DiscoverLogTech Podcast
LogTech Podcast
Claim Ownership

LogTech Podcast

Author: Der Podcast über die Zukunft der Logistik

Subscribed: 13Played: 780
Share

Description

Begleite uns auf unserer Reise durch die technologische Revolution von Logistik und Supply Chain. Von KI-gesteuerten Lieferketten bis hin zu nachhaltigem Transport – wir bringen dir exklusive Einblicke von Branchenführern, Startups und Experten.

- Exklusive Interviews with Branchenexperten
- Deep Dives zu Technologie & Trends
- Praktische Insights für Karriere & Business
114 Episodes
Reverse
KI-Assistenten können bereits Frachtangebote auslesen, Verhandlungen vorbereiten und geeignete Transportpartner vorsortieren. Doch bevor eine KI Transporte eigenständig vergeben kann, muss eine entscheidende Frage geklärt sein: Kann sie den beteiligten Unternehmen, Identitäten und Daten vertrauen?In dieser Folge sprechen Jannik und Steffen mit David Moog, strategischer Produktmanager bei TIMOCOM, über Vertrauen als Voraussetzung für die Automatisierung des Transportmarktes.Denn während AI neue Möglichkeiten schafft, professionalisiert sie gleichzeitig den Betrug: Dokumente und Websites lassen sich leichter fälschen, Phantomfrachtführer treten glaubwürdiger auf und betrügerische Strukturen können schneller skalieren. Gleichzeitig müssen Transporte im Spotmarkt häufig innerhalb weniger Minuten vergeben werden – für umfangreiche Prüfprozesse bleibt wenig Zeit.Wir sprechen darüber:•⁠ ⁠warum bekannte Transportpartner trotz digitaler Marktplätze wieder an Bedeutung gewinnen,•⁠ ⁠welche Trust-Signale für eine sichere Carrier-Auswahl benötigt werden,•⁠ ⁠wie der KI-Verhandlungsassistent von TIMOCOM Transporte vorsortiert und Verhandlungen vorbereitet,•⁠ ⁠unter welchen Guardrails eine automatische Transportvergabe möglich werden könnte,•⁠ ⁠und warum fehlende Standards, Cyberrisiken und menschliche Gewohnheiten aktuell stärker bremsen als die Technologie.David erklärt außerdem, wie sich die Arbeit von Disponenten verändern könnte: weg von der Frage, wie viele Transporte ein Mensch täglich disponiert, hin zu der Frage, bei wie vielen Transporten ein Mensch überhaupt noch eingreifen muss.Nach der Folge kannst du besser einschätzen, welche Voraussetzungen für eine autonome Transportvergabe noch fehlen, welche Rolle Plattformen wie TIMOCOM dabei spielen und warum Vertrauen zur zentralen Infrastruktur des AI-gestützten Transportmarktes wird.
AI-Systeme können heute mehr Kontext verarbeiten, E-Mails und Dokumente gemeinsam verstehen und längere Aufgaben selbstständig bearbeiten. Aber welche dieser Fähigkeiten verändern bereits reale Speditionsprozesse – und was funktioniert weiterhin nur in einer kontrollierten Demo?In dieser Folge schauen wir auf die AI-Entwicklung der vergangenen Monate und übersetzen sie in den operativen Alltag von Speditionen.Anhand konkreter Beispiele diskutieren wir:wie operative Sammelpostfächer entlastet und Aufträge ins TMS übertragen werden können,warum zielorientierte AI-Agenten teilweise besser funktionieren als starr aufgebaute Workflows,wie Unternehmen Regeln, SOPs und Erfahrungswissen für AI nutzbar machen können,welche Rolle AI als Verbindung zwischen TMS, WMS und weiteren Systemen spielen könnte,und warum komplexe Zollprozesse, widersprüchliche Daten und menschliche Kommunikation weiterhin klare Grenzen setzen.Außerdem geht es um eine zentrale Make-or-buy-Frage: Welche Software müssen Speditionen künftig noch einkaufen – und welche kleineren Anwendungen können sie mit AI selbst entwickeln oder bestehende Systeme intelligenter miteinander verbinden?Zum Abschluss sprechen wir über Empfehlungen aus unserem eigenen Erfahrungsschatz für kleine und mittelständische Speditionen: vom operativen Postfach über Angebotsnachverfolgung bis zu einer festen Stunde pro Woche, in der Management und Geschäftsführung Prozesse hinterfragen und neue AI-Anwendungen ausprobieren.Nach der Folge kannst du besser einschätzen, welche Speditionsprozesse sich heute bereits sinnvoll mit AI unterstützen lassen, wo Menschen im Prozess bleiben müssen und wie ein risikoarmer Einstieg aussehen kann.Links zum Podcast:⁠LinkedIn⁠⁠Website zu diesem Podcast⁠Email: ⁠[email protected]⁠Wenn du Fragen, Ideen oder Anregungen hast, freuen wir uns über deine Nachricht!
Während viele Unternehmen beim Thema KI anfangs nur simple ChatGPT-Wrapper auf den Markt brachten, wählte Transporeon (a Trimble Company) einen anderen Weg. In dieser Episode des LogTech Podcasts gibt Bernhard Schmaldienst exklusive Einblicke in die KI-Strategie des Softwareunternehmens – vom ersten "ChatGPT-Moment" bis zum Launch des eigenen Enterprise-Agenten.Transporeon gründete 2023 eine interne "Applied AI" Unit, um KI zunächst im eigenen Haus auf Herz und Nieren zu prüfen ("Dogfooding"). Das Ergebnis: Nach einem enormen Leistungssprung der Modelle zur Jahreswende 2025/2026 bestehen heute rund 90 Prozent des geschriebenen Softwarecodes bei Transporeon aus KI-generiertem Code.Warum das aber nicht bedeutet, dass der gesamte Produktlebenszyklus sofort zehnmal schneller wird, erklärt Bernhard mit dem Konzept "Working Fast and Slow".Außerdem erfahrt ihr in dieser Folge:"No Token Maxing, it's stupid": Warum es in der Softwareentwicklung sinnlos ist, auf Token-Limits zu optimieren, und warum die Metrik der Zukunft "Cost-per-Task" lautet.Das Ende der "Agenten-Armeen": Warum der Trend von hunderten kleinen KI-Agenten hin zu einem großen, zentralen Agentensystem geht, das über "Skills" gesteuert wird und so die Orchestrierung massiv vereinfacht.Sicherheit als Fundament: Warum ein sicheres Enterprise-System strikte "Guardrails" direkt über dem Sprachmodell benötigt, um sensible Unternehmensdaten in einer Sandbox zu schützen.Trimble ARC Agent: Ein Blick auf das im August gelaunchte Agentensystem. ARC ist modellagnostisch (nutzt u. a. Anthropic, OpenAI, Google) und wählt durch "Smart Model Routing" für jede Aufgabe – ob simple E-Mail-Zusammenfassung oder komplexe Routenberechnung – automatisch das kosteneffizienteste Modell.Jeder wird zum Manager: Warum die Automatisierung von Fleißaufgaben durch KI zu einer Aufwertung der Jobprofile führt und Mitarbeiter künftig als Manager ihrer eigenen Hintergrund-Agenten agieren.
Echte Software oder nur eine gute Demo? Im Finale unseres „LogTechLab“-Experiments ziehen Jannik und Steffen Bilanz: Können zwei Nicht-Entwickler mit Vibe Coding selbst sinnvolle Logistiksoftware bauen – und was ist aus unserem Spot-Quote-Prototypen geworden?Nach vier Folgen voller Ideen, Prototypen und Reality-Checks geht es diesmal um den entscheidenden Schritt: vom historischen Tarifdokument über strukturierte Daten bis zur Preisindikation für eine neue Anfrage. Eigene Datenbanken, KI-Tool-Calls und Dokumentenerkennung sollen aus einzelnen Funktionen einen durchgängigen Prozess machen.Das Ziel bleibt klar: weniger manuelle Tipparbeit, schneller von der Anfrage zum Angebot und mehr Unterstützung bei der Preisfindung. Aber hält das Tool diesem Anspruch auch stand?Wir diskutieren spannende Fragen:Ab wann ist ein Prototyp nicht mehr nur eine schöne Klickstrecke, sondern tatsächlich Software?Wie weit kommen wir mit einem echten Vorgang – und wo müssen wir noch manuell nachhelfen?Hat Vibe Coding die Entwicklung wirklich beschleunigt oder die Arbeit nur an eine andere Stelle verschoben?Was würden wir heute anders machen – und würden wir das Experiment noch einmal starten?Ist daraus ein Produkt, ein guter Prototyp oder vor allem ein lehrreiches Experiment geworden?Keine glattgebügelte Erfolgsgeschichte, sondern eine ehrliche Abschlussbilanz: Was funktioniert, was wackelt und was passiert jetzt mit dem Tool? Die Serie endet – die Frage, ob unsere Lösung im Logistikalltag echten Mehrwert liefert, bleibt.Ihr möchtet zu den ersten Nutzern gehören und das Tool mit eigenen Daten testen? Schreibt uns eine Nachricht für die Warteliste!Unser Newsletter LogTech Pulse – jetzt kostenfrei abonnieren!Links zum Podcast:LinkedInWebsite zu diesem PodcastEmail: [email protected] du Fragen, Ideen oder Anregungen hast, freuen wir uns über deine Nachricht!
KI im Warehouse Management System (WMS) ist längst kein reines Buzzword mehr – doch wo liegen die echten Business Cases jenseits von simplen Chatbots? In dieser Episode diskutieren wir mit Sebastian Kirbus von Manhattan Associates über den Wandel von reaktiver GenAI hin zu autonom handelnden KI-Agenten.Sebastian erklärt konkrete Anwendungsfälle: Von Agenten mit OCR-Fähigkeiten, die Lieferavise aus E-Mails auslesen und im System anlegen, bis hin zu "Labor Management Agents", die bei unerwarteten Engpässen proaktiv Personal aus dem Wareneingang abziehen und umplanen. Auch bei der komplexen Fehleranalyse von unvollständigen Auftragswellen sparen die Agenten wertvolle Zeit, da sie nicht nur das Problem, sondern direkt den Lösungsweg aufzeigen.Außerdem erfahrt ihr in dieser Folge:Warum Monolithen ein KI-Problem haben: Warum es fehleranfällig ist, Daten erst in einen externen Data Lake zu replizieren, um KI darauf aufzubauen, und warum Manhattan auf eine Architektur setzt, bei der KI-Agenten als eigene Microservices ("Honigwaben") direkt im System leben.Die Angst vor Halluzinationen: Warum KI in der determinierten Logistik (anders als bei klassischen ChatGPT-Abfragen) durch klar definierte "Skills" nicht halluziniert.Do It Yourself mit Vibe Coding: Wie Kunden mit der sogenannten "Agent Foundry" über Vorlagen oder Vibe Coding eigene KI-Agenten für ihr WMS bauen können.Die Systemfrage: Wo leben die KI-Agenten der Zukunft, wenn Prozesse sowohl WMS- als auch TMS-Daten benötigen? Sebastian plädiert für getrennte Agenten pro System, die in Zukunft über "Agent to Agent" (A2A) Protokolle miteinander kommunizieren.Unser Newsletter LogTech Pulse - jetzt kostenfrei abonnieren!⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Links zum Podcast:⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠LinkedIn⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Website zu diesem Podcast⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Email⁠: ⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠[email protected]⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠Wenn du Fragen, Ideen oder Anregungen hast, freuen wir uns sehr über deine Nachricht!
loading
Comments