„Was macht die KI bei euch eigentlich?" Die Frage kommt in fast jedem Erstgespräch. Meist vom Geschäftsführer, meist nach der Demo. Sie ist berechtigt. Die BVL hat im Februar 2026 über 200 Fach- und Führungskräfte im deutschsprachigen Raum befragt. Zwei Drittel wollen KI in den nächsten fünf Jahren einführen oder ausbauen. Als Hürden nennen sie fehlendes Wissen, schlechte Datenqualität und knappe Ressourcen. Anders gesagt: Die Absicht ist da, die Vorstellung fehlt.
Hier ist die Vorstellung. Drei Aufgaben, in denen KI-Agenten bei unseren Kunden heute laufen. Und eine, für die wir sie bewusst nicht einsetzen.
Der häufigste Einsatz. Ein Auftrag kommt als Mail mit PDF. Ein Avis kommt als Scan. Eine Reklamation kommt als Fließtext mit drei Anhängen. Ein Sprachmodell liest das und füllt die Felder, die das TMS braucht. Kunde, Referenz, Ladestelle, Termin, Menge.
Was das Modell dabei gut kann: mit Varianten umgehen. Der eine Kunde schreibt „Abholung Do 11.9. 8 bis 10 Uhr", der andere schickt eine Tabelle, der dritte einen handgeschriebenen Zettel. Ein klassisches Programm braucht für jede Variante eine Regel. Das Modell braucht ein Beispiel und eine Prüfung.
Was es nicht darf: alleine entscheiden. Jedes gelesene Feld wird gegen den Stamm geprüft. Gibt es den Kunden? Ist die Postleitzahl plausibel zur Stadt? Passt das Gewicht zur Palettenzahl? Erst wenn alles passt, wird gebucht. Bei einem Großhändler mit 50 Bestellungen am Tag landen so 80 Prozent ohne Berührung im System, der Rest in einer Klärliste mit Grund. Die Case Study dazu beschreibt die Prüfschritte.
Kundenportale, Slot-Buchungen, Mautportale, Telematik-Oberflächen. Ein Teil davon hat eine Schnittstelle, viele nicht, und die Schnittstelle des Kunden kommt selten. Ein Agent bedient das Portal wie ein Disponent. Anmelden, Liste öffnen, Auftrag prüfen, bestätigen.
Hier ist die KI nur ein Teil des Agenten. Das Anmelden und Klicken macht klassische Browser-Automatisierung, die ist verlässlicher und billiger. Das Modell kommt ins Spiel, wenn die Oberfläche sich ändert oder eine unbekannte Meldung auftaucht. Zum Beispiel „Ihr Passwort läuft in drei Tagen ab" oder „Dieser Auftrag wurde storniert". Der Agent liest die Meldung, ordnet sie ein und entscheidet, ob er weitermacht oder die Sache in die Prüfliste legt.
Bei einem Kontraktlogistiker prüft ein solcher Agent seit acht Wochen zwischen 900 und 5.300 Aufträge je Lauf. Die Schwankung kommt vom Kunden, nicht vom Agenten: Mittwoch ist dort Korrekturtag. (Das wussten sie vorher nicht. Das Protokoll hat es ihnen gezeigt.)
Der Abgleich von Maut, Fahrdaten und Rechnung je Tour ist Rechenarbeit, dafür braucht es keine KI. Was die KI hier leistet, ist der Schritt danach: die Abweichung erklären. „Rechnung 27 Kilometer über Mautbuchung, Abschnitt A2 doppelt berechnet": Das kann ein Mensch sofort prüfen. „Delta 27" ist es nicht. Der Agent liest die Positionen beider Seiten und formuliert die wahrscheinlichste Ursache. Mit dem Hinweis, dass es eine Vermutung ist.
Das spart der Fuhrparkleitung nicht die Entscheidung, aber die halbe Stunde Suche davor. In unserem Beispieldatensatz mit fünf Fahrzeugen und 1.284 Mautbuchungen in einem Monat (das Video dazu läuft auf unserer Startseite) sind es vier Abweichungen. Alle gefunden, bevor die Rechnung bezahlt wird.
Das Buchen selbst. Alles, was Geld bewegt oder rechtlich bindet, macht bei uns deterministischer Code mit Tests. Die Buchung ins TMS, die Rechnung, die Bestätigung im Portal. Ein Sprachmodell antwortet auf dieselbe Eingabe nicht immer gleich. Für das Lesen ist das ein Vorteil, weil es mit Varianten umgeht. Für das Buchen ist es ein Risiko, das wir nicht eingehen.
Die Grenze ist einfach zu merken: KI liest, ordnet ein und erklärt. Code prüft, bucht und protokolliert. Der Mensch entscheidet die Klärfälle.
Die BVL nennt Datenqualität als Hürde, und das deckt sich mit jedem Projekt, das wir gemacht haben. Nicht das Modell ist das Problem. Es sind Kundenstämme mit drei Schreibweisen derselben Firma. Artikelnummern, die nur eine Person kennt. Preismatrizen mit widersprüchlichen Regeln. Ein Agent macht diese Fehler sichtbar, weil er sie jeden Tag in die Klärliste schreibt. Das ist unbequem und der eigentliche Wert der ersten Wochen.
Ein Vorbehalt: Die Beispiele stammen aus Betrieben mit 20 bis 500 Mitarbeitern und ein bis zwei Läufen am Tag. Bei Echtzeitentscheidungen in der Tourenplanung, Sekunden statt Minuten, sieht die Arbeitsteilung anders aus. Dazu habe ich keine eigenen Betriebsdaten.
Welche Ihrer Aufgaben ist Lesen, welche ist Bedienen, welche ist Prüfen? Nennen Sie mir eine, bei der heute jemand abtippt oder ein Portal öffnet. Ich zeige Ihnen das Protokoll eines Agenten, der genau das macht. Prozess-Check anfragen, 30 Minuten, ohne Verkaufsgespräch.
