Routen- & Tourenoptimierung
Kostenloser Routen- und Tourenoptimierer für FTL (Komplettladung, Charter) und LTL (Sammelgut): Stopps setzen, optimale Reihenfolge berechnen und km, Fahrzeit, CO₂ und Kosten sparen – inklusive Auslastung in Lademetern. Echtzeit-Transparenz, Nachhaltigkeit und AI kombiniert. Pro mit Live-Verkehr und Telematik auf Anfrage.
Tourenoptimierung in 30 Sekunden
Der kurze Film zeigt Schritt für Schritt, wie aus vielen einzelnen Stopps eine kurze, fahrbare Tour wird – und warum jeder gesparte Kilometer Zeit, CO₂ und Kosten zugleich senkt.
Jede Tour beginnt mit vielen Stopps – Beladung, Entladung, Rückweg.
⚙ Einstellungen & Annahmen ▾
Was dahintersteckt: das Vehicle Routing Problem
Die Frage nach der günstigsten Reihenfolge über alle Stopps ist ein klassisches Optimierungsproblem — das Vehicle Routing Problem (VRP). Beschrieben haben es Dantzig und Ramser 1959 als „Truck Dispatching Problem“ für die Tankstellenbelieferung. Es verallgemeinert das Travelling-Salesman-Problem und ist NP-schwer: Das beweisbare Optimum ist bei realen Größen nicht mehr berechenbar, deshalb arbeitet man mit guten Näherungsverfahren.
Unser Rechner baut zuerst eine Startroute und verbessert sie dann mit lokaler Suche: 2-opt dreht überkreuzte Kanten um, Or-opt verschiebt einzelne Stopps. Größere Metaheuristiken wie Tabu-Suche, Simulated Annealing oder ALNS erreichen in der Forschung oft 0,5 bis 1 Prozent ans Optimum, selbst bei tausenden Stopps. Optimiert wird auf echten Straßen-Kilometern (OSRM), nicht auf Luftlinie.
Im Werkzeug stecken mehrere VRP-Varianten: Zeitfenster (VRPTW), Kapazität nach Lademetern (CVRP), Rückfracht statt Leerfahrt (Backhauling) sowie Rundkurs oder offene Tour (OVRP). Das Ergebnis ist eine sehr gute, nicht beweisbar optimale Tour — die von Software-Anbietern genannten 5 bis 30 Prozent Ersparnis sind eine Branchenangabe, kein Versprechen; entscheidend ist die konkrete Relation.
Wo AI hilft — und wo Vorsicht gilt
AI ergänzt diese Verfahren vor allem beim Lernen aus Betriebsdaten: genaueres Geocoding und Adressanalyse, Prognose von Service- und Fahrzeiten, robustere Pläne bei Verkehr und Nachfrageschwankungen sowie eine passendere Zuteilung von Fahrzeugen und Fahrern.
Vorsicht bleibt geboten: AI braucht viele saubere Daten, ist rechenintensiv und oft eine Black Box — schwer nachvollziehbar, warum eine Route empfohlen wird. Zu viel Vertrauen in das Modell oder in historische Daten kann täuschen, wenn sich die Bedingungen ändern. AI ist Entscheidungshilfe, nicht Autopilot.
Quellen: Dantzig & Ramser 1959 · Toth & Vigo, SIAM · Wikipedia: Vehicle Routing Problem (CC BY-SA) · 0,5–1 %: Vidal et al. 2014 · AI-Punkte nach Interview mit An de Wispelaere (PTV Logistics)
Echtzeit-Transparenz, AI und Nachhaltigkeit – zusammen gedacht
Jeder vermiedene Kilometer spart gleichzeitig Zeit, CO₂ und Geld. Der freie Rechner zeigt das Prinzip; die volle Wirkung entsteht aus dem Zusammenspiel dreier Hebel:
Echtzeit-Transparenz
- Dynamische AnpassungReagiert sofort auf Verkehr, Baustellen oder Wetter, um Fahrzeiten zu verkürzen.
- Live-TrackingGenaue Ankunftszeiten (ETAs) für Kunden und Disposition.
- Bestands- & StatusupdatesZeigt Fahrzeug- und Ladestatus lückenlos an.
Artificial Intelligence
- MustererkennungBerechnet optimale Reihenfolgen aus historischen und aktuellen Daten.
- Maschinelles LernenVerbessert Prognosen für Verkehrsfluss und Energiebedarf fortlaufend.
- AutomatisierungEntlastet Disponenten durch vollautomatische Routenneuberechnung.
Nachhaltigkeit
- EmissionsreduktionSenkt Treibstoffverbrauch und CO₂-Ausstoß durch weniger Leerfahrten.
- ElektromobilitätPlant Ladehalte und Reichweiten von E-Fahrzeugen intelligent mit ein.
- RessourceneffizienzMinimiert Verschleiß und bündelt Lieferungen optimal.
Orte werden per Adresssuche geokodiert (Nominatim / OpenStreetMap); die Distanzen sind echte Straßen-km aus dem OpenStreetMap-Routing (OSRM), auf denen auch die Reihenfolge optimiert wird (keine Luftlinie). Live-Verkehr, Telematik-Tracking, AI-Prognosen und E-Fahrzeug-Ladeplanung sind zusätzliche Funktionen (auf Anfrage).
FTL & LTL: zwei Wege, ein Ziel – volle Touren
Ob Komplett- oder Teilladung: Optimierung, Echtzeit und AI zahlen auf dasselbe Ziel ein – mehr Nutzlast je gefahrenem Kilometer. Der Hebel liegt nur an unterschiedlichen Stellen. Wechseln Sie oben zwischen den Modi.
LTL Teilladung & Sammelgut
Viele kleine Sendungen teilen sich ein Fahrzeug. Der Gewinn kommt aus Bündelung, sinnvoller Stopp-Reihenfolge und hoher Auslastung.
- Konsolidierung mehrerer Aufträge auf einer Sammeltour
- Optimale Stopp-Reihenfolge inkl. Zeitfenster
- Auslastung in Lademetern statt Leerraum
- Kosten je Sendung sinken mit jedem zusätzlichen Stopp
FTL Komplettladung & Direktverkehr
Ein Auftrag füllt das Fahrzeug – der Hebel liegt zwischen den Fahrten: kurze Repositionierung und Rückfracht statt Leerkilometer.
- Direktverkehr ohne Umschlag
- Reihenfolge mehrerer Legs minimiert Repositionierung
- Rückfracht/Backhaul vermeidet Leerfahrten
- Passende Relation & Frächter je Ladung zuordnen
Artificial Intelligence & Maschinelles Lernen
Der freie Rechner zeigt die Reihenfolge. Darüber hinaus lassen sich Disposition und Planung mit Verfahren aus AI, Maschinellem Lernen und Operations Research schärfen. Das gibt es als Pro- und Premium-Leistungen (auf Anfrage) — hier nur erläutert, nicht Teil des freien Rechners:
Predictive Analytics
Mengen- und Bedarfsprognosen für schwankende Auslastung: aus internen und externen Datenquellen wird abgeschätzt, welche Kapazitäten (Fuhrpark, Stellplätze, Personal) voraussichtlich gebraucht werden.
ETA-Prognose je Verkehrsträger
Ankunftszeiten über Straße, Schiene und Wasser prognostizieren — inklusive Warnung bei Störungen und Prüfung alternativer Träger oder Routen, damit Bestell- und Lieferzeitpunkt besser passen.
Automatisierte Disposition
Dynamische Tourenplanung in Echtzeit: aktuelle Füllstände und prognostizierte Bedarfe fließen automatisch ein, unter Beachtung von Arbeitszeiten, Priorisierung und Fahrzeugkapazität — gerade für spontane, kundengetriebene Transporte.
E-Reichweite & Fahrstromprognose
Für E-Fahrzeuge zählt die Reichweite: ein Modell aus Topographie, Wetter, Gewicht und Fahrtreihenfolge schätzt den Verbrauch, damit Touren weder zu kurz geplant noch riskant überzogen werden.
Bildanalyse zur Schadenserkennung
Bilderkennung prüft Ladungsträger und Verkehrsträger auf Foto- oder Videoaufnahmen und markiert Schäden früh bei der Annahme — weniger manueller Aufwand, weniger unbemerkte Folgekosten.
Netzwerkflussanalyse
Multi-Commodity-Optimierung über das ganze Netz: Produktionsstätten, Lager, Umschlagpunkte und Sonderanforderungen (Gefahrgut, Kühlung) werden gemeinsam betrachtet, um kostenoptimale Mengen bei eingehaltenen Lieferzeiten zu finden.
Multimodale Netzwerkplanung
Transportketten über mehrere Verkehrsträger zusammenstellen: Warenströme auf Konsolidierung und geeignete Umschlagpunkte prüfen — oft mehr Komplexität, dafür geringere Kosten und ressourcenschonendere Transporte.
Supply Chain Analytics
Data Mining und Business Analytics an der eigenen Logistikstruktur: Engpässe finden, Potenziale für Veränderungen aufzeigen — und ebenso benennen, wo keine Optimierung nötig ist. Grundlage für strategische Entscheidungen.
Diese Verfahren gibt es als Pro- und Premium-Leistungen auf Anfrage; sie sind im freien Rechner nicht enthalten und werden hier nur erklärt. Wo Zahlen genannt würden, tragen sie Methode und Herkunft mit.
Optimierung mit Live-Verkehr, Telematik und AI
- Reale Straßen-km & Live-Verkehr statt Luftlinien-Schätzung
- Zeitfenster, Lenkzeiten und Fahrzeug-Restriktionen
- AI-Prognose von Fahrzeit, Nachfrage und Verspätungsrisiko
- Flotten-weite Optimierung & automatische Nachdisposition
- Rückfracht-/Backhaul-Matching (FTL) & Konsolidierung (LTL)
- CO₂- & Kosten-Reporting je Tour und Kunde
Open-Source-Projekt. Der kostenlose Rechner bleibt frei; die zusätzlichen Funktionen werden ausschließlich auf Anfrage und nach Freigabe bereitgestellt – kein automatischer Zugang.