Automatische Tourenplanung: was wirklich automatisch läuft.

„Automatisch“ ist kein Zustand, sondern ein Grad

Die Frage „plant Ihre Software automatisch?“ ist so präzise wie die Frage, ob ein Auto selbst fährt. Die brauchbare Antwort verlangt zwei Angaben: welcher Teil der Aufgabe und auf welcher Stufe.

In der Automatisierungsforschung ist diese Unterscheidung seit Jahrzehnten Standard. Ein viel zitiertes Modell teilt jede Mensch-Maschine-Aufgabe in vier Funktionsklassen – Informationsaufnahme, Informationsanalyse, Entscheidungs- und Handlungsauswahl, Handlungsausführung – und hält fest, dass Automatisierung innerhalb jeder Klasse auf einem Kontinuum von vollständig manuell bis vollautomatisch liegen kann. Ein System automatisiert typischerweise alle vier Klassen, aber auf unterschiedlichen Stufen.1 Derselbe Text nennt auch den Grund, warum „mehr Automatik“ kein Selbstzweck ist: Automatisierung ersetzt menschliche Tätigkeit nicht einfach, sie verändert sie – und erzeugt neue Abstimmungsaufgaben für den Menschen.

Auf die Tourenplanung übertragen ergibt das vier sehr verschiedene Fragen:

• Informationsaufnahme. Kommen Aufträge, Fahrzeugstammdaten, Telematikpositionen und Zeitfenster ohne manuelles Zutun ins System? Das ist die Klasse, in der die meisten Projekte tatsächlich scheitern – und die am wenigsten mit Optimierung zu tun hat.
• Informationsanalyse. Rechnet das System den Ist-Zustand durch: gefahrene Kilometer, Auslastung, Zeitfenstertreue, Restriktionsverletzungen? Diese Klasse lässt sich fast vollständig automatisieren und liefert den ersten belastbaren Nutzen.
• Entscheidungs- und Handlungsauswahl. Erzeugt das System einen Tourenvorschlag – Zuordnung, Reihenfolge, Zeiten? Das ist der Teil, den alle meinen, wenn sie „automatische Tourenplanung“ sagen, und der technisch am besten gelöst ist.
• Handlungsausführung. Geht der Plan ohne Freigabe in den Betrieb – ins TMS, auf die Fahrer-App, an den Kunden? Hier ist der Automatisierungsgrad in der Praxis am niedrigsten, und das aus guten Gründen.

Warum Vollautomatik das falsche Ziel ist

Es gibt einen technischen und einen menschlichen Grund, die letzte Klasse nicht zu schließen.

Der technische: Ein Optimierer rechnet gegen das Modell, nicht gegen die Welt. Alles, was nicht als Restriktion im Modell steht, existiert für ihn nicht – der Kunde, bei dem man nicht vor neun klingelt, der Fahrer, der die Zufahrt kennt, die Rampe, die freitags früher schließt. Je vollständiger die Restriktionen erfasst sind, desto kleiner wird diese Lücke; null wird sie nie. Welche Regeln mindestens hineingehören, steht in Restriktionen in der Tourenplanung und, für die härteste davon, in Lenk- und Ruhezeiten.

Der menschliche ist besser belegt, als man erwarten würde. Fünf Experimentalstudien zeigen, dass Menschen algorithmischen Prognosen besonders dann ausweichen, wenn sie den Algorithmus einen Fehler haben machen sehen – und zwar auch dann, wenn sie zuvor gesehen haben, dass er einen Menschen schlägt. Das Vertrauen in einen Algorithmus bricht nach demselben Fehler schneller ein als das Vertrauen in einen Menschen.2 Übersetzt in die Disposition: Ein System, das einmal eine offensichtlich unsinnige Tour ausgibt und diese ungefragt in den Betrieb schiebt, ist als Werkzeug verbrannt – unabhängig davon, wie gut es im Mittel rechnet.

Die Gegenprobe derselben Forschungsgruppe ist der eigentlich brauchbare Befund: Menschen wählen einen unvollkommenen Algorithmus deutlich häufiger, wenn sie seine Vorschläge verändern dürfen – und erzielen dadurch bessere Ergebnisse. Der Effekt tritt schon auf, wenn die erlaubte Änderung stark begrenzt ist; entscheidend ist nicht das Ausmaß der Kontrolle, sondern dass überhaupt welche besteht.3 Eine Planung, die den Disponenten eingreifen lässt, wird also nicht trotz, sondern wegen dieser Möglichkeit häufiger genutzt.

Die Zahl, die statt „automatisch“ gemessen gehört

Daraus folgt eine Kennzahl, die jeder Betrieb selbst erheben kann und die mehr über den Automatisierungsgrad sagt als jedes Datenblatt: die Eingriffsquote – der Anteil der vorgeschlagenen Touren, an denen die Disposition vor der Freigabe noch etwas ändert.

• Erfasst wird je Planungslauf: Zahl der vorgeschlagenen Touren, Zahl der veränderten Touren, Art der Änderung (Stopp verschoben, Reihenfolge getauscht, Fahrzeug gewechselt, Tour verworfen).
• Die Art der Änderung ist wichtiger als die Quote selbst. Wiederkehrende Eingriffe derselben Art sind keine Skepsis, sondern eine fehlende Restriktion – und damit eine konkrete Aufgabe am Modell.
• Die Quote ist eine Eigenmessung gegen die eigene Vorwoche, kein Branchenvergleich. Ein Zielwert von außen wäre erfunden: Er hängt an Geschäftsmodell, Datenqualität und daran, wie lange das System läuft.
• Die Richtung zählt. Fällt die Quote über Wochen, wird das Modell besser. Bleibt sie stehen, fehlt eine Regel. Steigt sie, hat sich etwas im Betrieb geändert, das niemand ins Modell gemeldet hat.

Dieselbe Logik macht nebenbei den Nutzen sichtbar, den die reine Analyse schon liefert. In einem Projekt in der Regionalbelieferung eines Lebensmittelhändlers war der auffälligste Befund nicht die Einsparung, sondern dass 49 % der Lieferungen außerhalb des vereinbarten Zeitfensters ankamen – eine Zahl, die vorher niemand hatte, weil niemand sie automatisiert ausgewertet hatte.6 Die Automatisierung der Analyse war dort wertvoller als die der Entscheidung.

Warum derselbe Auftragsbestand zwei verschiedene Pläne ergibt

Ein Punkt, der Vertrauen zuverlässig zerstört, wenn ihn niemand erklärt: Dieselben Aufträge, zweimal gerechnet, ergeben nicht zwangsläufig denselben Plan. Das ist kein Fehler, sondern die Bauart der Verfahren. Heuristische Optimierer laufen gegen ein Zeitbudget und liefern die beste Lösung, die sie in dieser Zeit gefunden haben. Die Dokumentation von Google OR-Tools macht das explizit: Ein Rückgabestatus besagt, dass zwar eine Lösung gefunden wurde, aber kein lokales Optimum erreicht ist und mehr Zeit die Lösung verbessern würde.4

Für den Betrieb folgt daraus nichts Dramatisches, aber drei Regeln:

• Das Rechenzeitbudget fest einstellen, nicht dem Zufall überlassen. Gleiche Zeit heißt vergleichbare Läufe – und ein planbares Zeitfenster in der Disposition.
• Jeden Vorschlag mit der Differenz zum Ist-Zustand ausliefern: Kilometer, Fahrzeuge, Zeitfensterverstöße. Ein Plan ohne Vergleichswert ist eine Behauptung, ein Plan mit Vergleichswert ist eine Entscheidungsvorlage.
• Läufe reproduzierbar ablegen – Eingangsdaten, Parameter, Ergebnis. Wer im Nachhinein nicht rekonstruieren kann, warum der Dienstag anders geplant wurde als der Montag, diskutiert Vertrauen statt Zahlen.

Was automatisch laufen muss, damit der Rest automatisch laufen kann

Die Automatisierung der Entscheidung ist der bequemste Teil – sie wird eingekauft. Was sie trägt, muss vorher stehen, und dort liegt die eigentliche Projektarbeit:

• Stammdaten, die stimmen. Fahrzeugkapazitäten, Temperaturzonen, zulässige Gesamtgewichte, Rampenfenster je Kunde. Ein Modell mit falschen Kapazitäten rechnet zuverlässig falsch – schneller als vorher.
• Standzeiten aus Messung, nicht aus Vereinbarung. Die Zeit, die ein Stopp tatsächlich kostet, ist die häufigste stille Fehlannahme in Tourenplänen.
• Restriktionen im Modell statt in Köpfen. Jede Regel, die nur der Disponent kennt, wird zur Eingriffsursache – und ist damit messbar, sobald die Eingriffsquote erhoben wird.
• Ein Rückkanal. Was tatsächlich gefahren wurde, muss zurück ins System. Ohne ihn bleibt die Planung ein Vorschlagswesen ohne Lernkurve; der Unterschied zwischen einem digitalen Schatten und einem Zwilling hängt genau an dieser Rückrichtung – nachgelesen hier.

Wie sich eine bewertende Planung von der konstruktiven Handplanung unterscheidet, steht ausführlich in Manuelle vs. dynamische Tourenplanung; welche Verfahren dahinterstehen, in Verfahren der Tourenoptimierung. Dieser Text hier beantwortet die davorliegende Frage: wie viel davon ohne Sie läuft.

Der Weg, der in der Praxis funktioniert

Nicht „erst automatisieren, dann vertrauen“, sondern umgekehrt – Klasse für Klasse, jede mit einem sichtbaren Ergebnis, bevor die nächste drankommt:

• Analyse automatisieren. Vier Wochen Ist-Daten rechnen und auswerten: Kilometer, Auslastung, Zeitfenstertreue, Restriktionsverletzungen. Hier entsteht der erste Nutzen, ohne dass sich im Betrieb irgendetwas ändern muss.
• Vorschlag automatisieren. Der Optimierer rechnet mit, die Disposition entscheidet. Ab hier wird die Eingriffsquote erhoben – sie ist das Arbeitsprotokoll für das Modell.
• Modell nachziehen. Jede wiederkehrende Eingriffsart wird zur Restriktion. Das ist die Phase, in der die Quote fällt und aus dem Werkzeug ein Verlass wird.
• Ausführung teilautomatisieren. Touren, die über Wochen unverändert durchgehen, laufen ohne Freigabe; alles andere bleibt auf dem Tisch. Vollautomatik über alle Touren ist kein Ziel, sondern ein Nebenprodukt für den Teil des Geschäfts, der sich dafür eignet.

Der erste Schritt ist derselbe wie bei jedem dieser Projekte, und er ist der einzige, der eine Zahl liefert, bevor Geld in Software fließt: der Tourenoptimierungs-Check auf Ihren eigenen vier Wochen Ist-Daten. Die begriffliche Einordnung des Felds steht in Tourenoptimierung, die Lösungsseite dazu unter Tourenplanung & Logistikplanung. Wo das Standardmodell nicht reicht, weil Ihr Wegenetz oder Ihr Fahrzeug nicht in die Karte passt, beginnt Custom Routing.