Ein großes Unternehmen der Lebensmittelbranche belieferte täglich mehrere tausend Supermärkte und Gastronomiebetriebe mit frischen Produkten. Die Logistik war komplex, da Haltbarkeitsdaten, Kühlketten und enge Lieferfenster berücksichtigt werden mussten. Bestellungen gingen über verschiedene Kanäle ein, darunter EDI, E-Mail, Fax und Telefon, und wurden in mehreren Systemen erfasst. Diese heterogene Landschaft führte zu Medienbrüchen, manuellen Übertragungen und einem hohen Risiko von Fehlern. Team Radner wurde beauftragt, mit Hilfe von Prozessautomatisierung und Robotik die Logistikprozesse zu stabilisieren und zu beschleunigen.
Zu Beginn führte Team Radner eine umfassende Prozessaufnahme entlang der gesamten Order-to-Delivery-Kette durch. Dabei wurden alle Schritte von der Bestellung über die Kommissionierung bis zur Auslieferung analysiert. Besonders kritisch waren die Phasen der Auftragserfassung und der Tourenplanung, in denen viele Informationen manuell verarbeitet wurden. Mitarbeitende mussten Bestelldaten aus E-Mails und Faxen abtippen, Lieferrestriktionen prüfen und Touren in einer separaten Software planen. Diese Tätigkeiten waren zeitintensiv und anfällig für Übertragungsfehler, was zu Fehlmengen, Überbeständen und verspäteten Lieferungen führte.
Auf Basis der Analyse entwickelte Team Radner ein Zielbild, in dem RPA-Bots und KI-Komponenten die Brücke zwischen den verschiedenen Eingangskanälen und den Logistiksystemen schlagen sollten. Eingehende Bestellungen sollten automatisch erkannt, ausgelesen und in das zentrale ERP-System übertragen werden. Eine KI-gestützte Mustererkennung sollte dabei helfen, unterschiedliche Bestellformate zu verstehen und relevante Daten zu extrahieren. Anschließend sollten Bots die Aufträge mit Stammdaten, Verfügbarkeiten und Lieferrestriktionen abgleichen und die Tourenplanung mit aktuellen Informationen versorgen. Ziel war es, die Durchlaufzeit von der Bestellung bis zur Verfügbarkeit im Lager deutlich zu verkürzen.
Team Radner definierte gemeinsam mit der Logistikleitung Prioritäten für die Umsetzung. Zunächst wurden die Kanäle mit dem höchsten Volumen adressiert, insbesondere E-Mail-Bestellungen von Großkunden und Faxbestellungen kleinerer Märkte. Für jeden Kanal wurde ein spezifischer Verarbeitungsprozess entworfen, der sowohl technische als auch organisatorische Aspekte berücksichtigte. Parallel dazu wurden Qualitätskennzahlen festgelegt, etwa die Erkennungsquote der KI, die Fehlerquote bei der Auftragserfassung und die Zeit bis zur Verfügbarkeit im System. Diese Kennzahlen sollten später zur Erfolgsmessung der Automatisierung dienen.
Die technische Umsetzung begann mit der Einrichtung einer zentralen Plattform, auf der alle eingehenden Bestellungen gesammelt wurden. Team Radner richtete Postfächer und Fax-Gateways so ein, dass alle Dokumente digital vorlagen und von der KI analysiert werden konnten. Die KI-Komponente wurde mit historischen Bestellungen trainiert, um typische Layouts, Artikelnummern und Mengendarstellungen zu erkennen. In mehreren Iterationen wurden die Erkennungsalgorithmen verfeinert, indem Sonderfälle und unklare Formate berücksichtigt wurden. Gleichzeitig wurden RPA-Bots entwickelt, die die von der KI extrahierten Daten in das ERP-System übertrugen und Plausibilitätsprüfungen durchführten.
Ein wichtiger Aspekt war die Behandlung von Ausnahmen, etwa wenn Bestellungen unvollständig oder widersprüchlich waren. Team Radner implementierte einen Workflow, in dem solche Fälle automatisch markiert und an Mitarbeitende zur Klärung weitergeleitet wurden. Diese Mitarbeitenden konnten die Daten in einer übersichtlichen Oberfläche prüfen, ergänzen oder korrigieren. Nach der Freigabe wurden die Aufträge erneut von den Bots verarbeitet und in das System übernommen. Dadurch blieb die Kontrolle über kritische Fälle beim Menschen, während der Großteil der Standardaufträge vollautomatisch verarbeitet wurde.
Parallel zur Auftragserfassung nahm Team Radner die Tourenplanung in den Fokus. Bisher arbeiteten die Planer mit einer separaten Software, in die sie Daten manuell übertrugen. Team Radner entwickelte Bots, die aktuelle Auftragsdaten, Lieferfenster, Fahrzeugkapazitäten und Verkehrsinformationen automatisch in die Planungslösung einspeisten. Eine optimierte Tourenplanung konnte so auf einer vollständigen und aktuellen Datenbasis erfolgen. Die Ergebnisse der Planung wurden wiederum von Bots in das ERP-System und die Telematiklösungen der Fahrzeuge zurückgespielt, sodass Fahrer und Lager jederzeit über den aktuellen Stand informiert waren.
Während der Implementierung legte Team Radner großen Wert auf die Einbindung der Mitarbeitenden in Lager und Disposition. In Workshops wurden die neuen Prozesse vorgestellt, Feedback eingeholt und praktische Anforderungen diskutiert. Viele Mitarbeitende brachten wertvolle Hinweise ein, etwa zu typischen Fehlerquellen in Bestellungen oder zu Besonderheiten bestimmter Kunden. Diese Erfahrungen flossen in die Regelwerke der Bots und die Konfiguration der KI ein. Dadurch entstand eine Lösung, die nicht nur technisch, sondern auch fachlich gut in den Alltag der Logistik passte.
Nach Abschluss der Entwicklungsphase startete eine Pilotphase mit ausgewählten Regionen und Kundengruppen. Team Radner überwachte die Verarbeitung der Bestellungen in Echtzeit und analysierte Abweichungen von den definierten Qualitätskennzahlen. In den ersten Wochen wurden noch zahlreiche Anpassungen vorgenommen, etwa an der Erkennung bestimmter Artikelnummern oder an der Behandlung von Sonderwünschen. Mit jeder Iteration stieg die Stabilität der Lösung, und die Zahl der manuellen Eingriffe sank. Die Logistikleitung erhielt regelmäßige Berichte über die Entwicklung der Kennzahlen und konnte den Fortschritt der Automatisierung transparent verfolgen.
Mit zunehmender Reife der Lösung wurde die Automatisierung schrittweise auf weitere Regionen und Kanäle ausgedehnt. Team Radner passte die KI-Modelle an regionale Besonderheiten an, etwa unterschiedliche Sortimente oder spezifische Kundenanforderungen. Gleichzeitig wurden zusätzliche Prozesse integriert, etwa die automatische Erstellung von Lieferpapieren, die Generierung von Kommissionierlisten und die Übermittlung von Avisen an Kunden. Die RPA-Bots übernahmen immer mehr Aufgaben, die zuvor manuell erledigt wurden, und entlasteten damit Lager- und Dispositionsmitarbeitende.
Die messbaren Effekte der Automatisierung waren deutlich. Die Zeit von der Bestellung bis zur Verfügbarkeit im System reduzierte sich signifikant, was insbesondere bei frischen Produkten einen großen Unterschied machte. Die Fehlerquote bei der Auftragserfassung sank, da Tippfehler und Übertragungsfehler weitgehend eliminiert wurden. Gleichzeitig konnte das Unternehmen seine Lieferzuverlässigkeit erhöhen, da Touren besser geplant und Engpässe frühzeitig erkannt wurden. Kunden bemerkten, dass Bestellungen zuverlässiger und pünktlicher eintrafen, was die Zufriedenheit und Bindung stärkte.
Ein weiterer positiver Effekt zeigte sich in der Bestandsführung. Durch die schnellere und genauere Auftragserfassung standen dem Unternehmen bessere Daten für die Disposition zur Verfügung. Team Radner unterstützte dabei, diese Daten in Prognosemodelle zu integrieren, die Nachbestellungen und Produktionsplanung verbesserten. So konnten Überbestände reduziert und Abschriften aufgrund abgelaufener Haltbarkeitsdaten verringert werden. Die Kombination aus präziser Datenbasis und automatisierten Prozessen führte zu einer spürbaren Verbesserung der Wirtschaftlichkeit in der Logistik.
Auch die Mitarbeitenden profitierten von der Automatisierung. In der Disposition entfiel ein großer Teil der monotonen Datenerfassung, sodass mehr Zeit für die Lösung komplexer Fälle und die Kommunikation mit Kunden blieb. Im Lager konnten sich Mitarbeitende stärker auf die physische Abwicklung konzentrieren, da Unterlagen und Informationen rechtzeitig und vollständig vorlagen. Team Radner begleitete diesen Wandel mit Schulungen und Coaching, um sicherzustellen, dass die neuen Rollen und Aufgaben klar verstanden wurden. Viele Mitarbeitende empfanden die Veränderung als Aufwertung ihrer Tätigkeit.
Langfristig nutzte das Lebensmittelunternehmen die geschaffene RPA- und KI-Infrastruktur, um weitere Optimierungen umzusetzen. Team Radner unterstützte etwa bei der Einführung automatisierter Qualitätskontrollen, bei denen Daten aus Temperaturaufzeichnungen, Scannern und Sensoren ausgewertet wurden. Auffälligkeiten konnten so frühzeitig erkannt und Maßnahmen eingeleitet werden, bevor es zu Reklamationen kam. Zudem wurden Bots eingesetzt, um Abweichungen in Lieferketten zu überwachen und alternative Routen oder Lieferanten vorzuschlagen. Die Logistik entwickelte sich von einer reaktiven zu einer proaktiven Funktion, die aktiv zur Stabilität der Versorgung beitrug.
Am Ende stand eine Logistikorganisation, die dank Prozessautomatisierung und Robotik schneller, genauer und widerstandsfähiger agierte als zuvor. Das Unternehmen konnte seine Lieferfähigkeit auch in Spitzenzeiten sichern, ohne die Personalkapazitäten unverhältnismäßig ausbauen zu müssen. Kunden profitierten von einer höheren Zuverlässigkeit, und die internen Abläufe wurden transparenter und besser steuerbar. Team Radner hatte mit der Kombination aus technischer Umsetzung, Prozesswissen und Change-Management die Grundlage geschaffen, dass das Lebensmittelunternehmen seine Logistik als Wettbewerbsvorteil nutzen konnte.
Die Erfahrungen aus diesem Projekt zeigten, dass selbst stark fragmentierte und historisch gewachsene Logistikprozesse durch den gezielten Einsatz von RPA und KI deutlich verbessert werden können. Entscheidend war, dass technische Lösungen eng mit dem Wissen der Mitarbeitenden verknüpft wurden und dass Ausnahmen bewusst im Prozessdesign berücksichtigt wurden. So entstand eine robuste, skalierbare Lösung, die sich an veränderte Anforderungen anpassen lässt und die Logistik des Unternehmens langfristig unterstützt.
