Hinzu kommt, dass der Online-Handel in Deutschland immer populärer wird – allein im Corona-Jahr 2021 ist der Brutto-Umsatz von Waren im E-Commerce um ganze 19 % gestiegen. In der Folge müssen Paketzusteller ein höheres Post- und Paketaufkommen bewältigen, auch über nationale Landesgrenzen hinaus. Dass sich unser Kunde zusammen mit paretos für moderne Technologien öffnet und dateninformierte, vorausschauende Operationsabläufe in den strategischen Fokus rückt, verschafft ihm in diesem dynamischen Wettbewerbsumfeld einen unschätzbaren Vorteil.
Als Senior Manager Product Management lotet Tobias S. das Potential von Big-Data-Analysen für den Geschäftsbetrieb unseres Kunden aus. Inzwischen sind die Vorhersagen von paretos aus dem internen Workflow nicht mehr wegzudenken. Die Entscheidung für einen einen automatisierten Analytics-Prozess auf Basis unserer Plattform liefert messbare Ergebnisse:
Hintergrund
Unser Kunde, einer der größten Paketzusteller Europas, verwaltet eine Flotte von über 6.000 Zustellfahrzeugen, 10.000 Paketshops und 100+ Depots allein in Deutschland, von denen aus über 50.000 Konsumentinnen und Konsumenten beliefert werden. Multipliziert man diese Werte mit Faktoren wie Wetterbedingungen, Umleitungen, Unfällen oder Fahrergewohnheiten, steht man vor einer immensen logistischen Herausforderung.
Herausforderung
Die größte Herausforderung für unseren Kunden ist es, das Volumen seiner täglich zu erwartenden Sendungen möglichst genau zu prognostizieren. Die Anzahl der Sendungen allerdings schwankt häufig und mitunter stark. Hinzu kommen weitere externe, logistische Unsicherheitsfaktoren wie Wetterbedingungen oder Verkehrsverhältnisse, die die Personaleinsatzplanung und die Organisation der Fahrzeugflotte für unterschiedliche Postleitzahlengebiete und Depots erschweren.
Auf diese veränderten Planungsanforderungen hat unser Kunde bisher manuell reagiert. Ihm war weder bekannt, welche externen Faktoren überhaupt eine Rolle spielten, noch verfügte das Unternehmen über leicht bedienbare Analytics-Tools. Dadurch waren die Einblicke in den bevorstehenden Personal- und Flottenbedarf höchst unzuverlässig, wodurch es zu erhöhten Kosten, zu niedriger Auslastung oder Engpässen in der Personalplanung und Fahrzeugflotte kam.
„Mit paretos schlagen wir ein völlig neues Kapitel für unsere Planung und Vorhersage auf. Wir erhalten jetzt dynamische, maßgeschneiderte und hochpräzise Prognosen über unsere Paketmengen und haben das Potenzial, in Zukunft noch mehr Parameter oder Anwendungsfälle hinzuzufügen. Das gibt uns die Möglichkeit, unsere Ressourcen und Lieferanten besser zu planen und ins Verhältnis zu setzen – ein Kernelement für unseren Erfolg.“
.webp)
Lösung
Unserem Kunden wurde klar, dass eine KI-basierte Technologie der Schlüssel zur Lösung ist, um seine komplexen, dynamischen Planungsprozesse bewältigen zu können. Nach einigen Testläufen mit anderen Lösungsansätzen hat er sich für die Integration unserer paretos-Plattform entschieden, um die sich stetig verändernden Planungsanforderungen flexibel, bedarfsorientiert und transparent optimieren zu können.
Unsere Methode des dynamischen Resource Plannings lotet die verschiedenen Unsicherheiten basierend auf historischen Daten automatisiert aus und setzt sie mit Wetterbedingungen, Feiertagen oder Fahrerdaten in Beziehung. Dies ermöglicht es dem Unternehmen, bis zu drei Tage im Voraus Vorhersagen zu treffen, die eine bis dato unerreichte Präzision garantieren.
Mithilfe der API von paretos werden interne und externe Datenquellen zusammengeführt, wodurch das Unternehmen ein zuverlässiges Bild von den zukünftigen Anforderungen an die Einsatzplanung erhält. Und zwar für jedes einzelne der 100+ deutschlandweit verwalteten Depots. Vorhandene Datenquellen können leicht angebunden werden und Ergebnisse werden automatisch in die Kundensysteme übertragen.
Ergebnis
Die zunehmende Menge an verfügbaren Daten und die automatisierte Prognose erlauben es dem Unternehmen, zuverlässigere Einsatzpläne zu erstellen – ein wichtiger Baustein in der Wertschöpfungskette des Unternehmens, um nachhaltig Betriebskosten zu sparen und dank pünktlicher Lieferungen auch die Kundenzufriedenheit zu steigern.
Nach kurzer Zeit im Einsatz der paretos-Plattform konnte unser Kunde mit dem dynamischen Resource Planning seine Vorhersagengenauigkeit um mehr als 10 % auf nunmehr fast 100% steigern. Mithilfe der automatisierten Datenanalyse erreicht er am ersten Tag über 95 % und am zweiten Tag über 93 %. Selbst für Tag 3, dem Tag mit der höchsten Unsicherheit, konnte paretos noch eine Präzision von über 90 % erreichen. Erfreulicher Nebeneffekt: Durch den effizienteren Einsatz von Flotte und Personal schont unser Kunde mit der Lösung von paretos nebenbei auch die Umwelt, da weniger CO2 produziert wird.
