Vom 1. Leuchtturmprojekt zum KI-Kompetenzzentrum: Nachhaltige KI-Wertschöpfung bei Dachser

Intro

In dieser Folge spricht Felix Schlenther mit Jürgen Sakry und Florian Zizler von Dachser, einem der weltweit größten Logistikunternehmen. Die beiden nehmen uns mit auf eine KI-Reise, die 2017 mit einer Forschungskooperation mit dem Fraunhofer-Institut begann und heute ein umfassendes Data-Science-Kompetenzzentrum, über 500 aktive Nutzer eines Machine-Learning-Prognosemodells und einen M365-Copilot-Piloten mit 800 Nutzern umfasst. Besonders aufschlussreich: Dachser zeigt, wie ein zutiefst physisches Geschäft Schritt für Schritt KI-Kompetenzen aufbaut, dabei konsequent vom Business-Problem ausgeht und die Betroffenen zu Beteiligten macht.

Inhaltsübersicht

Die KI-Reise bei Dachser begann 2017/2018 mit einer Kooperation mit dem Fraunhofer-Institut für Material, Fluss und Logistik in Dortmund.
Das erste Prognosemodell PAnDA One sagt die Eingangstonnage für Niederlassungen bis zu 25 Wochen voraus und ist heute der viertmeist geklickte operative Bericht europaweit.
Dachser profitiert von einem selbstentwickelten Transportmanagement-System, das volle Kontrolle über die Unternehmensdaten ermöglicht.
Die Prognosegenauigkeit liegt stabil unter 5 Prozent Abweichung, was entscheidend für die Akzeptanz bei den Disponenten ist.
Die Corona-Pandemie 2020 verzerrte die Zeitreihendaten und zwang das Team, Lösungen für verunreinigte Datengrundlagen zu entwickeln.
2021 wurde das Kompetenzzentrum Data Science und Machine Learning formal gegründet, mit dem Bekenntnis, diese Kompetenzen intern aufzubauen.
Generative KI hat das Berufsbild im Data-Science-Team grundlegend verändert und viele Infrastrukturprobleme abstrahiert.
Der M365-Copilot wird aktuell mit 800 Nutzern pilotiert, begleitet von wöchentlichen Engagement-Sessions und Office Hours.
Die Initiative "Weg vom Klemmbrett" hat eine Community von über 1.000 Citizen Developern aufgebaut, die jährlich 3,5 Millionen Datensätze digital erfassen.
Seit eineinhalb Jahren unterstützt generative KI die No-Code-Plattform und schlägt den Citizen Developern komplette App-Strukturen vor.
Die strategische Kernfrage lautet: Wenn alle Unternehmen durch KI produktiver werden, wo liegt dann der Wettbewerbsvorteil?

Über die Gäste

Jürgen Sakry ist Leiter Shared Services bei Dachser und seit 27 Jahren im Unternehmen. Er verantwortet unter anderem die Business-Perspektive auf künstliche Intelligenz und treibt die KI-Kulturarbeit in der Organisation voran. Sein Fokus liegt darauf, KI-Lösungen mit echtem Nutzen für die operative Praxis zu verbinden und die Brücke zwischen technischer Innovation und logistischem Alltag zu schlagen.

Florian Zizler ist Head of Data Science in der Corporate IT bei Dachser. Er arbeitet seit über zehn Jahren im Analytics-Umfeld des Unternehmens und beschäftigt sich seit sieben bis acht Jahren zunehmend mit Data Science, Machine Learning und künstlicher Intelligenz. Er leitet das Data-Science-Team, das aus der frühen Forschungskooperation mit dem Fraunhofer-Institut hervorgegangen ist und heute das technologische Rückgrat der KI-Aktivitäten bei Dachser bildet.

Detaillierte Zusammenfassung

Die Keimzelle: Von der Forschungskooperation zum ersten Prognosemodell

Die KI-Reise bei Dachser begann 2017/2018 mit einer strategischen Kooperation mit dem Fraunhofer-Institut für Material, Fluss und Logistik in Dortmund. Das sogenannte Enterprise Lab wurde vom damaligen CDO Stefan Hohm initiiert und brachte Wissenschaft und Praxis zusammen. Auf der Seite des Fraunhofer-Instituts trieb Professor Ten Hompel das Projekt visionär voran.

Aus dieser Zusammenarbeit entstand das Prognosemodell PAnDA One, das die Eingangstonnage für Niederlassungen im Geschäftsfeld Road Logistics bis zu 25 Wochen in die Zukunft vorhersagen kann. Der Ansatz war dabei bewusst problemgetrieben: "Unser Ansatzpunkt war und ist, welche Herausforderungen im Betrieb sind gerade aktuell und wie können wir hier mit Technologie unterstützen." Am Ende war Machine Learning die Antwort, konkret Algorithmen wie Light GBM und XGBoost. Hätten einfachere statistische Modelle ausgereicht, hätte das Team auch diese gewählt.

Ein entscheidender Vorteil war Dachsers selbstentwickeltes Transportmanagement-System (TMS): "Wir entwickeln unser TMS-System selbst. Damit haben wir eine sehr hohe Kontrolle, was die Daten betrifft." Die Daten waren bereits vorhanden und über mehrere Ländergrenzen hinweg harmonisiert. Neu waren die Technologie und die Methodik, nicht die Datengrundlage.

Vom Prototyp zum Produktivbetrieb: Akzeptanz und Corona-Herausforderung

2020 wurde PAnDA One in den produktiven Betrieb überführt und in über 100 Niederlassungen ausgerollt. Die Prognosegenauigkeit liegt auf Wochenbasis stabil unter 5 Prozent Abweichung. Heute ist das Modell der viertmeist geklickte operative Bericht im gesamten europäischen Netzwerk.

Die Akzeptanz bei den Disponenten überraschte das Team positiv. Jürgen Sakry berichtet: "Ich war immer überrascht, wie leicht das Thema eigentlich aufgenommen wird. Die allerwenigsten gingen da mit der Attitüde ran: Ich bin 30 Jahre lang in der Logistik, ich weiß schon, was da kommt." Entscheidend war, dass die Praktiker von Anfang an eingebunden wurden: "Wir haben den Algorithmus nicht im Keller entwickelt. Ab Tag eins waren die Praktiker mit eingebunden."

"Wir haben den Algorithmus nicht im Keller entwickelt. Ab Tag eins waren die Praktiker mit eingebunden. Die Betroffenen zu Beteiligten machen."

Die Corona-Pandemie stellte eine besondere Herausforderung dar. Die plötzlichen Marktveränderungen verzerrten die Zeitreihen, auf denen die Prognosemodelle basierten. Saisonalitäten und Muster waren zerstört. Das Team musste schnell Lösungen entwickeln, um die Modelle trotz verunreinigter Daten stabil zu halten. 2021 wurde das Kompetenzzentrum Data Science und Machine Learning formal gegründet, verbunden mit dem Bekenntnis, diese Kompetenz dauerhaft intern aufzubauen.

Der Innovations-Kosmos: Wie Dachser sein Kompetenzzentrum organisiert

Das Kompetenzzentrum verbindet mehrere Säulen: Florian Zizlers Data-Science-Team für technische Umsetzung, eine eigene Forschungs- und Entwicklungsabteilung für den Blick auf neue Technologien und die Business-Seite unter Jürgen Sakry. Dachser pflegt einen "Innovations-Kosmos", der Kunden, Universitäten, Technologiepartner und interne Niederlassungen einbindet.

Sakry betont die Wichtigkeit des Austauschs über Unternehmensgrenzen hinweg: "Manchmal klappt nach dem Geberprinzip Digitalisierung dann gemeinsam doch besser." Gleichzeitig warnt er vor blindem Technologie-Einsatz: Man müsse genau hinschauen, ob eine einfache Automatisierung reicht oder ob wirklich Machine Learning oder generative KI benötigt wird. Nicht jedes Problem ist ein KI-Problem, und nicht jede KI-Lösung muss selbst entwickelt werden.

Generative KI und der M365 Copilot: Kulturwandel in der Breite

Mit dem Aufkommen generativer KI hat sich das Berufsbild im Data-Science-Team grundlegend gewandelt. Florian Zizler beschreibt: Viele Infrastrukturprobleme, die vor vier bis fünf Jahren erhebliches Kopfzerbrechen bereiteten, etwa das Deployment von Modellen auf Kubernetes-Plattformen, sind mittlerweile demokratisiert und abstrahiert. Das Team musste sich von klassischem Machine Learning in Richtung generative KI neu qualifizieren.

Für die breite Organisation pilotiert Dachser aktuell den Microsoft 365 Copiloten mit 800 Nutzern. Das Pilotprojekt läuft bis September und wird begleitet von wöchentlichen Engagement-Sessions mit wechselnden Use Cases, Office Hours für Fragen und Best-Practice-Austausch sowie einem eigenen Teams-Kanal für Community-Building. Sakry schildert ein konkretes Beispiel: Für eine Kundenpräsentation in Straßburg ließ er sich vom Copiloten basierend auf einer fertigen PowerPoint ein Quiz erstellen. In unter zehn Minuten war das Ergebnis fertig, mit 85 Prozent Trefferquote beim ersten Wurf. "Vermeintlich ist heute unser Gehirn das, was limitiert, was eigentlich möglich ist", fasst ein Kollege die Erfahrung zusammen.

Citizen Development: Die "Weg vom Klemmbrett"-Initiative

Ein besonders greifbares Beispiel für den breiten KI-Einsatz ist die Initiative "Weg vom Klemmbrett". Eine Community von über 1.000 Citizen Developern weltweit ersetzt papierbasierte Prozesse durch selbst gebaute Apps auf der No-Code-Plattform von Snappbond. Jährlich werden so 3,5 Millionen Datensätze digital erfasst, die früher auf Papier-Klemmbrettern dokumentiert wurden.

Einer der ersten Anwendungsfälle war die Fahrzeugkontrolle für Gefahrgut: Eine DIN-A4-Seite basierend auf einer Word-Datei wurde in eine digitale App überführt, mit einer Zeitersparnis von fast fünf Wochen pro Niederlassung. Seit eineinhalb Jahren ist die Plattform mit generativer KI ausgestattet. Per Prompt beschreiben die Citizen Developer ihren Use Case und erhalten einen ersten App-Vorschlag, der oft innovative Funktionen enthält, an die sie selbst nicht gedacht hätten. Sakry schildert einen Test mit einer Pizza-Tasting-App, bei der die KI eigenständig einen Fotobaustein vorschlug: "Auf die Idee wäre man gar nicht gekommen."

Die strategische Frage: Wo liegt der Wettbewerbsvorteil?

Florian Zizler stellt die provokante Frage: Wenn alle Unternehmen ihre Knowledge-Worker-Produktivität in den nächsten fünf Jahren um 20 Prozent steigern, wo liegt dann der Wettbewerbsvorteil? In einem zutiefst physischen Geschäft wie der Logistik werden neben generativer KI auch Technologien wie Computer Vision eine wichtige Rolle spielen. Entscheidend wird die Beherrschung der eigenen Daten sein: "Wer seine Daten beherrscht, hat einen Wettbewerbsvorteil."

Jürgen Sakry ergänzt die Perspektive des lebenslangen Lernens. Mit Blick auf Entwicklungen wie Artificial General Intelligence, Agentic AI, Edge AI und AI Wearables betont er: "Man muss offen sein für Neues. Lebenslanges Lernen steht mit Sicherheit noch viel größer im Vordergrund." Gleichzeitig mahnt er zur kritischen Prüfung: "Nahezu überall schreibt man gerade AI drauf. Manche Sachen sind ganz nette Features, kosten Geld und bringen wenig. Andere Sachen bringen halt viel."

Kernaussagen

"Nutzen ist die stärkste Währung des Zuhörers."
"Wir haben den Algorithmus nicht im Keller entwickelt. Ab Tag eins waren die Praktiker mit eingebunden. Die Betroffenen zu Beteiligten machen."
"Vermeintlich ist heute unser Gehirn das, was limitiert, was eigentlich möglich ist, wenn ich halt einfach mal darüber nachdenke, wie kann ich das für mich nutzbar machen."
"Man kann sich hinstellen und fragen, was darf ich alles? Wir haben das umgedreht: Welche Herausforderungen im Betrieb sind gerade aktuell und wie können wir hier mit Technologie unterstützen?"
"Nahezu überall schreibt man gerade AI drauf. Manche Sachen sind ganz nette Features, kosten Geld und bringen wenig. Andere Sachen bringen halt viel."

Fazit und Takeaways

Für den Start der eigenen KI-Reise

Vom Business-Problem ausgehen: Dachser hat nie gesagt "Wir müssen etwas mit KI machen", sondern gefragt, welche operativen Herausforderungen Technologie lösen kann. Machine Learning war die Antwort, nicht der Ausgangspunkt.
Externe Kompetenz nutzen, interne aufbauen: Die Kooperation mit dem Fraunhofer-Institut lieferte den Einstieg, doch Dachser entschied sich bewusst, die Kompetenz für den Produktivbetrieb intern aufzubauen.
Betroffene zu Beteiligten machen: Von Tag eins waren die Praktiker eingebunden. Kein Algorithmus aus dem Keller, sondern gemeinsame Entwicklung mit den späteren Nutzern.
Datenqualität als Fundament: Die Algorithmen sind nicht das Problem. Wer die richtigen Daten hat und die Muster erkennt, hat bereits einen guten Prototypen.

Für die Skalierung von KI in der Organisation

Kulturarbeit systematisieren: Wöchentliche Engagement-Sessions, Office Hours und Community-Kanäle schaffen niedrigschwellige Zugänge zur KI-Nutzung.
Citizen Development ermöglichen: Mit No-Code-Plattformen und generativer KI können Fachanwender eigene Lösungen bauen, ohne IT-Ressourcen zu beanspruchen. Dachsers 1.000-köpfige Community zeigt das Potenzial.
Geduld mitbringen: Von der ersten Forschungskooperation 2017 bis zum etablierten Kompetenzzentrum 2021 vergingen vier Jahre. KI-Transformation braucht Zeit, Commitment und einen langen Atem.

Für die strategische Ausrichtung

Über Produktivität hinausdenken: Wenn alle Wettbewerber durch KI produktiver werden, entsteht kein Differenzierungsvorteil. Die entscheidende Frage ist, wo KI echte Wettbewerbsvorteile schaffen kann.
Datenhoheit als strategischer Vorteil: In einer Welt, in der Modelle Commodity werden, entscheidet die Qualität und Verfügbarkeit der eigenen Daten über den Vorsprung.
Offen und kritisch bleiben: Nicht jede KI-Innovation bringt echten Mehrwert. Gleichzeitig können Technologien schneller relevant werden, als man denkt. Austausch mit Kunden, Forschung und Partnern hilft bei der Einordnung.

Die KI-Reise von Dachser zeigt exemplarisch, dass nachhaltiger Erfolg nicht aus einzelnen Technologieprojekten entsteht, sondern aus dem systematischen Aufbau von Kompetenzen, Strukturen und einer Kultur, die Innovation ermöglicht. Der Schlüssel liegt im Dreiklang aus Business-Verständnis, technischer Expertise und der Bereitschaft, kontinuierlich zu lernen.