Prof. Dr. Leo Brecht
Mitglied des Vorstands, Partner
Prof. Dr. Leo Brecht
Mitglied des Vorstands, Partner
Prof. Dr. Leo Brecht ist Mathematiker und Wirtschaftswissenschaftler mit einem Doktortitel in mathematischer Statistik und einer Professur für Innovations- und Technologiemanagement an der Universität Liechtenstein. Mit über 20 Jahren Erfahrung in Unternehmensberatung und angewandter Forschung sowie mehr als 10 Jahren im Investmentmanagement ist er ein führender Experte in den Bereichen Innovation, Technologie und Produktmanagement. Leo Brecht hat mehr als 100 Projekte für KMU und multinationale Unternehmen in verschiedenen Branchen unterstützt, von strategischer Beratung bis hin zu Technologiebewertungen. Er ist auch der Gründer von ALPORA, wo er und sein Team innovative Anlageprodukte entwickelt haben, die zu einem verwalteten Vermögen von über 700 Millionen Euro geführt haben. In den letzten zehn Jahren hat er mehr als 1.000 Investorenvorträge gehalten. Er war Partner bei Andersen und Arthur D. Little, Autor mehrerer Bücher und Konferenzredner. Als aktiver Investor und Serienunternehmer ist er insbesondere in den Sektoren FINTECH, SUSTTECH und EDUTECH tätig. In seiner Freizeit ist Leo Brecht ein leidenschaftlicher Regattasegler und Skifahrer und verbringt gerne Zeit mit seiner Familie.
Ein Problem mit mehr Lösungen, als man manuell prüfen kann
Stellen Sie sich einen Lieferfahrer vor, der an einem einzigen Tag 150 Stopps anfahren muss. Die Anzahl der möglichen Reihenfolgen, in denen diese Stopps angeordnet werden können, wächst mit jedem weiteren Stopp kombinatorisch – und übersteigt schnell das, was selbst der erfahrenste Disponent manuell bewerten könnte. Allein UPS berechnet jeden Tag mehr als 200'000 alternative Routenvarianten für jeden Fahrer.
Lange Zeit wurde dieses Problem durch die Erfahrung der Fahrer und statische Routentabellen gelöst, die höchstens saisonal aktualisiert wurden. Das Problem bei einer solchen Lösung: Die Kosten einer ineffizienten Route summieren sich täglich und über zehntausende Fahrzeuge hinweg. Genau deshalb verteilen sich Logistikkosten in der Regel auf mehrere unabhängige, einander verstärkende Faktoren, anstatt sich auf einen einzigen Engpass zu konzentrieren – wie es beispielsweise bei der Kommissionierung in einem Lager der Fall ist.
Diese verteilte Struktur erklärt auch das Ausmass der dokumentierten Gewinne. Das ORION-Ratingsystem von UPS – eine der am intensivsten untersuchten Anwendungen der Operations Research in der Unternehmensgeschichte – hat dem Unternehmen seit seiner vollständigen Einführung jährlich etwa 100 Millionen gefahrene Meilen und 10 Millionen Gallonen Kraftstoff eingespart, was einem geschätzten jährlichen Wert von 300 bis 400 Millionen USD entspricht. Bei Maersk sollen KI-gestützte vorausschauende Wartung und Routenoptimierung für eine Flotte von mehr als 700 Containerschiffen die Ausfallzeiten der Schiffe um etwa 30 Prozent reduziert und jährlich mehr als 300 Millionen USD an Einsparungen generiert haben. Dies ging mit einer Senkung des Kraftstoffverbrauchs um 9,2 Prozent allein durch KI-gestützte Routenoptimierung einher. DHL berichtet dank KI-gestützter Smart-Trucking-Tools von einer Reduzierung der Transitzeit um etwa 20 Prozent auf besonders störanfälligen Korridoren.
Wie in jedem Teil dieser Serie erreicht keine einzelne Technologie dies allein. Routen optimierungs- und Disposition-Engine ersetzen die einmalige Planung am Morgen durch eine kontinuierliche Neuberechnung. Plattformen für die Transparenz der Lieferkette bieten Versendern eine echtzeitbasierte, prädiktive Sicht darauf, wo sich eine Sendung tatsächlich befindet – und nicht, wo sie laut Zeitplan sein sollte. Flottentelematik und KI-gestützte Fahrersicherheitssysteme machen jedes Fahrzeug zu einer Live-Datenquelle. Und an der technologischen Grenze beginnen autonome Fahrzeuge – sowohl Gehwegroboter als auch autobahntaugliche Fahrsysteme –, den menschlichen Fahrer teilweise komplett aus der letzten Meile zu entfernen.
Warum dieser Bereich ein Produktivitätshebel ist
Logistikkosten verteilen sich auf Routenplanung, Frachtführerauswahl, Dokumentation und die Ausführung auf der letzten Meile. Infolgedessen summieren sich Effizienzgewinne über mehrere unabhängige Hebel, anstatt sich auf einen einzigen Engpass zu konzentrieren, wie es beispielsweise bei der Kommissionierung in einem Lager der Fall ist. McKinsey schätzt, dass künstliche Intelligenz die gesamten Logistikkosten allein durch Prozessoptimierung um etwa 15 Prozent senken kann – ein moderaterer Wert im Vergleich zu anderen Bereichen dieser Serie, der jedoch auf eine deutlich grössere und stärker verteilte Kostenbasis angewendet wird. Das zugehörige, am schnellsten wachsende Teilsegment «KI in der Logistik» wurde 2024 auf fast 18 Milliarden USD geschätzt und wächst weiterhin mit einer jährlichen Rate von mehr als 40 Prozent.
Das Routing-Problem selbst ist ein Lehrbuchbeispiel für KI-gestützte Beschleunigung: Die Anzahl der möglichen Sequenzen für eine Lieferroute mit mehreren Stopps wächst mit jedem zusätzlichen Stopp kombinatorisch und übersteigt bei weitem das, was ein Disponent von Hand bewerten kann – unabhängig von seiner Erfahrung. Eine Route, die einmal geplant und starr befolgt wird, lässt systematisch Effizienzpotenziale ungenutzt, sobald die realen Bedingungen – wie Verkehr, verspätete Abholungen oder stornierte Bestellungen – vom Plan abweichen. Ein System, das die Routing-Schwierigkeit kontinuierlich im Hintergrund löst, kann diese Lücke mit einer Geschwindigkeit und in einem Umfang schliessen, die eine manuelle Umplanung nicht erreichen kann.
Das Technologie-Toolkit in einfachen Worten
Die Routenoptimierung erhält die meiste öffentliche Aufmerksamkeit, weil sie die zitierfähigen Statistiken liefert. Der tatsächliche Produktivitätsgewinn in diesem Bereich resultiert jedoch aus einem breiteren Toolkit, das Planung, Transparenz, Sicherheit und zunehmend auch das Fahrzeug selbst umfasst:
- Kontinuierliche Lösung der Routing-Schwierigkeit (KI-Routenoptimierung und Disposition): Operations-Research- und Maschine-Learning-Engine, die Hunderttausende möglicher Routensequenzen bewerten und den Plan den ganzen Tag über neu berechnen, anstatt die Sequenz einmal jeden Morgen festzulegen. Dies ist die wertvollste Ebene in diesem Bereich – und auch diejenige, die grosse Logistikunternehmen am konsequentesten intern aufgebaut statt zugekauft haben.
- Wissen, wo sich alles tatsächlich befindet (Supply-Chain-Transparenz und Kontrolltürme): Plattformen, die Live-GPS, Telematik und Speditionsdaten kombinieren, um Versendern eine kontinuierlich aktualisierte, vorausschauende Sicht auf den Standort der Sendung und die voraussichtliche Ankunftszeit zu bieten – anstatt des traditionellen Modells, bei dem man einen Spediteur anrufen muss, um nach dem Standort eines Lkw zu fragen.
- Jedes Fahrzeug in einen Sensor verwandeln (Flottentelematik und KI-gestützte Fahrersicherheit): Vernetzte Hardware und KI-Modelle, die Fahrzeugstandort, Fahrerverhalten und Ausrüstungszustand in Echtzeit überwachen – sowohl um Routenentscheidungen zu verbessern als auch um unsichere Fahrmuster frühzeitig zu erkennen.
- Den Menschen vom Gehweg nehmen (autonome Lieferroboter): Kleine, langsam fahrende autonome Roboter, die kurze Lieferungen auf der letzten Meile – Lebensmittel, Einkäufe und Pakete – ohne menschlichen Fahrer erledigen. Sie eignen sich für dicht besiedelte städtische Umgebungen oder Firmengelände, auf denen ein grosses Fahrzeug ineffizient wäre.
- Den Menschen von der Strasse nehmen (autonome Autobahn-Fahrtechnologie): Selbstfahrende Systeme, die Liefer- und Personenfahrzeuge auf öffentlichen Strassen ohne menschlichen Fahrer steuern – entweder als vertikal integrierter Lieferdienst oder zunehmend als lizenzierte Technologie, die an Fahrzeughersteller und Mobilitätsplattformen verkauft wird.
Was das wert ist, in Zahlen: Drei Unternehmen im Vergleich
Der zugrunde liegende Mechanismus ist in dieser gesamten Serie derselbe: Das Ersetzen einer Route, die einmal geplant und starr befolgt wird, durch eine, die kontinuierlich an die aktuellen Bedingungen angepasst wird, schliesst die Lücke zwischen Planung und Realität im Laufe des Tages. Die gemeldeten Ergebnisse variieren je nach Unternehmen und Messgrösse – eingesparte Meilen, Ausfallzeiten von Schiffen oder Transitzeiten –, aber jedes der drei folgenden Beispiele basiert auf einem benannten, überprüfbaren Einsatz bei einem der weltweit grössten Logistikunternehmen.
UPS – ORION Routingsystem. Das «On-Road Integrated Optimization und Navigation»-System berechnet aus mehr als 200'000 möglichen Routenkombinationen die kraftstoffeffizienteste Abfolge der Stopps für jeden Fahrer und aktualisiert diese kontinuierlich bei sich ändernden Bedingungen. Seit der vollständigen Einführung hat ORION jährlich etwa 100 Millionen gefahrene Meilen und 10 Millionen Gallonen Kraftstoff eingespart – geschätzte 300 bis 400 Millionen USD an jährlichen Kosteneinsparungen – und gleichzeitig den CO₂‑Ausstoss um rund 100'000 Tonnen pro Jahr gesenkt. Das System, dessen Entwicklung schätzungsweise 250 Millionen USD kostete, hatte bis Ende 2015 bereits mehr als 320 Millionen USD eingespart.
Maersk – KI-gestützte vorausschauende Wartung und Routenoptimierung. Maersk nutzt KI-Modelle, die Sensordaten seiner Schiffe mit Wetter- und Hafenüberlastungsinformationen kombinieren, um Routenführung, Kraftstoffverbrauch und Wartungsplanung für eine Flotte von mehr als 700 Containerschiffen zu optimieren. Die Ausfallzeiten der Schiffe konnten durch vorausschauende Wartung Berichten zufolge um etwa 30 Prozent gesenkt werden, was jährlich mehr als 300 Millionen USD an Einsparungen generiert haben soll, zusätzlich zu einer Reduzierung des Kraftstoffverbrauchs um 9,2 Prozent allein durch die KI-gestützte Routenoptimierung. Maersk schloss die vollständige Einführung seiner proprietären KI-gestützten Analyseplattform für seine gesamte Containerschiffflotte im Januar 2026 ab.
DHL – KI-gestützte intelligente Lkw‑Logistik. DHL nutzt KI-gestützte Tools für intelligentes Trucking, die Echtzeit-Verkehrs- und Wetterdaten kombinieren, um Fahrern dabei zu helfen, Verzögerungen auf besonders störanfälligen Korridoren zu vermeiden – darunter eine viel beachtete Initiative in Indien. Das Unternehmen berichtet von einer etwa 20-prozentigen Verkürzung der Transitzeit durch diese Initiative sowie von Einsparungen bei Kraftstoff- und Wartungskosten durch ein konsistenteres Fahrverhalten.
Wichtiger Hinweis: Diese Zahlen stammen aus Unternehmens- und Drittquellen, insbesondere aus Fallstudien von BSR und INFORMS zu UPS ORION sowie aus Investoren- und Nachhaltigkeitsmitteilungen von Maersk und veröffentlichten Materialien von DHL.
Wie sich die Venture-Landschaft rund um das Kernproblem entwickelt
Für Kapitalgeber zeigt sich eine Marktstruktur, in der die grundlegende Routing-Fähigkeit weitgehend proprietär bei den weltweit grössten Logistikunternehmen verbleibt: UPS, Maersk und DHL haben ihre wertvollsten Routing-Systeme jeweils intern entwickelt, anstatt sie zuzukaufen. Risikokapital hat sich stattdessen auf die Bereiche rund um diesen Kern konzentriert – Sichtbarkeit, Telematik und autonome Fahrzeuge.
Im Bereich der Supply-Chain-Transparenz haben sich Projekt44 und FourKites als zwei kapitalstarke und ebenbürtige Wettbewerber etabliert. Beide verarbeiten jährlich über eine Milliarde Sendungen für sich überschneidende Unternehmenskunden – ein echter Kopf-an-Kopf-Markt ohne klaren Marktführer. Project44 hat rund 912 Millionen USD aufgenommen und wird mit 2,7 Milliarden USD bewertet; FourKites hat 243 Millionen USD eingeworben und eine Bewertung von 1 Milliarde USD erreicht.
Autonome Fahrzeuge sind der kapitalintensivste und am schnellsten wachsende Teilbereich. Nuro hat 2,34 Milliarden USD aufgenommen und seinen Fokus vom Betrieb eigener Lieferroboter auf die Lizenzierung seiner Technologie für Robotaxi-Anwendungen an Uber und Lucid verlagert. Starship Technologies schlägt den entgegengesetzten Weg ein: Das Unternehmen konzentriert sich auf die Zustellung über kurze Distanzen bei niedriger Geschwindigkeit – mit bereits über 9 Millionen abgeschlossenen Lieferungen – anstatt das komplexere Problem der vollständigen Autobahn-Autonomie zu verfolgen. Starship meldet positive Bruttomargen, was unter Unternehmen für autonome Zustellung eine seltene Ausnahme darstellt.
Samsara, ein börsennotiertes Unternehmen (NYSE: IOT) im Bereich Flottentelematik, weist eine Marktkapitalisierung im niedrigen zweistelligen Milliardenbereich auf, erzielt jährlich wiederkehrende Umsätze von über 1,3 Milliarden USD und verzeichnet seit dem Börsengang 2021 ein anhaltendes zweistelliges Wachstum.
Implikationen für institutionelle Investoren
Für Unternehmen mit umfangreichen Logistik- oder Flottenbetrieben zeigt dieser Bereich ein typisches Muster struktureller Produktivitätsgewinne: Die grössten dokumentierten Effekte resultieren nicht aus einer einzelnen Technologie, sondern aus dem systematischen Zusammenspiel mehrerer komplementärer Systeme über mehrere Jahre hinweg. Dies entspricht der zugrunde liegenden Logik des Averdas-Produktivitätsansatzes: Strukturelle Effizienzpotenziale lassen sich oft nicht an einer einzelnen Kennzahl ablesen, sondern zeigen sich im Zeitverlauf im Zusammenspiel von Prozess-, Ressourcen- und Resilienzfaktoren.
Für die konkrete Operationalisierung dieser Zusammenhänge innerhalb der vier Averdas-Produktivitätsfaktoren – Anlagenproduktivität, Prozessproduktivität, Ressourcenproduktivität und Resilienzproduktivität – verweisen wir auf die entsprechende Methodik-Dokumentation sowie die weiteren Artikel dieser Serie.
Risikohinweis: Dieser Artikel beschreibt öffentlich gemeldete Unternehmensbeispiele und Marktentwicklungen zu illustrativen Zwecken. Er stellt weder eine Anlageberatung noch eine Anlageempfehlung oder eine Aussage über die zukünftige Wertentwicklung eines einzelnen Unternehmens, Fonds oder Index dar. Historische oder gemeldete Betriebsergebnisse sind kein verlässlicher Indikator für zukünftige Ergebnisse.
