KI und Versandkartons
Wie KI die Luft im Karton auflöst
Product Carbon Footprint im Online-Shop von Kaiserkraft, hier für Sackkarren. Bild: Kaiserkraft
Zu große Kartons kosten Material, Volumen und Geld. Sie geraten zunehmend unter Regulierungsdruck. Künstliche Intelligenz kann helfen, Versandkartons auf das Bestellaufkommen zuzuschneiden, schreibt Hermann Foot in seinem Gastbeitrag.
Wer Waren versendet, verschickt häufig nicht nur Produkte, sondern auch Luft. Was wie eine Nebensache wirkt, summiert sich über zehntausende Pakete zu Frachtvolumen, Füllmaterial und CO2.
Die Wahl des Kartonsortiments ist eine strategische Entscheidung zwischen Produktschutz, Wirtschaftlichkeit, Nachhaltigkeit und einem beherrschbaren Sortimentsumfang. Künstliche Intelligenz kann helfen, diese Zielkonflikte zu lösen. Sie eröffnet dort neue Möglichkeiten, wo große und heterogene Datenmengen verarbeitet werden müssen. Während regelbasierte und mathematische Algorithmen mit klar definierten Rahmenbedingungen umgehen können, erkennt KI Muster in komplexen Versand- und Artikeldaten. So kann sie Optimierungspotenziale erschließen.
Ein Beispiel ist „CASTN“ („Carton Set Optimization“), ein am Fraunhofer-Institut für Materialfluss und Logistik IML entwickeltes Tool zur Optimierung firmenspezifischer Kartonsortimente. Der KI-basierte Ansatz analysiert Artikelstammdaten und Versandstrukturen eines Unternehmens. Auf dieser Grundlage wird ermittelt, welche Kartongrößen das Versandaufkommen möglichst gut abdecken.
Datenmengen sind die Herausforderung
Je besser Karton und Produkt zusammenpassen, desto geringer sind Versandvolumen, Füllmaterialbedarf und Transportkosten. Die Herausforderung liegt in der Datenmenge: Artikelmaße, Gewichte, Bestellstrukturen, Versandarten, Retouren, Kartontypen und historische Sendungsdaten. Diese Daten sind selten einheitlich oder fehlerfrei. Hier liegt ein Mehrwert von KI: Sie kann große Datenbestände analysieren, wiederkehrende Muster erkennen und belastbare Empfehlungen für ein repräsentatives Kartonsortiment ableiten.
Eine solche KI-Anwendung steht und fällt mit der Qualität ihrer Daten. Falsche Maße, fehlende Gewichtsangaben, unterschiedliche Einheiten oder doppelte Artikelstammdaten können die Optimierung verfälschen. Das Prinzip „Garbage in, garbage out“ gilt auch in der Verpackungslogistik: Schlechte Eingangsdaten führen zu schlechten Ergebnissen. Eine vermeintlich zwei Meter lange Schokoladentafel veranschaulicht das Problem.
Entscheidend ist: KI kann nur so gut sein wie die Daten, mit denen sie arbeitet. Digitalisierung ist die notwendige Grundlage für wertschöpfende Anwendungen. Wer Daten sauber erfasst, strukturiert und pflegt, schafft die Voraussetzung dafür, dass die KI ihr Potenzial entfalten kann.
KI erkennt unplausible Maße
Was nach dem Traum jedes Schokoladenfans klingt, ist in der Praxis meist auf eine verwechselte Maßeinheit oder ein falsch gesetztes Dezimaltrennzeichen zurückzuführen. Feste Regeln erkennen das nur, wenn für jede Produktgruppe Grenzwerte hinterlegt sind. Bei großen, sich ständig verändernden Sortimenten ist das kaum leistbar. Hier können Large Language Models (LLMs) unterstützen.
Sie detektieren Auffälligkeiten flexibel über den semantischen Kontext, ohne starre Prüfregeln. Ein LLM kann etwa feststellen, dass die Maße einer Schokoladentafel nicht zum üblichen Produkttyp passen, und einen möglichen Einheitenfehler vorschlagen. Korrekturen benötigen jedoch nachvollziehbare Quellen und gegebenenfalls eine menschliche Freigabe.
Noch früher in der Datenkette können so genannte visionbasierte Systeme einen wichtigen Beitrag leisten. Kameras und automatisierte Messstationen erfassen beim Wareneingang oder an der Packstation Länge, Breite und Höhe eines Artikels. Zusätzlich erkennen sie Beschädigungen, Etiketten oder Gefahrgutkennzeichnungen und unterstützen optisches Track & Trace. Die gewonnenen Daten lassen sich automatisiert an entsprechende Systeme übergeben. Dadurch entstehen belastbare Stammdaten am physischen Produkt statt durch manuelle Eingaben oder unvollständige Datenmigrationen.
Das Potenzial von KI in der Verpackungslogistik reicht von der automatisierten Datenerfassung über die Plausibilisierung von Stammdaten bis zur Optimierung ganzer Versandkartonsortimente. Sie kann dabei unterstützen, Material und Leerraum zu reduzieren und damit die Ziele der PPWR zu adressieren.
Entscheidend ist: KI kann nur so gut sein wie die Daten, mit denen sie arbeitet. Digitalisierung ist die notwendige Grundlage für wertschöpfende Anwendungen. Wer Daten sauber erfasst, strukturiert und pflegt, schafft die Voraussetzung dafür, dass die KI ihr Potenzial entfalten kann.
Hermann Foot Fotocredit: IML
Der Autor
Hermann Foot ist Senior Scientist am Fraunhofer-Institut für Materialfluss und Logistik IML in Dortmund. Er ist verantwortlich für Themen rund um KI und Data Science in der Verpackungs- und Handelslogistik. Für „CASTN“ erhielt das IML einen „Deutschen Verpackungspreis 2026“.