KI-Agenten in der Logistik: Sieben Thesen zur Zukunft der Supply Chain
Autor: Andre Kranke I Lesezeit: 7 Minuten
30/07/2026
Agentische Systeme in der Künstlichen Intelligenz – kaum ein anderer Technologietrend wird aktuell so intensiv diskutiert. Sieben Thesen erläutern, was für einen erfolgreichen Einsatz von KI-Agenten in der Logistik künftig von Relevanz ist.
Die Logistik schreibt den digitalen Helfern große Potenziale zu. Wie nicht selten bei einem Hype-Thema, geschieht dies oftmals, ohne genau zu wissen, was ein KI-Agent eigentlich genau ist. Die Definition einer agentischen KI variiert dabei von Fall zu Fall etwas. Grundsätzlich sind KI-Agenten Software-Anwendungen. Im Gegensatz zu klassischen Programmen kombinieren KI-Agenten aber generative künstliche Intelligenz mit regelbasierter Informatik. Diese Kombination führt zu digitalen Entitäten, die in einem definierten Aufgabenfeld Anfragen und Dateneingaben verstehen, daraus zu vorgegebenen Zielen Umsetzungswege ableiten und schließlich auch Handlungen auslösen und überwachen können.
Ein KI-Agent kann zum Beispiel in der Sendungsverfolgung Informationen aus Statussystemen oder auch unstrukturierten Chat-Nachrichten verstehen, eine Schlussfolgerung auf Basis von vorgegebenen Zielsetzungen ziehen und entsprechende Aktionen auslösen. Er informiert bei einem bestimmten Sendungsstatus den betroffenen Kunden direkt oder legt den Fall einem Kundenservice-Mitarbeiter zur Prüfung und Bearbeitung vor.
Erste These: Die Grenzen zwischen KI-Agenten und KI-Assistenten verschwimmen immer mehr
Im Idealfall agiert ein KI-Agent als komplett autonom handelndes System, das selbst entscheidet, ob und in welcher Form ein Mensch noch zu Rate gezogen wird. Nicht selten agiert ein KI-Agent in der Praxis derzeit aber mehr als Assistent und führt so gut wie keine Handlung ohne Zustimmung des Menschen durch. Je nach KI-Ergebnisqualität und Prozessvorgaben entstehen Mischformen von KI-Agenten und KI-Assistenten. Die formalen definitorischen Grenzen zwischen einem KI-Agenten und einem KI-Assistenten sind immer häufiger nicht mehr ganz trennscharf und verschmelzen so miteinander.
Aufgrund der grundsätzlich vorhandenen Fehlerquote von KI-Agenten ist immer auch eine Risikobewertung notwendig.
Zweite These: KI-Agenten verändern Prozesse in der Logistik
Insbesondere an den Schnittstellen zwischen den einzelnen Akteuren in der Lieferkette kommen erste agentische Systeme testweise zum Einsatz. Zum Beispiel nehmen KI-Agenten die Eingabe von notwendigen Sendungsdaten in Logistikplattformen vor. Dies können unstrukturierte Textdaten und Dokumente aber auch Sprachnachrichten sein. Dabei können die Informationen von Menschen oder von anderen KI-Agenten stammen. Durch das neue Model Context Protocol (MCP) können Large Language Modelle immer effektiver mit fremden Systemen und Datenbanken kommunizieren und führen zu einer neuen Form von heute EDI- und API-basierten Datenschnittstellen. In Einkauf und Vertrieb holen KI-Agenten so erste Informationen zu Beschaffenheit und Verfügbarkeit von Produkten und Dienstleistungen ein, gleichen Vertragskonditionen ab und verhandeln diese. In ersten Piloten geschieht das schon heute.
Im Rahmen der Serie „Zukunftslabor“ werden Ergebnisse aus dem Bereich Corporate Research & Development präsentiert, die in Zusammenarbeit mit Fachbereichen und Niederlassungen sowie dem DACHSER Enterprise Lab am Fraunhofer IML und weiteren Forschungs- und Technologiepartnern entstanden sind.
Dritte These: KI-Agenten machen Fehler
Nicht immer zieht ein KI-Agent die richtigen Schlüsse und löst damit die gewünschte Handlung aus. Das ist bei vielen Einsatzszenarien eine grundsätzliche Herausforderung. Selbst perfekte KI-Agenten kommen derzeit nicht über einen Anteil von schätzungsweise 90 bis 95% richtiger Entscheidungen. Wichtig ist in diesem Zusammenhang auch die Fähigkeit des agentischen Systems zu erkennen, wie gut die eigene Entscheidung ist oder welcher Prozess vorliegt und welche Entscheidungsregeln gelten. Diese Fähigkeit beeinflusst noch einmal zusätzlich die Qualität der Handlungen eines KI-Agenten. Aufgrund dieser grundsätzlich vorhandenen Fehlerquote von KI-Agenten ist immer auch eine Risikobewertung notwendig: Also welche Auswirkungen haben gelegentliche Fehler und wie geht ein Geschäftsmodell damit um. Daraus folgt, dass derzeit viele Prozesse noch nicht von KI-Agenten übernommen werden können.
Künftig gehören also nicht nur Menschen, sondern auch KI-Agenten zu den Zukunftsgestaltern in Logistik und Supply Chain Management.
Vierte These: KI-Agenten gehören zum Team
Ihre Fähigkeiten aber auch Schwächen, die einem Menschen im Berufsalltag manchmal verblüffend ähnlich sind, machen KI-Agenten zu weit mehr als Softwareprogramme. Sie sind vielmehr Mitglieder von Teams. Die KI-Agenten werden für unterschiedliche Aufgabenstellungen vorbereitet, trainiert und können mit Menschen interagieren. Menschen geben künftig KI-Agenten Aufgaben und arbeiten iterativ am gewünschten Ergebnis. Und dies nicht nur mit einem einzelnen KI-Agenten, sondern parallel mit mehreren gleichzeitig – denn auch KI-Agenten benötigen Zeit zum „Denken“. Damit KI-Agenten ihre Aufgaben gut erfüllen können, muss ihnen immer wieder der Kontext ihres Handelns durch gute Daten und Handlungsanweisungen (Prompts) vermittelt werden. Sie müssen also professionell geführt werden und sind gut in die menschlichen Teams zu integrieren, damit sie als „Kollege“ akzeptiert werden. Das sind neue Fähigkeiten, die Führungskräfte auf allen Ebenen sehr schnell erlernen und künftig umsetzen müssen.
Künstliche Intelligenz steigert Effizienz und unterstützt Prozesse – doch die finale Entscheidung bleibt beim Menschen. Warum dieser Grundsatz für DACHSER zentral ist, erläutert CEO Burkhard Eling.
Fünfte These: KI-Agenten kann jeder erstellen
Neben dem Führen und Nutzen rückt auch das Erstellen von zumindest einfachen Agenten in den Mittelpunkt des Arbeitsalltags von Logistikern. Unter dem Schlagwort „Citizen Development“ entstehen Umgebungen, mit Hilfe derer viele Nutzer einfache KI-Agenten durch gezieltes Prompten sowie die Anbindung von Datenquellen und Workflow-Systemen erstellen und zum Einsatz bringen können. Ein Beispiel im Büroalltag sind die Copilot-Agenten von Microsoft.
Sechste These: KI-Agenten liefern noch keinen ROI
Trotz vieler Potenziale und auch erster konkreter Effizienzgewinne bei bestimmten Prozessen, ist ein Return-on-Invest bei agentischen Systemen oftmals noch nicht gegeben. Viele KI-Agenten befinden sich noch im Status des MVP (Minimum Viable Product), werden derzeit in Pilotprojekten getestet und sind noch lange nicht flächendeckend in Geschäftsmodellen verankert. Entwicklungskosten, Lizenzen für KI-Systeme und der Token-Verbrauch für Anfragen bei Large Language Modellen wie ChatGPT, Claude oder Mistral kosten Geld – insbesondere, wenn es zu einer einseitigen Abhängigkeit zu einem einzelnen Anbieter oder LLM-Modell kommt. Hinzu kommen die Schulungen für Mitarbeitende und die Zeit, Erfahrungen im Umgang mit KI-Agenten zu sammeln. Sicherlich gehört ein gewisses Investment in das Erlernen der richtigen Nutzung von neuen Technologien zu jedem Innovationsprozess. Aber Schritt für Schritt müssen auch konkrete Kennzahlen und ROI-Betrachtungen zum Steuerinstrument von KI-Agenten werden, um mittelfristig einen gesunden wirtschaftlichen Rahmen für den Einsatz Künstlicher Intelligenz zu schaffen.
Siebte These: KI-Agenten gestalten die Zukunft
Trotz ihrer Schwächen, Risiken und Kosten: KI-Agenten werden in nahezu jedem Prozess der Supply Chain Einzug halten. Dies sollte jedem bewusst sein. KI-Agenten werden die Art der Zusammenarbeit manchmal nur ein wenig, in manchen Fällen aber auch sehr intensiv verändern und in den meisten Fällen effektiver gestalten. Dabei kommen nicht nur einzelne KI-Agenten zum Einsatz, sondern Multi-Agenten-Systeme agieren untereinander und im Zusammenspiel mit Menschen.
Künftig gehören also nicht nur Menschen, sondern auch KI-Agenten zu den Zukunftsgestaltern in Logistik und Supply Chain Management. Damit wird der Umgang mit KI-Agenten auch zu einer Führungsaufgabe. Stefan Hohm, Chief Development Officer (CDO) bei DACHSER, bringt es auf den Punkt: „KI ersetzt keine Führungskräfte. Aber Führungskräfte, die KI nutzen, werden jene ersetzen, die es nicht tun.“
