KITA-Funktionsweise: Vom Auftrag zur TMS-Buchung in 30 Sek.

30 Sekunden. So lange braucht KITA im Schnitt, um aus einer eingehenden E-Mail eine fertige TMS-Buchung zu machen. Wie genau die Funktionsweise dahinter abläuft, ist selten bekannt. Dabei erklärt gerade dieser Blick unter die Haube, warum das System mit sehr unterschiedlich formulierten Aufträgen zurechtkommt, wo klassische Automatisierung meist scheitert.

KITA-Funktionsweise: die 6 Schritte im Überblick
| Schritt | Was passiert |
|---|---|
| 1. Monitoring | Das System überwacht die relevanten Posteingänge kontinuierlich |
| 2. Klassifizierung | Eingehende Dokumente werden als Transportauftrag erkannt und von anderer Korrespondenz unterschieden |
| 3. Datenextraktion | Die relevanten Felder (Absender, Empfänger, Ladung, Termine) werden aus dem Dokument gelesen |
| 4. Validierung | Die extrahierten Daten werden auf Plausibilität geprüft |
| 5. Bereitstellung | Die validierten Daten werden per REST-API oder als Importdatei ans TMS übergeben |
| 6. Benachrichtigung | Die Disposition erhält eine Rückmeldung, dass der Auftrag verarbeitet und bereit ist |
Die 6 Schritte im Detail
In der Tabelle liest sich der Ablauf kompakt, in der Praxis steckt in jedem Schritt eine eigene kleine Herausforderung, die klassische Automatisierung häufig ausbremst.
1. Monitoring
Das System überwacht die relevanten Posteingänge kontinuierlich: Ein Auftrag kann als E-Mail-Text selbst oder als Anhang im Format PDF, DOCX oder XLS eintreffen. Entscheidend ist, dass keines dieser Formate gesondert behandelt werden muss, sonst entstehen genau die blinden Flecken, die vorher zu Nachfragen und Verzögerungen geführt haben.
2. Klassifizierung
Nicht jede eingehende Nachricht ist ein Transportauftrag. Zwischen tatsächlichen Aufträgen liegen Rückfragen, Terminverschiebungen, Werbung oder interne Weiterleitungen. Die Klassifizierung trennt diese Fälle, bevor überhaupt Daten extrahiert werden, damit im nächsten Schritt keine Rechenzeit und keine Aufmerksamkeit der Disposition an Dokumente verschwendet wird, die gar keine Buchung nach sich ziehen sollen.
3. Datenextraktion
Hier zeigt sich der eigentliche Unterschied zur reinen Texterkennung: Es werden nicht nur Zeichenketten herausgelesen, sondern Felder wie Absender, Empfänger, Ladung, Gewicht, Abhol- und Liefertermin ihrer Bedeutung nach zugeordnet, unabhängig davon, an welcher Stelle im Dokument sie stehen oder wie sie formuliert sind.
4. Validierung
Extrahierte Daten werden auf Plausibilität geprüft, bevor sie an das TMS übergeben werden. Solche Prüfungen fangen genau die Tippfehler und Unstimmigkeiten ab, die bei manueller Erfassung häufig erst auffallen, wenn die Sendung schon unterwegs ist.
5. Bereitstellung
Die validierten Daten werden strukturiert an das TMS übergeben, per REST-API oder als Importdatei. Der Auftrag liegt an dieser Stelle bereits in der Form vor, die das Zielsystem erwartet, eine manuelle Nacharbeit in der Disposition entfällt.
6. Benachrichtigung
Erst am Ende der Kette bekommt die Disposition eine Rückmeldung, und zwar über den Status: erfolgreich verarbeitet oder mit Hinweis auf eine Unstimmigkeit aus Schritt 4, die eine kurze manuelle Prüfung braucht. So bleibt der Mensch genau dort im Prozess, wo Beurteilung gefragt ist, und wird aus der reinen Abtipparbeit herausgenommen.
Was passiert bei unklaren oder unvollständigen Angaben?
Kein System kann jeden denkbaren Auftrag zu 100 % automatisch verarbeiten, ein fehlendes Lieferdatum oder eine unleserliche Mengenangabe kommen in der Praxis vor. Statt den Auftrag stillschweigend falsch zu buchen, geht ein solcher Fall in die manuelle Verarbeitung über und wird dort gegen eine eigens aufgebaute Wissensdatenbank abgeglichen. Ein großer Teil dieser Fälle ist zudem bereits im Setup selbst abgefangen: Die Konfiguration wird individuell auf den jeweiligen Kunden zugeschnitten, sodass wiederkehrende Besonderheiten in der Auftragsformulierung eines bestimmten Absenders von Anfang an berücksichtigt sind, statt bei jedem Auftrag neu aufzufallen.
Der Unterschied zu klassischem OCR
Klassisches OCR liest Zeichen, mehr nicht. Es erkennt, dass an einer bestimmten Stelle im Dokument die Zeichenfolge „15.08.“ steht, versteht aber nicht, was das bedeutet. KITA arbeitet semantisch: Das System versteht, dass „Lieferdatum“ und „Anlieferung am“ dieselbe Information in unterschiedlicher Formulierung sind. Genau dieser Unterschied entscheidet, ob ein System bei jeder neuen Formulierung eines Absenders neu angepasst werden muss oder mit der Variationsbreite realer Geschäftskorrespondenz von Haus aus umgehen kann. Dass dieser Unterschied bei kleineren wie größeren Speditionen gleichermaßen zählt, hatten wir kürzlich schon beim Thema KI-Auftragserfassung für kleinere Speditionen beschrieben.
Integration ohne Systembruch
Schritt 5, die Bereitstellung, ist bewusst flexibel gehalten: KITA übergibt die Daten per REST-API dort, wo eine Anbindung möglich ist, oder als CSV/XML-Importdatei, wo eine direkte Schnittstelle fehlt. Damit lässt sich KITA an praktisch jedes bestehende TMS anbinden, ohne dass die vorhandene Systemlandschaft ausgetauscht werden muss, ein häufiger Einwand, der sich damit in der Praxis auflöst. Für die Disposition bedeutet das konkret: kein paralleles Zweitsystem, keine doppelte Datenpflege, sondern ein zusätzlicher, automatisierter Zulauf in das TMS, das bereits im Einsatz ist.
Wie funktioniert KI-Auftragserfassung in der Logistik?
In sechs Schritten: Monitoring, Klassifizierung, Datenextraktion, Validierung, Bereitstellung per API/Importdatei und abschließende Benachrichtigung der Disposition.
Was unterscheidet KITA von klassischem OCR?
OCR liest nur Zeichen, KITA versteht die Bedeutung semantisch — zum Beispiel, dass unterschiedliche Formulierungen dasselbe Datum meinen.
Muss unser TMS für KITA ausgetauscht werden?
Nein. Die Integration erfolgt per REST-API oder CSV/XML-Import, ohne die bestehende Systemlandschaft zu verändern.
Wer sehen will, wie diese 6 Schritte im eigenen Auftragseingang aussehen würden, findet unter ki-auftragserfassung.de weitere Details.
Transparenzhinweis: Bei der Erstellung dieses Beitrags kam KI-Unterstützung zum Einsatz.