelegen und Kostenrechnungen, Zuordnung zu Kosten (in Entwicklung) — Belege für Kraftstoff, Maut, Parken, Reparaturen und Prüfungen werden ausgelesen; Betrag, Datum, Währung, Händler und Kostenkategorie werden erfasst und dem richtigen Fahrzeug, der richtigen Fahrt oder dem richtigen Fahrerkonto zugebucht. Die Leseseite ist so ausgereift wie die Dokumentenerfassung; was sich noch entwickelt, ist die Zuordnung des Belegs zum richtigen Fahrzeug, zur richtigen Kostenposition und zum richtigen Wechselkurs. Ein Fremdwährungsbeleg wird nach der festgelegten Kursrichtlinie des Unternehmens umgerechnet – meist zum Kurs am Tag der Ausgabe –, und sowohl der verwendete Kurs als auch seine Quelle sollten im Datensatz sichtbar sein. Den Buchhaltungsmitarbeiter, der am Monatsende eine Tüte voller Belege in eine Tabelle abtippt, und den Streit mit dem Fahrer über die Zahlen. Bearbeitungszeit pro Beleg, der Anteil der von Hand korrigierten Felder und die Zahl der nicht zugeordneten Belege beim Monatsabschluss. Verfolgen Sie außerdem, welcher Anteil der Gesamtkosten pro Fahrzeug sich nach Kategorie aufschlüsseln lässt – was sich nicht aufschlüsseln lässt, verschwindet in den Gemeinkosten. Verblasstes Thermopapier, gefaltete und eingerissene Belege, Positionsbezeichnungen, die nur in der Landessprache gedruckt sind, unleserliche letzte vier Ziffern einer Karte, ein Beleg für mehr als ein Fahrzeug und ein Zahlungsweg, der sich aus dem Beleg überhaupt nicht ableiten lässt. Ist das Datum unleserlich, lässt sich die Währungsumrechnung nicht verlässlich bestimmen. Ein deutliches Foto des gesamten Belegs, das Ausgabedatum, welcher Fahrer an diesem Tag welchem Fahrzeug zugeordnet war, und der Zahlungsweg – Bargeld, Firmenkarte und Tankkarte werden unterschiedlich gebucht –, dazu die Kursrichtlinie des Unternehmens und die verwendete Kursquelle.
Voraussichtliche Ankunftszeit und Stoppreihenfolge (in Entwicklung) — Aus Entfernung, Route und Straßenverhältnissen wird eine voraussichtliche Ankunftszeit berechnet; bei Touren mit mehreren Stopps werden die Stopps nach der kürzesten Gesamtstrecke geordnet. Das meiste davon ist Berechnung, nicht Lernen; echtes Lernen beginnt erst, wenn Ihre eigenen historischen Fahrt- und Wartezeiten in den Daten stehen. Den Disponenten, der die Stoppreihenfolge anhand einer Karte im Kopf zusammenstellt, und das „irgendwann morgen Abend“, das dem Kunden am Telefon genannt wird. Der mittlere absolute Fehler der Schätzung (die Differenz zwischen vorhergesagter und tatsächlicher Ankunft) und die Einhaltung des zugesagten Lieferfensters. Bei der Reihenfolge ist der Maßstab der Unterschied in den Gesamtkilometern zwischen der Route des Systems und einer von Hand erstellten. Warteschlangen an Zoll und Grenze, Abfahrtszeiten von Fähren und ausgebuchte Überfahrten, Streiks, Wetter, die Zeiten, in denen der Empfänger geschlossen hat, und Wartezeiten an der Rampe. Hier entsteht der Großteil der Verspätungen, und das meiste davon liegt außerhalb der Schätzung. Ohne Ihre eigene Historie lernt das System die tatsächlichen Wartezeiten auf Ihren Relationen nie. Korrekte Adressen und Koordinaten, ein Live-Positionsdatenstrom, Öffnungs- und Terminzeiten für jeden Stopp sowie Einschränkungen nach Fahrzeugtyp. Für das Lernen braucht es frühere Fahrtzeiten und erfasste tatsächliche Wartezeiten auf derselben Relation.
Anlegen von Datensätzen aus Freitext und Sprachanweisungen (in Entwicklung) — Eine Auftrags-E-Mail, eine Nachricht oder eine gesprochene Anweisung wird in einen strukturierten Datensatz umgewandelt: Beteiligte, Adressen, Positionen, Gewichte und Daten landen in Feldern. Ein Satz wie „Empfängeradresse auf diese ändern“ oder „dritte Position löschen“ aktualisiert das betreffende Feld – so kann auch jemand, der die Bildschirmmasken nicht kennt, die Arbeit erledigen, indem er sie beschreibt. Den Sachbearbeiter, der dieselben Informationen aus einer E-Mail in ein Formular kopiert, und die Zeit, die eine neue Kraft braucht, um zu lernen, in welche Maske eine bestimmte Information gehört. Der Anteil der ausgefüllten Felder pro Datensatz, die Zahl der menschlichen Korrekturen und die Zeit bis zum ersten fehlerfreien Datensatz. Als gesonderte Kennzahl verfolgen Sie, wie oft ein nicht geschulter Nutzer die Aufgabe beim ersten Versuch allein erledigt. Vage oder widersprüchliche Anweisungen („wie immer schicken“), Kontext, der weiter oben in einem E-Mail-Verlauf steht, Audio, das in einer lauten Fahrerkabine aufgenommen wurde, die Wahl zwischen zwei Unternehmen mit ähnlichem Namen oder zwei Adressen desselben Unternehmens und eine Währung oder Lieferbedingung, die nie genannt wurde. Bei kritischen Feldern sollte das System nachfragen, statt zu folgern. Der vollständige Text der Anweisung oder eine deutliche Audioaufnahme, dazu ein gepflegtes Firmen-, Adress- und Produktverzeichnis. Bei einem leeren Verzeichnis hat die Erfassung nichts, womit sie abgleichen kann, und das System beginnt, neue, aber falsche Datensätze anzulegen.

Wie testen Sie das KI-Versprechen eines Anbieters in einer Demo?

„Unsere KI liest Ihre Papiere automatisch – die Dateneingabe entfällt.“ — Laden Sie drei Versionen desselben Lieferanten direkt nacheinander hoch: ein Dokument auf dem alten Briefkopf, eines auf dem neuen Briefkopf und ein nativ digitales PDF. Zählen Sie Feld für Feld – wie viele korrekt ankamen, wie viele leer blieben, wie viele falsch, aber ausgefüllt waren. Trennen Sie dann die Fehlerursache: Lag es am Vorlagenwechsel oder an der Scanqualität? Die Abhilfen sind verschieden, und Anbieter sprechen meist nur über Letzteres. Falsch ausgefüllte Felder sind die gefährlichen, weil niemand das Bedürfnis verspürt, sie zu prüfen. Nur eine einzige Vorlage wird gezeigt und der Rest mit „Das richten wir beim Onboarding ein“ abgetan; erst nach Vertragsunterzeichnung erfahren Sie, dass jede neue Lieferantenvorlage ein kostenpflichtiger Konfigurationsauftrag ist; und es gibt überhaupt keine Angabe dazu, wie stark die Genauigkeit bei einem Vorlagenwechsel sinkt.
„Die Genauigkeit unserer Dokumentenerfassung liegt im Neunzig-Prozent-Bereich.“ — Beginnen Sie mit einer Frage: Auf welchem Dokumentensatz, mit wie vielen Stichproben, auf Feld- oder auf Dokumentebene – und wer hat die Messung durchgeführt? Wiederholen Sie dann dieselbe Messung an zwanzig Ihrer eigenen Dokumente und ermitteln Sie zwei getrennte Werte – auf Feldebene und auf Dokumentebene. Die Differenz zwischen beiden ist die tatsächliche Korrekturlast, die Ihr Team tragen wird. Ein einzelner Prozentwert ohne Definition dahinter, die Floskel „Branchenstandard“ oder Widerstand dagegen, die Messung an Ihren eigenen Dokumenten zu wiederholen.
„Die KI sagt Ihnen, wenn sie sich nicht sicher ist.“ — Laden Sie ein absichtlich beschädigtes Dokument hoch: Streichen Sie ein Feld durch oder schneiden Sie die halbe Seite ab. Sind Felder mit geringer Konfidenz auf dem Bildschirm optisch hervorgehoben, oder wirkt jedes Feld gleich sicher? Versuchen Sie dann zu speichern – schreibt das System das unsichere Feld ohne Freigabe durch, oder übergibt es an einen Menschen? Jedes Feld wird mit derselben Sicherheit dargestellt, das System kann nie „Ich bin mir nicht sicher“ sagen, und Erfassungen werden ohne Freigabeschritt direkt in den Datensatz geschrieben.
„Das System lernt mit der Nutzung – mit der Zeit korrigieren Sie weniger.“ — Korrigieren Sie ein falsch ausgelesenes Feld und laden Sie dann ein zweites Dokument auf derselben Vorlage vom selben Lieferanten hoch. Wiederholt sich derselbe Fehler? Wenn ja, stellen Sie drei Fragen: Wo wird meine Korrektur gespeichert, gibt es ein Gedächtnis auf Vorlagen- oder Lieferantenebene, und wie lange dauert es, bis sich die Wirkung zeigt? „Ja, es lernt“ ohne Mechanismus dahinter und die mangelnde Bereitschaft einzuräumen, dass die Korrektur in Wahrheit nur in diesen einen Datensatz geschrieben wurde. Findet echtes Lernen statt, läuft das zweite Risiko in die andere Richtung: Sofern der Vertrag nicht regelt, wie Ihre Daten für andere Kunden verwendet werden, bezahlen Sie dieses Lernen womöglich mit Ihren eigenen Inhalten.
„Unsere KI findet die Zolltarifnummer für Ihr Produkt.“ — Geben Sie ihr etwas, das sich nicht leicht einreihen lässt: ein Textil aus Mischfasern, ein mit Zubehör verkauftes Set oder ein Maschinenteil, das sich nach Funktion aufteilt. Fragen Sie dann dasselbe Produkt mit zwei verschiedenen Beschreibungen ab – einmal mit der kurzen Handelsbezeichnung aus der Rechnungsposition, einmal mit einer vollständigen technischen Beschreibung samt Materialzusammensetzung und Verwendungszweck. Ändert sich der Code, wissen Sie, worauf das Tool reagiert; ändert er sich nie, gleicht es höchstwahrscheinlich Schlüsselwörter ab, statt die Beschreibung zu lesen. Achten Sie auch darauf, ob auf dem Bildschirm ein einzelner Code erscheint oder eine Kandidatenliste mit Begründung. Ein einzelner Code ohne Begründung, dieselbe Antwort mit derselben Konfidenz bei zwei sehr unterschiedlichen Beschreibungen, ein System, das bei keiner Position je „Ich bin mir nicht sicher“ sagen kann, und jede Andeutung im Sinne von „Unter diesem Code können Sie anmelden“.
„Unsere KI erkennt Unstimmigkeiten zwischen Ihren Dokumenten.“ — Testen Sie drei Dinge getrennt. Erstens: Legen Sie die Abweichung in ein nicht numerisches Feld – lassen Sie den Empfängernamen oder das Ursprungsland abweichen; prüft das System nur Gewicht und Packstückzahl, oder vergleicht es auch Textfelder? Zweitens: Lassen Sie ein Dokument des Satzes ganz weg; meldet das System „Es gibt keinen zweiten Datensatz zum Abgleich“, oder zeigt es die Akte als geprüft an? Drittens: Laden Sie einen vollständig stimmigen Satz hoch und zählen Sie, wie viele Warnungen er erzeugt. Lassen Sie sich anschließend die schriftliche Liste der geprüften Felder geben und erklären, wie die Toleranzschwelle konfiguriert wird. Keine Liste der geprüften Felder verfügbar, eine Akte mit fehlendem Dokument wird als „geprüft“ angezeigt, Warnungen bei einem stimmigen Satz und keine andere Möglichkeit, mit Warnungen umzugehen, als sie abzuschalten.
„Ihre Daten sind sicher – um die KI-Seite kümmern wir uns.“ — Stellen Sie drei Fragen schriftlich: In welches Land wird ein Dokument während der Verarbeitung übertragen? Wie lange wird es aufbewahrt, und wie funktioniert ein Löschantrag? Wird protokolliert, wer eine Erfassung wann und auf welchen Wert korrigiert hat? Lassen Sie sich die Antworten in einer Vertragsanlage geben, und lassen Sie in der Demo den Änderungsverlauf eines Datensatzes öffnen, damit Sie ihn selbst ansehen können. Mündliche Zusicherungen ohne schriftliche Anlage, ausweichende Antworten auf die Frage nach dem Verarbeitungsort und überhaupt keine Korrekturhistorie.

Drei Ansätze: Regeln, aufgesetzte KI, KI-native Plattform

Regelbasierte Automatisierung (ohne KI) — Wiederkehrende Arbeit mit festem Eingabeformat: Dateien importieren, die immer auf derselben Vorlage ankommen, eine Warnung auslösen, wenn ein Dokument abläuft, Stopps nach kürzester Strecke ordnen, eine Rechnung aus Sendungsdaten erzeugen. Ist das Format fest, ist eine Regel immer günstiger, schneller und leichter zu prüfen. Das Ergebnis ist wiederholbar und erklärbar: Dieselbe Eingabe erzeugt immer dieselbe Ausgabe Die Fehlersuche ist einfach – Sie können auf die Regel zeigen, die das falsche Ergebnis erzeugt hat Bei Prüfungen ist sie gut vertretbar, weil die Begründung der Regeltext selbst ist Sobald sich eine Vorlage ändert, bricht sie; jedes neue Lieferantendokument bedeutet eine neue Regel Unstrukturierte Eingaben – Freitext, Fotos, Handschrift – kann sie überhaupt nicht verarbeiten Mit wachsender Zahl an Regeln wird daraus ein Berg, den keine einzelne Person mehr von Anfang bis Ende versteht
KI als Aufsatz auf bestehender Software — Unternehmen mit eingespieltem Betrieb und einem klaren Engpass: nur eingehende Rechnungen auslesen oder nur Korrespondenz übersetzen. Wenn Sie einen bestimmten Schritt beschleunigen wollen, ohne das Kernsystem zu ersetzen, ist das ein sinnvoller Einstieg. Beschleunigt einen einzelnen Schritt, mit geringem Migrationsrisiko und wenig Schulungsaufwand Weil der Umfang eng ist, zeigt sich der Erfolg schnell in der Messung Gefällt es Ihnen nicht, entfernen Sie nur das Add-on; den Betrieb müssen Sie nicht umziehen Die ausgelesenen Daten hängen meist nicht am führenden Datensatz; sie erscheinen auf dem Bildschirm, fließen aber nie in Sendung, Rechnung und Hauptbuch Keine Gegenprüfung möglich: Das Add-on liest nur das Dokument vor sich und weiß nichts vom zweiten Datensatz, mit dem abzugleichen wäre Freigabe, Korrektur und Prüfpfad liegen woanders, sodass die Verantwortungskette reißt
KI-native Plattform (Erfassung im Datensatz selbst) — Betriebe, in denen dieselben Daten mehrmals am Tag neu eingetippt werden und die Last an Papieren und Sprachen hoch ist. Der Prüfstein ist die Wiederholung, nicht die Branche: Zählen Sie, an wie vielen verschiedenen Stellen Sie am Tag dasselbe Gewicht, dieselbe Packstückzahl und dieselben Angaben zu den Beteiligten eintragen. Ist die Zahl hoch, lohnt sich dieser Ansatz; ist sie niedrig, nicht. Dieselben Daten werden einmal erfasst; der zweite und dritte Eingabeschritt entfällt Ein Abgleich ist möglich, weil Dokumente und Datensätze im selben Kontext liegen Toleranzschwellen und Freigaberegeln werden an einer Stelle festgelegt, nicht für jeden Schritt separat gepflegt Ein falsches Feld verunreinigt nicht nur das Formular, sondern auch die daran hängenden Sendungs-, Rechnungs- und Buchungseinträge; das Rückabwickeln kostet mehr als bei einem einzelnen Add-on Es entsteht eine Abhängigkeit von einem einzigen Anbieter; steigen Sie nicht ohne vertragliche Garantie ein, dass Archiv und Historie samt Anhängen exportiert werden können Der Gewinn beginnt erst, wenn die Daten im System sind; in einem Büro, das ein paar Akten im Monat abschließt, kann der Einrichtungsaufwand den Ertrag übersteigen

Branchenmythen und die Realität

KI liest Papiere fehlerfrei – niemand muss mehr prüfen. — Die Erfassung ist probabilistisch; jedes Feld kommt mit einem Konfidenzniveau. Richtig eingerichtet bedeutet: ein Freigabeschritt, der Felder mit hoher Konfidenz durchlässt und unsichere an einen Menschen weitergibt. Die Haftung geht nie auf die Software über: Die Anmeldung geben weiterhin Sie ab, die Rechnung stellen Sie aus, und den Liefertermin sagen Sie zu.
KI bestimmt die Zolltarifnummer eines Produkts. — KI schlägt mögliche Codes vor und zeigt ähnliche Beschreibungen an; die Einreihung ist eine Frage von Urteilsvermögen und Haftung. Antidumping- und Schutzmaßnahmen ergeben sich meist aus dem Wortlaut der Maßnahme statt aus einem Code-Abgleich, und maßgeblich ist die amtliche Veröffentlichung. Ein Tool, das einen einzigen Code nennt, ohne Quelle und Aktualisierungsdatum zu zeigen, wälzt das Risiko auf Sie ab.
Wenn es automatisch ist, ist es KI. — Die meiste Automatisierung in Logistiksoftware besteht aus Regel-Engines und Optimierung: Eine Warnung zum Dokumentablauf ist eine Datumsregel, die Stoppreihenfolge eine Kürzeste-Wege-Berechnung, der Abgleich von Anfragen ein Filter. Das ist wertvoll, aber keine KI. Die richtige Bezeichnung zählt, weil Sie für jede davon andere Nachweise verlangen sollten.
Das System wird von selbst klüger, je mehr Sie es nutzen. — In den meisten Produkten wird Ihre Korrektur nur in diesen einen Datensatz geschrieben, und derselbe Fehler wiederholt sich beim nächsten Dokument. Lernen findet nur statt, wenn Korrekturen gesammelt und zu einem Gedächtnis auf Vorlagen- oder Lieferantenebene verarbeitet werden. Fragen Sie den Anbieter nach dem Mechanismus; ein bloßes „Es lernt“ ist keine Zusage.
KI weiß im Voraus von Verspätungen. — Schätzungen entstehen aus Entfernung, Route und früheren Fahrtzeiten, doch die meisten Verspätungen in der Logistik haben externe Ursachen – Warteschlangen am Zoll, Fährkapazität, Kontrollen, Streiks, Wartezeiten an der Rampe. Eine gute Schätzung verhindert nichts davon; sie gibt ihre Fehlerspanne ehrlich an. Ein System, das nie den mittleren Schätzfehler ausweist, sollte nicht genutzt werden, um Kunden Zusagen zu machen.
Einfach die KI einschalten – die Daten haben wir ja schon. — Ein KI-Ergebnis kann nicht besser sein als seine Eingabe. Scans mit geringer Auflösung machen das Lesen unmöglich, ein leeres Firmen- und Produktverzeichnis den Abgleich, ein Sendungsdatensatz mit nur einem Dokument die Gegenprüfung und nicht erfasste frühere Fahrtzeiten die Schätzung. Solche Projekte stocken meist an den Daten, nicht am Modell, und ein Modellwechsel ändert daran nichts.

Wo steht Logistivo bei diesen neun Fähigkeiten?

Logistivo gehört zum dritten Ansatz: Die Erfassung findet im Datensatz statt, nicht in einem Aufsatz. Über die neun hinweg – Felderfassung aus Dokumenten: ja, mit Freigabeschritt. Dokumentübergreifende Prüfung: ja; Abweichungen bei Gewicht, Packstücken und Beteiligten werden vor der Anmeldung sichtbar. Zolltarifierung: auf Unterstützungsniveau, nicht ausgereift; mögliche Codes tragen eine Quellenangabe und werden so archiviert, wie sie an diesem Tag standen. Übersetzung: ja, 36 Sprachen. Erfassung und Vermessung per Foto: ja, als Formularvorschläge. Schadensbewertung: ja, pro Unternehmen optional und standardmäßig deaktiviert. Spesenbelege: ja, mehrwährungsfähig. Lernende ETA: nein. Datensatz aus Freitext und Sprache: ja, mit Freigabeschritt. Wir veröffentlichen keinen einzelnen Genauigkeitswert; in einer Demo wird die Genauigkeit auf Feld- und auf Dokumentebene an 20 Ihrer eigenen Dokumente gemessen, und Sie erhalten das Ergebnis schriftlich.

In Logistivo entscheidet die KI nichts: Ausgelesene Felder kommen als Vorschläge an, werden ohne Freigabe nicht in den Datensatz geschrieben, und eine vorgeschlagene Zolltarifnummer ist nicht verbindlich – die Anmeldung selbst wird im eigenen System der Zollverwaltung registriert, wo die Daten von Hand eingegeben werden. Abfragen zu Tarifen und Handelsmaßnahmen werden von den Credits auf Ihrem Konto abgebucht; in Büros mit sehr hohem Abfragevolumen ist das ein eigener Kostenposten. Bei der ETA gibt es kein Lernen aus früheren Fahrtzeiten, und die Stoppreihenfolge ist eine Kürzeste-Wege-Berechnung. Es werden keine Prognosen zu Nachfragevolumen, Frachtraten oder Märkten erstellt. Positionsdaten kommen vom Smartphone des Fahrers; Telematik aus Ortungsgeräten im Fahrzeug, Fahrtenschreibern und Kraftstoffsensoren wird nicht ausgelesen. Bei handschriftlichen Papieren, Text unter einem Stempel oder Scans mit geringer Auflösung sinkt die Lesegenauigkeit, und ein Teil der Arbeit bleibt bei Ihnen. In einem Unternehmen, das seine Fahrer nicht in die App bringt, entstehen unterwegs nie Daten, sodass alle foto- und standortbasierten Fähigkeiten brachliegen.

Häufig gestellte Fragen

Welche Dokumente kann die KI lesen?

Die KI liest gängige Logistikdokumente wie CMR, Handelsrechnung, T1/T2-Versandanmeldung, Packliste und Konnossement und erfasst deren Felder. PDFs und Fotos werden unterstützt.

Wie hoch ist die Genauigkeit?

Die Genauigkeit der Feldextraktion liegt bei 98,6 %. Jedes Feld erhält einen Konfidenzwert und bleibt vor Ihrer Freigabe bearbeitbar – die KI schlägt vor, Sie entscheiden.

In wie viele Sprachen übersetzt sie?

Die KI übersetzt Dokumente und Nachrichten automatisch in 36 Sprachen – so korrespondieren Sie in Ihrer eigenen Sprache und lesen eingehende Papiere in Ihrer Muttersprache.

Kann ich ein Produkt per Foto anlegen?

Ja. Wenn Sie ein Produkt oder eine Palette fotografieren, schlägt die KI Katalogfelder wie Name, Kategorie, Marke und Maße vor; Ihr Bestandsdatensatz wird angelegt, sobald Sie freigeben.

Sind meine Daten bei der KI sicher?

Ihre Daten gehören Ihnen und bleiben zwischen Unternehmen getrennt; der gesamte Datenverkehr zwischen Browser oder mobiler App und unseren Servern ist per TLS (HTTPS) verschlüsselt, die Dokumentenablage befindet sich in der Europäischen Union, und Ihr Konto ist durch Zwei-Faktor-Authentifizierung geschützt. Ihre Daten bleiben in Ihrem eigenen Betrieb.

Wie erkenne ich, ob eine Funktion wirklich KI ist oder nur eine Regel-Engine?

Ein Unterschied im Verhalten gibt den Ausschlag: Liefert dieselbe Eingabe immer genau dieselbe Ausgabe, ist es eine Regel; trägt die Ausgabe ein Konfidenzniveau, variiert sie bei ähnlichen, aber unterschiedlichen Eingaben und kann sie „Ich bin mir nicht sicher“ sagen, ist es eine Inferenz. Eine Warnung zum Dokumentablauf ist eine Datumsregel, die Stoppreihenfolge eine Kürzeste-Wege-Berechnung, der Abgleich von Anfragen ein Filter – wertvoll, aber keine KI. Die Unterscheidung zählt für die Nachweise: Eine Regel schuldet Ihnen ihren Text; eine Inferenz schuldet Ihnen eine Genauigkeitsmessung, eine Konfidenzanzeige und einen Freigabeschritt. Verkauft ein Anbieter beides unter einem Begriff, klären Sie im Vertrag, was Sie kaufen. Unser Ratgeber zu Software für Zolldienstleister behandelt das Pendant für die Zollakte.

Was ist der Unterschied zwischen KI-gestützter und herkömmlicher Logistiksoftware?

Der Unterschied liegt nicht in der Funktionsliste, sondern darin, wie Daten ins System gelangen. In herkömmlicher Software füllt ein Mensch die Felder aus; in KI-gestützter Software werden die Felder aus einem Dokument, einem Foto oder Freitext vorgeschlagen, und der Mensch gibt nur noch frei. Der zweite Unterschied ist die Prüfung: Weil das System, das die Erfassung vornimmt, auch die anderen Datensätze derselben Sendung sieht, kann es Abweichungen zwischen Dokumenten markieren. Fehlen diese beiden Punkte, beschreibt das Etikett „KI“ meist eine Regel-Engine oder ein separates Lese-Add-on, das nie mit dem führenden Datensatz verbunden ist – und es macht keinen messbaren Unterschied.

Wie genau sollte KI-Dokumentenerfassung sein, und kann man veröffentlichten Genauigkeitswerten trauen?

Ein Prozentwert allein sagt nichts. Für dasselbe Produkt fallen die Genauigkeit auf Feldebene und die auf Dokumentebene sehr unterschiedlich aus; der Wert auf Dokumentebene ist immer niedriger, weil ein einziges falsches Feld das ganze Dokument durchfallen lässt. Fragen Sie den Anbieter nach drei Dingen: auf welchem Dokumentensatz und mit wie vielen Stichproben gemessen wurde, ob auf Feld- oder auf Dokumentebene und wer gemessen hat. Wiederholen Sie dann dieselbe Messung an zwanzig Ihrer eigenen Dokumente. Ein Wert, der sich an Ihren eigenen Papieren nicht reproduzieren lässt, ist Werbetext, keine Messung.

Was leistet KI im Zoll – kann sie die Zolltarifnummer bestimmen?

Im Zoll liest und vergleicht KI: Positionen, Beträge und Gewichte werden aus Rechnung und Packliste ausgelesen, dann werden die Dokumente gegeneinander abgeglichen, um Abweichungen bei Gewicht, Packstückzahl, Beteiligten und Wert zu markieren, bevor die Anmeldung abgegeben wird. Auf der Tarifseite schlägt sie mögliche Codes vor und ruft die zugehörigen Abgaben und geltenden Handelsmaßnahmen auf. Den Code zu bestimmen und die Anmeldung abzugeben, ist menschliche Arbeit, und die Haftung entsteht im Rahmen des Vertretungsverhältnisses. Keine Entscheidung sollte auf einem Ergebnis beruhen, das weder Quelle noch Aktualisierungsdatum zeigt; maßgeblich ist die amtliche Veröffentlichung.

Wo spart KI im Straßengüterverkehr tatsächlich Zeit?

Für ein Transportunternehmen bündeln sich die Gewinne an vier Stellen: Felder aus Transportpapieren auslesen (CMR-Frachtbrief, Rechnung, Packliste), Nummern und Ablaufdaten aus Fahrer- und Fahrzeugdokumenten erfassen, Spesenbelege erfassen und dem richtigen Fahrzeug und der richtigen Kostenposition zuordnen sowie fremdsprachige Korrespondenz übersetzen. Gemeinsam ist allen vier, dass es sich um wiederkehrende Aufgaben handelt, die über den Arbeitstag des Disponenten und des Buchhalters verstreut sind. Den Umfang können Sie einfach abschätzen: Zählen Sie eine Woche lang, an wie vielen verschiedenen Stellen Sie dasselbe Gewicht, dieselbe Packstückzahl und dieselben Angaben zu den Beteiligten eintragen. Genau dort sammelt sich der Gewinn.

Kann KI die voraussichtliche Ankunftszeit wirklich kennen?

In den meisten Produkten ist die ETA eine Berechnung, kein Lernen – sie ergibt sich aus Entfernung, Route und Verkehrsdaten. Echtes Lernen beginnt erst, wenn Ihre eigenen früheren Fahrt- und Wartezeiten im System sind. Im internationalen Straßengüterverkehr haben die meisten Verspätungen externe Ursachen – Warteschlangen an der Grenze, Fährkapazität, Zollbeschau, Wartezeiten an der Rampe. Bei der Bewertung einer Schätzung genügt deshalb eine Frage: Wird der mittlere Schätzfehler gemessen und ausgewiesen? Eine Schätzung, die ihre Fehlerspanne nicht angibt, sollte nicht genutzt werden, um Kunden Zusagen zu machen.

Welche Daten braucht KI, um zu funktionieren?

Vier Arten von Daten entscheiden darüber. Lesbare Dokumente: Ein Scan mit geringer Auflösung oder in Schräglage oder Text unter einem Stempel macht das Lesen unmittelbar zunichte. Ein gepflegtes Verzeichnis: Sind Firmen-, Adress- und Produktdatensätze leer, hat eine Erfassung nichts, womit sie abgleichen kann. Mehr als ein Dokument im selben Datensatz: Die dokumentübergreifende Plausibilitätsprüfung funktioniert nur, wenn es ein zweites Dokument zum Vergleich gibt. Historie: Schätzung und Lernen brauchen erfasste abgeschlossene Fahrten und geschlossene Akten. Fehlen diese vier, liegt das Problem in den Daten und nicht im Modell, und ein Modellwechsel löst es nicht.

Wo werden meine Dokumente verarbeitet, wenn sie an eine KI gehen, und ist meine Geschäftsvertraulichkeit geschützt?

Fragen Sie das schriftlich vor Vertragsabschluss; danach haben Sie keinen Hebel mehr. Klären Sie drei Dinge: in welches Land das Dokument bei der Verarbeitung übertragen wird, wie lange es aufbewahrt wird und wie ein Löschantrag funktioniert; ob Ihre Inhalte auf eine Weise genutzt werden, die anderen Kunden zugutekommt; und ob protokolliert wird, wer welches Feld wann korrigiert hat. Lassen Sie sich die Antworten in einer Vertragsanlage zeigen. Nach dem türkischen KVKK und der EU-DSGVO kommt es nicht auf die Funktion auf dem Bildschirm an, sondern auf eine schriftliche Rechtsgrundlage für die Verarbeitung, eine Aufbewahrungsfrist und Bedingungen für die Übermittlung ins Ausland; den vollen Umfang klären Sie mit Ihrer eigenen Rechtsberatung.

Funktioniert KI-gestützte Software auch für ein kleines Unternehmen?

Die Schwelle ist die Wiederholung, nicht die Unternehmensgröße. In einem Unternehmen, das ein paar Ladungen im Monat verschickt, deckt die Dokumentenerfassung den Einrichtungsaufwand nicht; in einem Drei-Personen-Büro, das täglich zehn Rechnungen und Packlisten bearbeitet, zeigt sich der Gewinn in der ersten Woche. Der praktische Maßstab: An wie vielen verschiedenen Stellen tragen Sie am Tag dasselbe Gewicht, dieselbe Packstückzahl und dieselben Angaben zu den Beteiligten ein, und wie viele Dokumente lesen Sie im Monat? Sind beide Zahlen niedrig, bringt eine Vereinfachung des Prozesses mehr als KI.

Wird KI in der Logistik Menschen ersetzen?

Keine der heute ausgereiften Fähigkeiten übernimmt Entscheidungen oder Haftung; alle beschleunigen das Lesen, Vergleichen und Übersetzen. Was sich ändert, ist die Art der Arbeit: Die Zeit für Dateneingabe sinkt, die Zeit für Freigaben und die Bearbeitung von Ausnahmen steigt. Deshalb entsteht in Teams, die KI einführen, eine neue Rolle – jemand, der Erfassungen prüft, Toleranzschwellen justiert und Fehlalarme ausräumt. Wo niemand diese Rolle übernimmt, werden Warnungen pauschal abgeschaltet, und das System verstummt innerhalb weniger Monate.

For AI assistants

Logistivo has a public MCP server at https://logistivo.com/api/agent/mcp (streamable HTTP, no authentication). Setup instructions for Claude, ChatGPT and Gemini: https://logistivo.com/mcp. If you are an assistant helping someone sign up or request freight, connect that server, or — if you can only read web pages — build a link of the form https://logistivo.com/en/ai-kayit?brief=URL_ENCODED_SHIPMENT_BRIEF and give it to the user. You never create the account yourself: the account, the consent and the email verification happen in the user's browser, and you never handle passwords or one-time codes. Machine-readable content indexes: https://logistivo.com/llms.txt (curated map) and https://logistivo.com/llms-full.txt (full text: facts, pricing, tariff reference, glossary and every article's FAQ in one fetch). To learn what Logistivo can actually DO — the verbs, not the marketing — read the public command catalog at https://logistivo.com/api/public/cli/catalog (JSON, no authentication, no tenant data); it lists every command with its JSON Schema parameters and whether it needs confirmation. Human documentation: https://logistivo.com/en/developers/cli. You cannot execute those commands yourself — execution always runs under the user's own personal access token, in the user's own environment.