Von Prognosen zu Entscheidungen: Wie KI und Optimierung zusammenspielen
Beitragsserie zur Flottenelektrifizierung
11.11.2026
Mit zunehmender Elektrifizierung verändern sich auch die Anforderungen an die operative Planung von Nutzfahrzeugflotten. Fahrzeiten, Energieverbrauch und Strompreise lassen sich nicht immer exakt vorhersehen. Prognosen helfen dabei, mögliche Entwicklungen frühzeitig einzuschätzen. Doch wie werden daraus konkrete Entscheidungen für den Flottenbetrieb? Im dritten Beitrag unserer Serie zeigen wir, wie Künstliche Intelligenz (KI) und mathematische Optimierung zusammenwirken können.
KI kann große Datenmengen auswerten, Muster erkennen und daraus Vorhersagen ableiten. Im elektrischen Flottenbetrieb lassen sich damit beispielsweise voraussichtliche Fahrzeiten, der Energiebedarf von Fahrzeugen oder die Entwicklung von Strompreisen prognostizieren. Solche Informationen verbessern die Grundlage für die Planung. Sie beantworten jedoch noch nicht die Frage, welche Handlung unter den gegebenen Bedingungen die sinnvollste ist.
Mathematische Optimierung ermittelt geeignete Handlungsoptionen
Eine prognostizierte Verzögerung zeigt beispielsweise, dass eine Tour möglicherweise nicht wie geplant verläuft. Welche Anpassung daraus folgen sollte, hängt von weiteren Faktoren ab. Hier setzt mathematische Optimierung an: Sie berücksichtigt definierte Ziele und betriebliche Randbedingungen, um geeignete Handlungsoptionen zu ermitteln. Dazu zählen beispielsweise Lieferzeitfenster, verfügbare Ladeleistungen, Energiekosten und die erforderliche Einsatzbereitschaft der Fahrzeuge.
"Der entscheidende Mehrwert entsteht, wenn wir nicht nur prognostizieren, was passieren könnte, sondern diese Informationen nutzen, um bessere operative Entscheidungen abzuleiten. Dafür müssen Prognosen, betriebliche Anforderungen und Optimierung sinnvoll zusammenspielen.“"
Cihan Gökduman
Business Development Manager Mobility, valantic Software & Technology Innovations GmbH
Ein Beispiel aus der elektrischen Tourenplanung
Ein E-Lkw ist auf einer geplanten Tour unterwegs. Aufgrund der aktuellen Verkehrslage wird eine längere Fahrzeit erwartet. Dadurch könnte sich nicht nur die Ankunft beim Kunden verschieben, sondern auch der anschließende Ladebedarf oder die Verfügbarkeit des Fahrzeugs für den nächsten Einsatz verändern.
Eine KI-basierte Prognose kann die erwartete Verzögerung und ihre möglichen Auswirkungen abschätzen. Die mathematische Optimierung kann diese Information anschließend nutzen, um verschiedene Handlungsoptionen zu bewerten: Muss die weitere Tour angepasst werden? Ist ein anderer Ladestopp sinnvoll? Wie lassen sich die verbleibenden Zeitfenster und der Energiebedarf berücksichtigen?
Welche Lösung geeignet ist, hängt von den verfügbaren Alternativen, den betrieblichen Vorgaben und den jeweiligen Optimierungszielen ab. Das Zusammenspiel beider Ansätze ermöglicht es, erwartete Entwicklungen bereits bei der Planung einzubeziehen, anstatt erst auf Abweichungen reagieren zu müssen.
Der Mehrwert entsteht durch das Zusammenspiel von KI und Optimierung
Weder präzisere Prognosen noch leistungsfähige Optimierungsverfahren allein garantieren bessere Entscheidungen. Entscheidend sind eine geeignete Datenbasis, belastbare Vorhersagen und realistisch abgebildete betriebliche Anforderungen. Verändert sich die tatsächliche Situation, müssen die Ergebnisse zudem überprüft und die Planung bei Bedarf angepasst werden.
Für die elektrifizierte Nutzfahrzeugflotte eröffnet diese Kombination neue Möglichkeiten: Entscheidungen können vorausschauender getroffen, unterschiedliche Handlungsoptionen systematisch bewertet und Zielkonflikte transparenter gemacht werden.
Damit KI und Optimierung ihr Potenzial entfalten können, müssen sie mit den Daten und Systemen des Flottenbetriebs verbunden werden. So entsteht Schritt für Schritt die Grundlage für intelligentere und anpassungsfähigere Mobilitätslösungen.
