Datenqualität ist der eigentliche Engpass der Logistik-Automatisierung. Nicht der Code. Anfang September lief bei einem Kunden ein Abgleich. Zum ersten Mal. 538 Zeilen aus der Kartenabrechnung. 340 davon einem Fahrzeug zugeordnet. 63 Prozent. Ein solider Start. Vier Tage später lief derselbe Lauf wieder. Fast die gleiche Zeilenzahl. 544 statt 538. Diesmal kamen sechs Zeilen durch. Gut ein Prozent. Der Status stand trotzdem auf "erfolgreich". Kein Fehler. Keine Warnung. Nur eine Zahl in den Metadaten. Die kaum noch jemand liest. Weil die Statuszeile grün blieb.
Der Agent hatte sich nicht verändert. Der Fahrzeugstamm dahinter schon.
Das ist die These. Die meisten Projekte in der Spedition scheitern nicht am Code. Sie scheitern an den Daten. Gegen die der Code läuft.
Ein Matching-Schritt braucht zwei Dinge. Eine Zeile aus der Rohdatei. Und einen Fahrzeugstamm. Dagegen prüft er sie. Die Zeile ist fast immer lesbar. Kennzeichen, Datum, Menge, Betrag. Alles da. Das Problem sitzt fast immer auf der anderen Seite.
Kennzeichen kommen in drei Schreibweisen an. Mit Bindestrich. Ohne Bindestrich. Mit Leerzeichen. Manchmal steht ein O, wo im Stamm eine 0 steht. Jemand hat es beim Eintippen verwechselt. Ladestellen haben eine Adresse. Aber keine Koordinaten. Das Geofencing braucht genau die. Kundennummern existieren doppelt. Eine Filiale wurde zweimal angelegt. Fahrer stehen ohne aktuelle Zuordnung im System. Der letzte Wechsel wurde nie eingetragen. Tankkarten laufen auf Fahrzeuge. Die längst abgemeldet sind. Subunternehmer-Fahrzeuge stehen in der Telematik. Oder auf der Tankkarte. Im eigenen Fahrzeugstamm aber gar nicht. Sie haben dort nie hingehört.
Jede dieser sechs Gruppen reicht allein. Um einen Matching-Schritt leerlaufen zu lassen. In der Praxis treten sie zusammen auf.
Die Läufe kommen aus dem eigenen Betriebsprotokoll. Live abgefragt. Nach den ersten zwei Läufen kippt die Quote. Von 63 Prozent. Ab dem 10. September liegt sie bei null bis gut ein Prozent. Über fünf weitere Läufe. Bis zum 14. September. Sieben von neun Läufen melden trotzdem "success" oder "warning". Nicht "error". Die Kategorie "duplikat" wächst dabei. Von null auf 348 Zeilen. Die Kategorie "nicht-im-stamm" bleibt fast konstant. 174 bis 175 Zeilen. Lauf für Lauf.
Das ist der Kern des Problems. Ein Lauf ohne Fehlermeldung ist kein Beweis. Kein Beweis, dass etwas passiert ist. Nur ein Beweis, dass nichts abgestürzt ist. Für einen Prozess, der Geld zuordnen soll, ist das der falsche Nachweis. (Der wachsende Duplikat-Zähler zeigt hier kein neues Datenproblem. Er zeigt eine kaputte Abgleichslogik. Sie prüft gegen einen alten Zwischenstand. Nicht gegen die aktuelle Zuordnung. Auch das ist am Ende eine Stammdatenfrage. Nur eine Ebene tiefer.)
Der Befund passt zu einer alten Faustregel. Ein Fehler kostet beim Eintippen etwa das Einfache. Unentdeckt kostet er das Zehnfache. Erreicht er einen Report, das Hundertfache. Gartner beziffert die Folgekosten schlechter Daten. Im Schnitt 12,9 Millionen US-Dollar. Je Unternehmen. Je Jahr. So nachgezeichnet von Dataversity. Im Januar 2024. Eine Speditions-Zahl gibt es dazu nicht. Der Mechanismus bleibt derselbe.
Die Antwort ist nicht mehr Intelligenz im Matching. Die Antwort ist eine feste Reihenfolge. Bevor überhaupt gematcht wird.
Erstens die Kanonform. Jedes Kennzeichen wird normalisiert. Beim Einlesen. Auf eine Schreibweise. Ohne Bindestrich. Ohne Leerzeichen. Großbuchstaben. O und 0 eindeutig getrennt. Der Stamm selbst wird in derselben Form gehalten. So vergleicht der Schritt immer Gleiches mit Gleichem. Egal, wie die Quelle schreibt.
Zweitens die Grund-Spalte. Jede Zeile, die nicht zugeordnet werden kann, landet nicht im Nichts. Sie landet in einer Review-Liste. Mit einem festen Grund: pkw, duplikat, nicht-im-stamm. Oder einer weiteren festen Gruppe. Genau dieses Prinzip trägt auch die Auftragserfassung aus Mail und PDF. Nicht die Erfolgsquote ist das Ergebnis. Sondern die Grund-Spalte der Zeilen, die durchgefallen sind. Sie zeigt, wo der Stamm zurückbleibt. Nicht nur, dass er es tut.
Drittens muss jemand die Liste abarbeiten. Eine Liste mit Gründen, die niemand anschaut, ist kein Fortschritt. Sie ist nur besser dokumentiert.
Eine Quote an einem einzelnen Tag sagt wenig. Ein Lauf kann an einem guten Tag 90 Prozent zuordnen. Und an einem schlechten Tag ein Prozent. Ohne eine einzige Code-Änderung. Was zählt, ist die Quote über Wochen. Mit der Grund-Spalte als Erklärung für jeden Einbruch.
Steigt "nicht-im-stamm" in einer Woche stark an, kam wahrscheinlich ein neuer Partner dazu. Dessen Fahrzeuge fehlen noch. Steigt "duplikat", stimmt vermutlich etwas an der Abgleichslogik nicht mehr. Wie im Beispiel oben. Bleibt "pkw" konstant, ist das kein Fehler. Nur ein normaler Anteil der Rohdaten. Der nie in den Fuhrpark gehört. Ohne die Gruppen ist jede dieser drei Lagen dieselbe Zahl. Weniger zugeordnet. Mit den Gruppen wird daraus eine Diagnose. Statt eines Alarms.
Der Stamm hat heute keinen festen Eigentümer. In den meisten Betrieben. Keinen klaren Anlass zur Pflege. Er wird mitgepflegt, wenn gerade Zeit ist. Meist von der Disposition. Sie braucht ihn für die eigene Arbeit sowieso.
Das reicht nicht mehr. Sobald mehrere Prozesse denselben Stamm nutzen. Drei Anlässe brauchen eine feste Regel. Nicht nur guten Willen. Erstens die Neuzulassung oder Übernahme eines Fahrzeugs. Zweitens die Abmeldung oder der Verkauf. Drittens die Anbindung eines neuen Partners. Jeder dieser drei Anlässe sollte den Stamm am selben Tag ändern. Nicht irgendwann vor dem nächsten Report. Der Fuhrpark kennt den Anlass als Erster. Die Abrechnung merkt die Lücke als Letzte. Meist erst, wenn eine Abrechnung nicht aufgeht.
Kanonform und Grund-Spalte beheben "nicht-im-stamm" nicht von selbst. Sie zeigen nur zuverlässig, dass das Fahrzeug fehlt. Jemand muss es trotzdem eintragen. Die Automatisierung verkürzt den Weg zur Erkenntnis. Sie ersetzt nicht die Person, die den Stamm pflegt. Und eine Review-Liste, die niemand abarbeitet, wird selbst zu Datenmüll. Nur an einer anderen Stelle. Wer die Grund-Spalte einführt, gewinnt nur ein Symptom. Wenn niemand die Bearbeitung übernimmt. Kein besseres Ergebnis.
Wie sauber ist Ihr Fahrzeugstamm wirklich? Geprüft gegen Kennzeichen aus drei verschiedenen Quellen. Schicken Sie mir eine anonymisierte Woche Tankkarten- oder Mautdaten. Ich zeige Ihnen die Zuordnungsquote. Und die Grund-Spalte dahinter.
