Wie eine B2B-Autovermietung mit Industrie- und Premiumkunden von einer Standardsoftware, die ihre Realität nicht abbilden konnte, zu einem lernenden Operating System gekommen ist – und heute Fahrzeuge, Aufträge und Preise vorausschauend steuert, statt sie zu verwalten.
Ausgangslage
Das Unternehmen vermietet Fahrzeuge an Industriekunden und im Premiumsegment – oft projektbezogen, mit wechselnden Anforderungen an Fahrzeugtypen, Laufzeiten und Verfügbarkeiten.
Ein Geschäft, das von schneller, präziser Disposition lebt. Formal existierte eine Standardsoftware.
Praktisch sah der Alltag anders aus:
- Zentrale Informationen lagen in Freitextfeldern
- Das Team organisierte Prozesse außerhalb des Systems – in Tabellen, per Telefon, WhatsApp, im Kopf einzelner Mitarbeiter
- Die Disposition bekam vom System nur oberflächliche Unterstützung
- Historische Daten waren unstrukturiert und inkonsistent
Die Software war kein Steuerungsinstrument. Sie war ein Kompromiss. Das Team hatte gelernt, um das System herum zu arbeiten. Das funktionierte – aber es band Kapazität, erzeugte Fehler und machte Wachstum zum Risiko.
Die Standardsoftware bildete die Realität nicht ab – das Team bildete sich die Realität drumherum zusammen.
Drei Stufen zur operativen Freiheit
Wir haben das Projekt entlang unseres 3-Stufen-Modells aufgebaut. Jede Stufe baut auf der vorherigen auf. Nach 16 Monaten laufen alle drei Stufen produktiv.
| Stufe 1 – Ordnung | Stufe 2 – Automation | Stufe 3 – Freiheit |
|---|---|---|
| Legacy-Daten bereinigen, Fahrzeuge/Aufträge/Fahrer sauber modellieren, Dispositionskern aufbauen | Durchgängige Dispositionsprozesse, digitale Übergaben, Statuslogik | KI-Verfügbarkeitsprognosen, vorausschauende Einsatzplanung, dynamische Preise |
Stufe 1 – Ordnung
Bevor wir irgendetwas automatisieren konnten, mussten wir die Systembasis neu aufbauen. Die Standardsoftware und ihre Excel-Begleiter taugten nicht als Fundament. Wir haben in Stufe 1 aufgebaut:
- Eine saubere Modellierung der Kernobjekte – Fahrzeuge, Aufträge, Beschaffungskanäle, Kunden, Fahrer
- Eindeutige Status- und Verantwortlichkeitslogiken – wann ist ein Fahrzeug reserviert, wann ausgegeben, wann zurück, wer entscheidet was
- Ein zentrales Dispositionssystem, das die realen Abläufe abbildet, nicht einen generischen Durchschnittsprozess
- Eine differenzierte Migration – wir haben die relevanten Kerninformationen gezielt in die neue Struktur überführt
Dabei haben wir eine bewusste Entscheidung getroffen: Unbrauchbaren Datenmüll – inkonsistente Einträge, verwaiste Freitextfelder, Prozesslogiken, die niemand mehr verstand – haben wir nicht übernommen. Lieber ein sauberer Kern als eine belastete Migration.
Der mutigste Schritt war nicht das neue System. Es war die Bereitschaft, das alte wirklich loszulassen.
Die Einführung lief kontrolliert: Workshops mit den operativen Teams. Key-User aus der Disposition übernahmen die Multiplikator-Rolle. Wir haben die Module schrittweise aktiviert und für die kritischsten Prozesse einen temporären Parallelbetrieb gefahren. Wir haben das neue System nicht abrupt eingeführt – wir haben es sauber etabliert.
Stufe 2 – Automation
Auf Basis der strukturellen Klarheit haben wir gezielt Automatisierungen ergänzt. Den größten Effekt sah das Unternehmen in der Disposition: Früher begann jeder Morgen mit derselben Routine – Standardsoftware öffnen, mehrere Excel-Tabellen prüfen, E-Mail-& WhatsApp-Eingang durchgehen, Fahrzeugverfügbarkeiten manuell abgleichen, Kundenanfragen einzeln zuordnen, Fahrer telefonisch informieren.
Dauer: rund vier Stunden, jeden Tag.
Heute öffnet die Disposition ein System, das den Stand bereits kennt. Fahrzeuge, Aufträge und Fahrer sind miteinander verknüpft. Statusänderungen lösen Folgeprozesse automatisch aus. Fahrerzuweisungen laufen digital. Übergaben dokumentiert das Team mobil am Fahrzeug. Aufgaben entstehen systemgeführt – niemand muss sie erst zusammentragen. Aus vier Stunden wurden 40 Minuten.
Kein theoretischer Wert, sondern der tatsächlich gemessene Unterschied im Tagesgeschäft.
Das Legacy-System haben wir intelligent abgelöst
Das alte System betreiben wir nicht weiter. Stattdessen haben wir differenziert: Die relevanten Daten sind in die neue Struktur migriert, der vollständige Datenbank-Dump ist archiviert, und eine schlanke Archivlösung macht historische Vorgänge jederzeit zugänglich. Eine KI-gestützte Suchfunktion durchsucht das Archiv in natürlicher Sprache. Das Altsystem ist weg. Das Wissen daraus ist geblieben – ohne laufende (Lizenz-)Kosten.
Stufe 3 – Freiheit
Mit stabiler Datenbasis und funktionierender Automation hat das System den Punkt erreicht, an dem es strategische Fragen mitverantworten kann. Stufe 3 hat die Art verändert, wie das Unternehmen seine Flotte steuert.
KI-gestützte Verfügbarkeitsprognosen
Das System sagt heute voraus, welche Fahrzeuge in den kommenden Wochen verfügbar werden – und wann. Projektverlängerungen, typische Retourenzeiten, saisonale Muster und kundenspezifisches Nutzungsverhalten fließen ein. Die Disposition sieht nicht nur die heutige Lage, sondern auch, wie der Flottenstatus in drei, sechs und zwölf Wochen aussehen wird. Bei neuen Anfragen weiß das System, ob und wann das passende Fahrzeug bereitsteht – ohne dass jemand in Excel nachrechnet.
Vorausschauende Einsatzplanung
Kommt eine Anfrage herein, schlägt das System automatisch die optimale Fahrzeug-Projekt-Zuordnung vor. Kriterien: Verfügbarkeit, Fahrzeugprofil, Standort, Kundenpräferenz, Deckungsbeitrag. Der Disponent prüft und bestätigt – statt selbst zu suchen. Die Flottenauslastung ist messbar gestiegen, obwohl die Dispositionszeit sinkt.
Dynamische Preissteuerung
Mietpreise passt das System kontinuierlich an – auf Basis von Nachfrage, Saisonalität, Fahrzeugverfügbarkeit und Kundensegment. Die Geschäftsführung definiert Regeln und Grenzen zentral, das System führt aus. Margen pro Mietvorgang sind gestiegen, ohne dass Kunden abgewandert sind. Bei Industriekunden mit Rahmenverträgen bleiben vereinbarte Konditionen unberührt; die Dynamik greift dort, wo sie wirken soll.
Proaktive Priorisierung und Frühwarnung
Das System meldet, wenn sich kritische Muster abzeichnen – Engpässe bei bestimmten Fahrzeugklassen, Projekte, die historisch überziehen, Kundenanfragen, die in Kombination mit der aktuellen Flottenlage Risiko bedeuten. Die Disposition bekommt Hinweise, bevor aus einer möglichen Knappheit ein Ausfall wird.
KI-Agent für Ordnungswidrigkeiten
Bei einer Flotte, die europaweit im Einsatz ist, trifft jede Woche Post von Behörden ein – Ordnungswidrigkeiten, Anhörungsbögen, Halteranfragen aus verschiedenen Ländern, in unterschiedlichen Sprachen und Formaten. Früher hat ein Mitarbeiter jeden Brief einzeln geöffnet, übersetzt, den Halter im System recherchiert und das Rückantwortformular per Hand ausgefüllt. Bei steigendem Flottenvolumen wurde daraus ein spürbarer Zeitfresser – und gleichzeitig ein Fehlerrisiko, wenn Fristen verpasst wurden. Heute übernimmt ein KI-Agent den gesamten Prozess. Eingehende Briefe liest er ein – unabhängig von Sprache, Layout oder Absender. Er erkennt Tatzeit, Tatort, Kennzeichen und Vorwurf, gleicht das im System mit Mietverträgen und Fahrerzuordnungen ab und identifiziert, wer zum Tatzeitpunkt gefahren ist. Die Rückantwort füllt der Agent im jeweiligen Format der Gemeinde oder Polizeibehörde aus – Papierformular, Online-Portal oder E-Mail-Antwort. Zurück geht sie über den Kanal, über den sie gekommen ist. Ein Mitarbeiter prüft nur noch, was der Agent nicht eindeutig zuordnen konnte. Aus einem Prozess, der früher Stunden pro Woche gebunden hat, sind wenige Minuten Kontrolle geworden.
Messbare Ergebnisse nach allen drei Stufen
| Bereich | Vorher | Nach Stufe 2 | Nach Stufe 3 |
|---|---|---|---|
| Dispositionszeit | 4 Stunden täglich | ca. 40 Minuten | Primär prüfen und bestätigen, nicht mehr selbst suchen |
| Auftragsverarbeitung | Manuell, fragmentiert | Systemgeführt und durchgängig | Vorschläge entstehen automatisch, Disposition entscheidet |
| Ordnungswidrigkeiten | Manuell – Stunden pro Woche | Strukturierte Fahrerzuordnung im System | KI-Agent übernimmt komplett – Mitarbeiter prüft nur noch |
| Fehlerquote | Hoch durch Medienbrüche | Deutlich reduziert | Frühwarnung vor kritischen Mustern, bevor Fehler entstehen |
| Verfügbarkeitsprognose | Keine – nur aktueller Bestand | Aktueller Bestand, sauber gepflegt | Prognose 3, 6 und 12 Wochen voraus |
| Preisgestaltung | Einheitlich, selten angepasst | Preisregeln im System | Dynamisch, pro Segment, kontinuierlich |
| Legacy-Zugriff | Laufende Lizenzkosten | KI-gestützte Archivsuche | KI-Archivsuche als integrierter Bestandteil |
| Steuerungsmodus | Reaktiv – hinterher | Proaktiv – mit Frühsignalen | Vorausschauend – das System denkt mit |
Bis zu 80 % Zeitersparnis in der Disposition – gleichzeitig höhere Flottenauslastung und steigende Marge pro Mietvorgang.
Was sich für alle Beteiligten geändert hat
Das System hat die Art verändert, wie das Unternehmen arbeitet. Nicht nur operativ – auch strategisch. Die Disposition sucht nicht mehr nach Antworten – sie trifft Entscheidungen. Die Disponenten prüfen Systemvorschläge, bestätigen oder passen an, und steuern das Geschäft aktiv, statt es nur zu verwalten. Die Flottenverantwortlichen sehen, wo die Auslastung steht, wo Fahrzeuge unter ihrem Potenzial laufen, wo sich Investitionen in neue Fahrzeugklassen lohnen. Der Vertrieb gibt Kunden bei Anfragen verbindliche Aussagen zur Verfügbarkeit – in Echtzeit, auch für Zeitpunkte mehrere Wochen in der Zukunft. Die Geschäftsführung plant das Flottenwachstum auf Basis echter Prognosen, nicht auf Basis von Bauchgefühl.
Früher bestand der Tag aus Suchen, Abgleichen und Telefonieren. Heute besteht er aus Entscheidungen.
Und vielleicht am wichtigsten
Das Unternehmen hat sein Wachstum von seinem Koordinationsaufwand entkoppelt. Mehr Fahrzeuge, mehr Kunden, mehr parallele Projekte machen die Disposition nicht mehr komplexer – sie machen das System präziser.
Was dieses Projekt zeigt
Dieses Projekt zeigt ein Muster, das bei vielen operativ komplexen Unternehmen vorkommt: Es existiert Software, die formal die Aufgaben abdecken sollte. Praktisch passt sie aber nicht – also entstehen Workarounds in Excel, Mail und Telefon. Das Team gewöhnt sich daran und merkt irgendwann nicht mehr, wie viel Kapazität allein in das Umarbeiten der Lücken fließt. Der erste Schritt war nicht eine noch bessere Standardsoftware. Es war die Entscheidung, ein System zu bauen, das zur realen Arbeitsweise passt – und den Mut, das alte System wirklich loszulassen. Erst diese Ordnung hat Automation ermöglicht. Erst diese Automation hat Freiheit ermöglicht.
Ordnung ermöglicht Automation. Automation ermöglicht Freiheit.
Wer mit einer Software arbeitet, die seine Realität nicht abbildet, sollte sich eine Frage stellen: Bildet mein System meine Prozesse ab – oder baue ich meine Prozesse um mein System herum? Wenn die Antwort „ich baue drumherum" lautet, liegt der Hebel nicht in einem anderen Standardtool. Er liegt in einem System, das mit dem Geschäft lebt – und in dem, was darauf möglich wird, wenn es einmal steht.