Datenbasierte Flottenplanung: Wie viele Fahrzeuge muss ein Unternehmen auf den Weg schicken?

Wie viele Lieferfahrzeuge braucht ein Unternehmen wirklich – und welche Fahrzeugkonfigurationen sind über das ganze Jahr hinweg sinnvoll? Diese Frage stellt Logistikabteilungen von Unternehmen vor große Herausforderungen. Christian Truden (Universität Klagenfurt) und Mike Hewitt (Loyola University Chicago) haben nun einen neuen datengetriebenen Ansatz entwickelt, der zeigt, wie Fahrzeugflotten auch unter stark schwankender Nachfrage und Saisonalität effizient geplant werden können.

Im Fokus der Forschung stehen Einsatzszenarien, in denen sich Nachfrage, Kundenanfragen und Rahmenbedingungen regelmäßig ändern, wie dies etwa im Bereich der Lebensmittel-Hauszustellung der Fall ist. Hier müssen Fahrzeuge mit mehreren Temperaturzonen eingesetzt werden, während gleichzeitig saisonale Schwankungen und kurzfristige Bestellungen berücksichtigt werden müssen. „Denken wir dabei beispielhaft an Weihnachten: Zu dieser Zeit wird seltener, dafür wird umso mehr auf einmal eingekauft. Im Sommer hingegen sind viele im Urlaub, und es gibt mehr, aber kleinere Einkäufe“, nennt Christian Truden Beispiele für die Saisonalität.

Im Journal Transportation Research Part E stellen Christian Truden, Postdoc-Forscher am Department of Economics, Analytics and Operations Research an der Universität Klagenfurt, und Mike Hewitt, Professor für Supply Chain Management an der Quinlan School of Business an der Loyola University of Chicago, eine Methode zur Flottendimensionierung in dynamischen und unsicheren Umgebungen vor. Der Ansatz verbindet Methoden des Operations Research mit statistischen Modellen und Machine Learning und ermöglicht es, die Leistungsfähigkeit unterschiedlicher Flottenkonfigurationen realistisch vorherzusagen.

Mit der neuen Methode lassen sich tausende reale Betriebssituationen über verschiedene Jahreszeiten hinweg simulieren. Der Ansatz nutzt diese Daten, um Prognosemodelle für zentrale Leistungskennzahlen zu erstellen – darunter Servicegrad, Kapazitätsauslastung und Kosten. „Wir stellen damit eine Methode auf einer sehr allgemeinen Ebene vor, die sich auf viele verschiedene Probleme anwenden lässt. Dennoch können wir nur Vorschläge für eine Flottenplanung errechnen, die die Ziele am besten erfüllt; die Entscheidung treffen letztlich Menschen“, so Christian Truden.

Für zukünftige Forschungen sehen die Studienautoren noch eine weitere Ausweitung der Komplexität: „Ansätze wie unserer können noch um weitere dynamische Faktoren wie unsichere Personalverfügbarkeit erweitert werden. Für das Flottenmanagement ist außerdem die Einbindung neuer Lieferfahrzeuge wie autonome Gehwegroboter und Elektrofahrräder vielversprechend, um Liefermethoden zu erweitern und zu optimieren. Auch hier werden wir Modelle brauchen, die dabei unterstützen, die optimale Mischung aus klassischen und neuen Fahrzeugtypen für eine effiziente Flotte zu finden“, stellt Christian Truden in Aussicht.

Christian Truden & Mike Hewitt (2026). Multi-objective, multi-attribute fleet sizing in a dynamic and stochastic environment: A data-driven approach. Transportation Research Part E: Logistics and Transportation Review, Volume 207, https://doi.org/10.1016/j.tre.2025.104585.