Latest / Ignition / Wenn Paletten zu groß sind: KI entdeckt versteckte Logistikkosten
Transcript
- 0:00Willkommen zur heutigen Episode!
- 0:01Ich bin Max Quantum, wie immer mit Eva Cortex.
- 0:04Und Eva, stell dir mal folgendes Bild vor: Wir stehen an einer typischen Laderampe
- 0:08in einem riesigen Logistikzentrum.
- 0:10Eine Palette rollt vorbei.
- 0:12Auf dem Lieferschein steht eine Breite von achtzig Zentimetern.
- 0:16In der Realität ist sie aber einen Meter zwanzig breit -- also volle vierzig
- 0:20Zentimeter zu breit für den gebuchten Tarif.
- 0:23Sie blockiert mehr Platz im Lkw, verursacht Mehrkosten, aber sie rollt einfach so
- 0:28durch.
- 0:28Das System rechnet nichts nach, weil bisher schlicht niemand diese Abweichung
- 0:32automatisch erfasst hat.
- 0:35Okay, warte mal -- vierzig Zentimeter Abweichung?
- 0:38Das ist ja kein kleiner Messfehler, das ist fast die Hälfte mehr Platz!
- 0:42Warum fällt das denn niemandem auf?
- 0:44Da stehen doch überall Leute an den Rampen rum.
- 0:48Genau das ist der Punkt.
- 0:49Es fällt nicht auf, weil der Prozess extrem schnell gehen muss.
- 0:52Wenn ein Spediteur oder Fulfillment-Dienstleister jede einzelne Palette manuell mit
- 0:57dem Zollstock vermessen müsste, würde die gesamte Logistikkette stillstehen.
- 1:01Transload setzt genau an dieser Lücke an.
- 1:03Sie nutzen die ohnehin vorhandenen Sicherheitskameras in den Hallen und machen sie
- 1:07per Software zu Messinstrumenten.
- 1:09Die Software vermisst jede Sendung im Vorbeigehen in 3D, gleicht das mit dem
- 1:13digitalen Lieferschein ab und löst bei Abweichungen automatisch eine Nachberechnung
- 1:17aus.
- 1:19Heißt für mich: Die Logistiker verlieren hier jeden Tag bares Geld,
- 1:23einfach weil sie die Augen verschließen müssen, um das Tempo zu halten?
- 1:26Gibt es da konkrete Zahlen, wie oft das vorkommt?
- 1:30Und wie.
- 1:30Man geht davon aus, dass bei ungefähr fünfzehn Prozent aller eingehenden Sendungen
- 1:35die realen Maße größer sind als die deklarierten.
- 1:38Fünfzehn Prozent!
- 1:40Das summiert sich bei den enormen Durchlaufmengen extrem schnell auf fünfstellige
- 1:45Beträge pro Monat und Standort.
- 1:47Das Problem blieb bisher unsichtbar -- nicht weil es unbedeutend ist,
- 1:51sondern weil eine manuelle Kontrolle an der Rampe schlicht nicht im großen Maßstab
- 1:55skalierbar war.
- 1:57Ich versuche das gerade mal für mich runterzubrechen.
- 1:59Wie genau funktioniert dieser Schritt von der normalen Sicherheitskamera zur
- 2:03Abrechnung?
- 2:04Das Bild einer Standard-Überwachungskamera ist doch oft gar nicht so scharf,
- 2:09geschweige denn dreidimensional.
- 2:11Der eigentliche Hebel liegt in der Computer Vision.
- 2:13Die Palette läuft durch das Sichtfeld der Kamera.
- 2:16Die Software erkennt im laufenden Videostrom die Konturen des Objekts,
- 2:19berechnet die Perspektive und rekonstruiert daraus die tatsächlichen
- 2:23dreidimensionalen Maße.
- 2:25Und jetzt kommt das Entscheidende: Das ist keine theoretische Spielerei.
- 2:29Die Software gleicht diese gemessenen Werte sofort mit den Daten aus dem
- 2:33Warehouse-Management-System ab.
- 2:36Aber wie weiß die Software, was auf dem Lieferschein steht?
- 2:38[questioning tone] Müssen die Mitarbeiter dafür extra Barcodes scannen oder
- 2:42Lieferscheine in die Kamera halten?
- 2:44Nein, eben nicht.
- 2:44Der Abgleich entsteht vollautomatisch im Hintergrund.
- 2:48Jede Palette hat ein Label, das beim Wareneingang sowieso gescannt wird.
- 2:52In diesem Moment verknüpft das System die ID der Palette mit dem Videobild der
- 2:56Kamera.
- 2:56Wenn die reale Größe über der deklarierten Größe liegt, wird im selben Moment ein
- 3:01Datensatz für die Differenzrechnung erzeugt.
- 3:03Es ist also nicht bloß ein netter Hinweis für den Schichtleiter,
- 3:06sondern eine direkte, automatisierte Grundlage für Geld, das bisher einfach auf der
- 3:11Straße liegen gelassen wurde.
- 3:13Das klingt jetzt erstmal ziemlich gut -- fast ein bisschen zu einfach.
- 3:18Normalerweise dauern IT-Projekte in der Logistik doch Monate,
- 3:21wenn nicht Jahre.
- 3:22Wo ist der Haken bei der Installation?
- 3:25Der Clou ist, dass es eben kein Hardware-Projekt ist.
- 3:27Es gibt keine neuen Sensoren, keine Umbauten an den Toren und keine wochenlangen
- 3:32Ausfallzeiten.
- 3:33Die Software nutzt die Kameras, die ohnehin schon unter der Decke hängen.
- 3:36Das verändert den gesamten Vertriebsprozess fundamental.
- 3:40Man muss den Kunden nicht davon überzeugen, ein teures Risiko einzugehen.
- 3:44Die Frage im Verkaufsgespräch lautet nicht mehr: 'Funktioniert diese neue
- 3:47Technologie bei uns?', sondern: 'Wie viel Geld verlieren Sie genau in diesem Moment,
- 3:52während wir hier sprechen?'
- 3:54Verstehe.
- 3:55Wenn ich der Betreiber einer solchen Halle wäre, würde mich das sofort triggern.
- 3:59Weil ganz ehrlich: Fünfzigtausend Euro entgangener Umsatz pro Monat und Standort ist
- 4:04eine Ansage.
- 4:05Wenn mir jemand zeigt, dass dieses Geld mit der bestehenden Hardware sofort geholt
- 4:09werden kann, ist das keine IT-Diskussion mehr, sondern eine reine P&L-Entscheidung
- 4:14für die Geschäftsführung.
- 4:16Ganz genau.
- 4:16Der Return on Investment ist ab Woche eins messbar.
- 4:19Das verkürzt den typischen, sonst extrem zähen Enterprise-Vertriebszyklus in der
- 4:24Logistikbranche drastisch.
- 4:26Okay, aber wie verdient Transload damit Geld?
- 4:28Verkaufen die das als klassisches Software-as-a-Service-Modell mit fester
- 4:32Monatsgebühr, oder partizipieren sie direkt am Erfolg?
- 4:37Beides ist denkbar, aber das outcome-basierte Modell ist hier natürlich der absolute
- 4:41Umsatzbeschleuniger.
- 4:42Wenn du als Softwareanbieter sagst: 'Wir nehmen einfach einen Prozentsatz von dem
- 4:46Umsatz, den wir für dich nacherheben', gibt es auf Kundenseite quasi kein
- 4:50finanzielles Risiko mehr.
- 4:52Und für Transload ist der Margenhebel enorm.
- 4:54Die Software ist einmal entwickelt.
- 4:56Sie auf weitere Standorte oder neue Kunden auszurollen, verursacht kaum zusätzliche
- 5:01Grenzkosten.
- 5:03Und die Logistikzentren werden da wahrscheinlich kaum verhandeln.
- 5:06Wenn sie dank der Software plötzlich zehntausende Euro mehr einnehmen,
- 5:09geben sie gerne einen Teil davon ab.
- 5:11Das ist ein extrem dankbares B2B-Modell.
- 5:15Zumal das Problem ja kein deutsches Phänomen ist -- das existiert weltweit an jeder
- 5:20Rampe auf diesem Planeten.
- 5:22Richtig.
- 5:22Und man muss sich vor Augen führen, warum das erst heute möglich ist.
- 5:26Vor der Reife von Computer Vision und modernen neuronalen Netzen war dieses Problem
- 5:30technisch schlicht nicht lösbar.
- 5:32Ein einfacher Lichtschranken-Sensor reicht dafür nämlich nicht aus.
- 5:36Der Sensor meldet dir nur: 'Da ist ein Objekt.'
- 5:38Er kann dir aber nicht sagen, ob die Palette ausgefranst ist,
- 5:41ob Folie absteht oder wie die genaue dreidimensionale Form aussieht.
- 5:46Das ist ja eigentlich die spannende Frage: Was ist echtes Frachtgut und was ist nur
- 5:50eine abstehende Plastikfolie, die im Wind flattert?
- 5:54Kann die KI das wirklich so präzise unterscheiden?
- 5:58Ja, genau das leistet die KI.
- 5:59Sie filtert Störfaktoren wie lose Umreifungsbänder oder Schutzfolien heraus und
- 6:04berechnet das tatsächliche, abrechnungsrelevante Volumen.
- 6:07Das ist der Unterschied zwischen einem dummen Sensor und intelligenter
- 6:11Mustererkennung aus einem laufenden Videostrom.
- 6:14Wenn ich das mal eine Ebene höher betrachte, sehe ich hier ein extrem starkes Muster
- 6:18für B2B-KI: Vorhandene Infrastruktur nutzen, neue 'Augen' draufsetzen und
- 6:25dadurch Werte sichtbar machen, die vorher im Rauschen untergegangen sind.
- 6:30Hervorragend auf den Punkt gebracht.
- 6:32Das ist das eigentliche Metamuster.
- 6:34Man muss kein neues Equipment verkaufen.
- 6:37Der Wert entsteht einzig und allein durch die intelligentere Interpretation von
- 6:41Daten, die sowieso schon generiert werden.
- 6:43Das lässt sich auf unzählige Branchen übertragen -- von der Qualitätskontrolle in
- 6:47der Produktion über die Verkehrsüberwachung bis hin zur Analyse von Kundenströmen im
- 6:52Einzelhandel.
- 6:54Heißt für Gründer: Such nicht nach der nächsten, völlig abstrakten Plattform-Idee
- 6:58auf der grünen Wiese.
- 6:59Such lieber nach einem etablierten, etwas langweiligen Prozess,
- 7:04bei dem tonnenweise Daten ungenutzt verpuffen -- und mach daraus eine
- 7:08Abrechnungsmaschine.
- 7:10Absolut.
- 7:10Lass uns die wichtigsten Lehren für Gründer noch einmal festhalten.
- 7:13Erstens: Das stärkste B2B-Produkt löst oft ein Problem, das dem Kunden zwar bewusst
- 7:18war, das er aber als 'unvermeidbares Grundrauschen' hingenommen hat.
- 7:22Zweitens: Ein ultrakurzer ROI in der ersten Woche schlägt jedes noch so tolle
- 7:27Verkaufsargument.
- 7:28Und drittens: Nutze die bestehende Infrastruktur des Kunden,
- 7:32um die Einstiegshürde gegen Null zu senken.
- 7:35Aber machen wir zum Schluss noch einen kurzen Realitätscheck.
- 7:38Ganz so einfach ist es in der Praxis dann doch nicht, oder?
- 7:41Was passiert, wenn die Kameras in einer uralten Lagerhalle verstaubt sind oder das
- 7:46Licht schlecht ist?
- 7:48Sehr guter Punkt.
- 7:49Die Bildqualität und die Kamerapositionierung sind in der Praxis die größten Hürden.
- 7:54Wenn der Kontrast fehlt oder Schatten das Bild verzerren, stößt die Software an ihre
- 7:58Grenzen.
- 7:59Und man darf nicht vergessen: Ein finanzstarker Wettbewerber oder ein großer
- 8:03Logistik-Konzern könnte so eine Computer-Vision-Lösung theoretisch auch intern
- 8:07nachbauen, wenn das Modell einmal etabliert ist.
- 8:10Die langfristige Verteidigungsfähigkeit liegt also nicht nur im Algorithmus,
- 8:14sondern in der tiefen Integration in die Logistik-Workflows der Kunden.
- 8:19Ein extrem spannendes Case Study, wie aus vermeintlich langweiligen Kamerabildern
- 8:23echtes Geld wird.
- 8:24Vielen Dank fürs Zuhören, Leute!
- 8:26Wir hören uns in der nächsten Folge.
- 8:28Ciao!
- 8:30Macht's gut und bis zum nächsten Mal!