Supermarkt-Heimzustellung um 10 Prozent effizienter

Zustellservices von Supermarktketten sind auf der Überholspur, scheint es doch für den Endkunden oder die Endkundin praktisch, sich den Einkauf für den täglichen Bedarf in einem bestimmten Zeitfenster nach Hause liefern zu lassen. Für die Handelsketten steckt hinter dem Online-Handel aber ein großer logistischer Aufwand, bei dem es viel zu verlieren, aber auch zu gewinnen gibt. Ein Team von MathematikerInnen an der Alpen-Adria-Universität rund um den Optimierungs-Experten Philipp Hungerländer konnte nun die Effizienz der Auslieferungsrouten für eine globale Handelsmarke in England um 10 Prozent steigern. Und verhalf dem Konzern damit zu einer Kostenreduktion von mehreren Millionen Euro pro Jahr.

„Ziel unseres Projekts, das wir für eine der weltweit größten Handelsketten durchführten, war es, einen stabilen, schnellen und transparenten Optimierungsansatz zu finden, der effiziente Auslieferungsrouten für viele Bestellungen, Lieferautos und Depots in Echtzeit errechnet“, erklärt Philipp Hungerländer. Das Projekt wurde gemeinsam mit dem britischen Unternehmen Satalia durchgeführt. Ein Team von sechs ForscherInnen arbeitete am Institut für Mathematik in Klagenfurt daran.

In der betrachteten Anwendung werden laufend neue Bestellungen online getätigt, wobei sich die KundInnen ihr gewünschtes Zulieferzeitfenster auswählen können. Das entwickelte Optimierungstool errechnet schnell, wie sich die zusätzlichen Bestellungen auf die optimale Route auswirken und erstellt adaptierte Zustellpläne. Am Ende sollen sowohl Kundinnen und Kunden, als auch das Zustellpersonal zufrieden sein, denn: „Gute Fahrerinnen und Fahrer sind gefragt. Unsere Ergebnisse zeigen, dass ein möglichst optimaler Zustellplan sich auch auf deren Zufriedenheit positiv auswirkt.“

Bei der Berechnung von Routen und Zeitfenstern gilt es eine Vielzahl an Faktoren für die Effizienz der Zulieferung zu berücksichtigen, beispielsweise die Dauer für die Übergabe der Einkäufe an die Kundinnen und Kunden oder auch die Anzahl der Stockwerke, die ohne Lift bewältigt werden müssen. Die Fahrzeiten hängen auch von Parametern wie Wochentagen, Tageszeiten, Wetter und vielem mehr ab. „Wir haben uns darum bemüht, die Genauigkeit der Input-Daten für unsere Optimierungsmethoden zu verbessern, indem wir ‚Machine Learning‘-Techniken aus dem Bereich der Künstlichen Intelligenz eingesetzt haben“, so Hungerländer.

Insgesamt ist es dem Team gelungen, die Effizienz der Auslieferungsrouten der internationalen Handelskette in England um 10 Prozent zu steigern und damit jährliche Kosten um mehrere Millionen Euro zu verringern sowie entsprechend CO₂-Emissionen zu reduzieren. Derzeit wird das System von London auf ganz England ausgerollt und dann weltweit eingesetzt.

Philipp Hungerländer, der in den vergangenen eineinhalb Jahren am Massachusetts Institute of Technology (MIT) in Boston als Gastforscher tätig war, ist nun wieder an der Alpen-Adria-Universität in Klagenfurt. In einem nächsten Projekt wird es ihm und seinem Team darum gehen, die Personalplanung einer der weltweit größten Wirtschaftsprüfungsgesellschaften zu optimieren. Er sieht aber auch für hiesige Märkte Optimierungspotenzial, das im Sinne der KundInnen und Handelsmarken nutzbar gemacht werden könnte.

Die Fotos sind unter Nennung des Fotocredits (aau/Waschnig) frei verwendbar.