Jeder große Fuhrpark, der KI verfolgt, steht vor einer vertrauten Entscheidung: eine Partnerlösung kaufen oder die Technologie intern entwickeln. Hirschbach Motor Lines entschied sich für den Weg der Partnerschaft, und der in Iowa ansässige Trucking-Carrier automatisiert nun die Fahrzeugkommunikation über einen KI-Agenten, der von Augment entwickelt wurde.

Die Einführung begann auf der Brokerage-Seite, wo der Agent – mit dem Namen Augie – nun die gesamte ausgehende Fahrzeugkommunikation in drei Interaktionstypen übernimmt: Fahrerinformationsanfragen, Abholungsankündigungen und Lieferungsankündigungen. Diese sind Kernbestandteile von Track-and-Trace, dem Prozess, durch den Freight-Broker und Carrier Meilensteine des Sendungsstatus – Abholungen, Updates während des Transports und Lieferungen – über den gesamten Lauf einer Ladung bestätigen. Zusammen stellen diese drei Interaktionen den automatisierbaren Teil der Arbeit dar und machen etwa 40 % des gesamten Track-and-Trace-Volumens von Hirschbach aus, ausschließlich Power-Only-Fracht – Vereinbarungen, bei denen ein Carrier nur Zugmaschine und Fahrer stellt, nicht den Auflieger. Innerhalb dieses Segments erreicht Augie bereits Fahrer auf mehr als 85 % der Logistics-Solutions-Ladungen des Carriers und automatisiert über 300 Abholungs- und Lieferungs-Check-ins pro Woche.

„Für mich besteht der frühe Erfolg nicht einfach in der Anzahl der Anrufe oder Nachrichten, die Augie verarbeitet“, sagte Ivan Ramirez, CTO bei Hirschbach Motor Lines, gegenüber FreightWaves. „Es geht darum, dass wir beweisen, dass KI Teil des Betriebsmodells werden und zuverlässig einen definierten Teil der Arbeit übernehmen kann. Das war die große Unbekannte: In Demo-Umgebungen funktioniert das alles wunderbar. Aber wie funktioniert es in echten Umgebungen? Und wir haben es dorthin gebracht.“

Kunden können Augie auch umbenennen. Hirschbach nennt seinen KI-Teamkollegen Hirschie.

Die Build-versus-Buy-Entscheidung

Die Entscheidung, einen externen KI-Partner ins Boot zu holen, folgte auf etwa eineinhalb Jahre der Anbieterbewertung. Viele Bewerber kamen mit polierten Voice-Demos, aber wenig darüber Hinausgehendem.

„Ich wusste, dass keiner von diesen Leuten etwas Fertiges hatte“, sagte Ramirez. „Sie hatten alle nur Geld eingesammelt und hatten diese großartige Idee, wie sie diese verschiedenen KI-Plattformen aufbauen wollten. Für mich und unser Team ging es wirklich um das Team. Mit welchem Team werden wir uns zusammentun?“

Augment zeichnete sich in drei Bereichen aus, sagte Ramirez: ein Team, das Logistikerfahrung mit Technologietiefe verband, eine Produkt-Roadmap, die über Track-and-Trace hinaus in Terminplanung, Ladungserstellung und Carrier-Kommunikation reichte, und die Bereitschaft, Hirschbach die Mitgestaltung dieser Roadmap zu ermöglichen, statt auf den Veröffentlichungszyklus eines Anbieters zu warten.

„Wir wollten keine traditionelle Anbieterbeziehung, bei der wir ein festes Produkt kaufen und auf Features warten“, sagte Ramirez. „Das haben wir schon erlebt, und es war eine furchtbare Erfahrung. Wir wollten einen Partner, der bereit ist, gemeinsam mit uns zu lernen.“

Das führte zu einer bewussten Build-versus-Buy-Entscheidung, obwohl Hirschbach über ein Technologie-Team verfügt, das mehr intern leisten könnte. Die Frage, ob proprietäre KI-Tools entwickelt oder mit spezialisierten Anbietern zusammengearbeitet werden soll, ist zu einer zentralen strategischen Debatte in der gesamten Logistikbranche geworden, da Carrier und Broker die Schnelligkeit der Wertschöpfung gegen Kosten und Komplexität der Pflege einer internen KI-Infrastruktur abwägen.

„Wir haben frühzeitig die Entscheidung getroffen, dass Hirschbach ein Transportunternehmen ist, das KI nutzt, um besser zu operieren“, sagte Ramirez. „Wir versuchen nicht, ein KI-Infrastrukturunternehmen zu werden. Also lasst uns einen wirklich guten Partner finden, bei dem wir viel schneller zu Mehrwert kommen und echten operativen Wert erzielen.“

Warum große Fuhrparks anders sind

Der Verkauf von KI an einen Enterprise-Carrier unterscheidet sich grundlegend vom Verkauf an ein Startup-freundliches Nischenunternehmen, so Harish Abbott, Mitgründer und CEO von Augment. Schon allein Dedicated Operations bergen vielschichtige Komplexität: mehrere Stopps, mehrere Ladungen, Behandlung von Frachtbriefen und anlagenspezifische Zuweisungsregeln.

„Das Allererste bei all dem ist: Wie bekommen wir die Leute aus dem Tag-für-Tag-Geschäft, dieser wenig glamourösen Arbeit, damit sie für kreativere Tätigkeiten frei werden“, sagte Abbott.

Die Terminplanung ist eines der größten Probleme, die große Fuhrparks ansprechen, sagte Abbott, insbesondere über volumenstarken Retail-Portalen.

„Es ist nicht einfach, Termine zu machen, besonders bei diesen großen Portalen wie Walmart und anderen“, sagte Abbott. „Power-only ist sehr unterschiedlich zu Live Load, sehr unterschiedlich zu Dedicated Runs.“

Die größere Chance besteht seiner Meinung nach darin, Termindaten mit den Hours-of-Service- und Fahrplanungsdaten zu verknüpfen, damit Fuhrparks das gesamte Netzwerk im Blick haben statt nur jeweils einen Termin.

Das Datenproblem hinter den verbleibenden 20 %

Etwa 70 % bis 80 % der Sendungen von Hirschbach kommen über EDI – Electronic Data Interchange, das standardisierte Nachrichtenformat, das in der Transportbranche weit verbreitet für strukturierte Transaktionen zwischen Handelspartnern eingesetzt wird – bereits in automatisierungsfähiger Form an. Der Rest trifft in unübersichtlicheren Formaten ein: Tender-E-Mails, PDFs oder ein Frachtbrief, der einem Fahrer bei einem Dedicated Run direkt übergeben wird.

„Wie bekommt man sie ins System, dem richtigen Kundencode zugewiesen, mit hoher Sicherheit, sodass Menschen das nicht eingeben müssen, aber auch schneller?“, sagte Abbott. „Dann ist alles Detention. Accessorials sind alle sehr früh mit dieser Sendung verknüpft, anstatt dass nach der Lieferung einer Ladung mit Fingern aufeinander gezeigt wird.“

Ramirez verwies auf die EDI-214-Statusmeldung – einen branchenweit genutzten Standard-Transaktionssatz zur Meldung von Sendungsmeilensteinen wie Abholungen, Ankünften und Lieferungen – als Beispiel für die Ineffizienz, die KI beseitigen soll.

„Wenn ich mir meine EDI-Transaktionen anschaue, ist der größte Teil der 214 der Bereich mit den höchsten Kosten“, sagte Ramirez. „Ich gebe euch bereits all diese Daten. Warum fragt ihr danach noch einmal nach? … Wir sind ein Geschäft mit geringen Margen. Ich versuche, einen Weg zu finden, und KI ist die perfekte Antwort darauf. Das sind die Dinge, die wir absolut tun müssen. Lasst KI das einfach erledigen, dann können wir es vergessen.“

Abbott sagte, dass enge, spezifische Anwendungsfälle – nicht ein breiter KI-Rollout – das Vertrauen eines Operators gewinnen.

„Wenn man KI flächendeckend einsetzt mit dem Ansatz ‚Hier ist diese coole Sache, die das Leben aller besser macht', denkt der Operator: ‚Okay, mein Leben hat sich nicht verändert. Ich mache immer noch dasselbe'“, sagte Abbott. „Bei Operatoren muss man extrem spezifisch sein: ‚Hey, du verbringst so viel Zeit mit X, und jetzt lassen wir KI oder Augie das übernehmen.' Und dann sehen sie das.“

Der KI-Agent, den Hirschbach für die Fahrerbindung wünscht

Der nächste Anwendungsfall, den Hirschbach aktivieren möchte, ist ein KI-Assistent, der zwischen Fahrern und ihren Driver Leaders positioniert ist und Routinefragen beantwortet, damit sich die Leaders auf die Gespräche konzentrieren können, die die Fahrer tatsächlich halten. Die Fahrerbindung ist seit langem eine der hartnäckigsten operativen Herausforderungen der Trucking-Branche, wobei Carrier sektorweit stark in Rekrutierung und Bindung investieren – angesichts wiederkehrender Fahrermangel und hoher Fluktuationsraten.

„Die größten Beschwerden, die wir derzeit von unseren Fahrern erhalten, sind: ‚Ich erreiche meinen Driver Leader nicht'“, sagte Ramirez. „Ich bin ein Driver Leader. Ich habe 50 bis 60 Fahrer, die ich betreue. Ich kann nicht für jeden jederzeit verfügbar sein, um diese Anrufe zu beantworten.“

„Ich habe mir einige dieser Gespräche angehört, die Driver Leaders mit ihren Fahrern führen. Vieles davon ist – sie sind buchstäblich Psychologen“, sagte Ramirez. „Viele dieser Gespräche haben nichts mit Fracht zu tun. Es sind 30-minütige Gespräche über ihre Familie, ihr Gehalt, ‚Ich brauche mehr Meilen.' Das sind die Gespräche, die wir von unseren Driver Leaders mit unseren Fahrern geführt haben wollen, weil man so mehr Fahrer hält.“

Die langfristige Vision geht über das bloße nachträgliche Beantworten von Fragen hinaus. Abbott beschrieb ein Modell, bei dem der Agent eine Verzögerung vorwegnimmt und einen Termin neu vereinbart, bevor ein Kunde überhaupt fragen muss, wo sich eine Ladung befindet.

„Was cool wäre: Bevor die E-Mail des Kunden kommt, kontaktieren wir den Kunden oder die Anlage und sagen: ‚Hey, dieser Fahrer verspätet sich. Ich plane den Termin neu. Ist erledigt'“, sagte Abbott. „Es geht darum, Ausnahmen vorherzusehen und proaktiv zu handeln, anstatt heute – bei all unseren KI-Anwendungsfällen – nur reaktiv zu sein.“

Diese Art proaktiver Umplanung hilft beiden Seiten der Ladung, sagte er, da ein Lagerhaus, das weiß, dass ein Truck zu spät kommt, die Arbeitskräfte umverteilen kann, die für das Abladen eingeplant waren.

„Fahrerbindung ist für alle ein großes Thema“, sagte Ramirez. „Ich kann es kaum erwarten, diesen Anwendungsfall umzusetzen.“