Schadenserfassung per KI: Fahrer fotografiert, KI strukturiert die Meldung

Freitagnachmittag, Rampe 4 eines Verteilzentrums im Ruhrgebiet. Ein Fahrer rangiert seinen Sattelzug rückwärts an die Laderampe, der Wareneingang nimmt zwei Europaletten ab. Auf der dritten Palette ist die Folie eingerissen, ein Karton sichtbar gequetscht. Der Lageristen-Kollege deutet darauf, der Fahrer zuckt mit den Schultern, beide diskutieren kurz, und am Ende landet auf dem Lieferschein ein hastig hingekritzelter Vermerk: „Karton oben besch.“. Kein Foto, kein genauer Ort der Beschädigung, keine Uhrzeit. Drei Wochen später, als die Reklamation des Empfängers eintrifft, weiß niemand mehr, ob der Schaden beim Verladen, beim Transport oder erst beim Auspacken entstanden ist.

Diese Szene ist kein Einzelfall, sondern Alltag an unzähligen Übergabepunkten in Deutschland. Inländische Lkw beförderten 2024 rund 2.778,2 Millionen Tonnen Güter (Statistisches Bundesamt). Die Straße trägt damit den weitaus größten Teil des deutschen Gütertransports. Jede dieser Sendungen durchläuft mehrere Übergaben, an denen ein Schaden entstehen, übersehen oder unzureichend dokumentiert werden kann. Genau dort, am physischen Übergabepunkt, setzt die KI-gestützte Schadenserfassung an: Der Fahrer fotografiert, die KI strukturiert die Meldung, und aus einer Streitstelle wird ein belastbarer Datensatz.

Was bedeutet Schadenserfassung per KI eigentlich?

Im Kern beschreibt Schadenserfassung per KI einen einfachen, aber wirkungsvollen Ablauf: Der Fahrer oder die Person am Wareneingang macht mit dem Smartphone ein oder mehrere Fotos vom Schaden. Ein KI-Modell zur Bilderkennung analysiert diese Aufnahmen, erkennt die Schadensart (Riss, Delle, Nässe, Bruch, fehlende Sicherung), schätzt Position und Schweregrad ein und überführt das Ergebnis in ein strukturiertes Formular: einheitliche Felder statt handschriftlichem Freitext.

Dass das technisch funktioniert, ist keine Vision mehr. Das Fraunhofer-Institut für Materialfluss und Logistik IML beschreibt, dass sich mit KI-Algorithmen zur Bilderkennung Modelle trainieren lassen, die anhand von Foto- oder Filmaufnahmen die Qualität von Verkehrsträgern und Ladehilfsmitteln kontrollieren und Schäden identifizieren. Die automatisierte Schadenserkennung führe laut Fraunhofer zu signifikanter Zeitersparnis bei verringertem Personaleinsatz und verhindere monetäre Verluste durch frühzeitige Erkennung bereits bei der Annahme im Wareneingang.

Wichtig ist die Abgrenzung: Ein solches System trifft keine Schuldzuweisung und ersetzt keinen Disponenten oder Sachbearbeiter. Es unterstützt die Person am Übergabepunkt dabei, schnell und vollständig zu dokumentieren. Die Bewertung, ob ein Schaden anzuerkennen, zu reklamieren oder zu eskalieren ist, bleibt beim Menschen. Diese Rollenteilung ist nicht nur gute Praxis, sondern auch Voraussetzung für die spätere rechtliche Verwertbarkeit. Wie sich solche Foto-zu-Datensatz-Prozesse in den größeren Rahmen einfügen, zeigt unser Überblick zur KI in Logistik und Spedition.

Warum ist die Dokumentationslücke am Übergabepunkt so teuer?

Der Übergabepunkt ist die rechtlich heikelste Stelle im gesamten Transportprozess. Wer einen Frachtschaden geltend machen will, trägt die Beweislast, und die deutschen sowie internationalen Frachtrechtsregeln setzen dafür enge Fristen. Nach HGB und der CMR (dem Übereinkommen über den internationalen Straßengüterverkehr) müssen äußerlich erkennbare Schäden bei der Übernahme angezeigt werden; verdeckte Schäden sind binnen sieben Tagen schriftlich zu reklamieren. Wird diese Frist versäumt oder lässt sich der Schadenszeitpunkt nicht belegen, kippt die Beweislage schnell zuungunsten des Anspruchstellers.

Eine handschriftliche Notiz auf dem Lieferschein, etwa „Karton oben besch.“, erfüllt diese Anforderung oft nicht: kein Zeitstempel, keine genaue Verortung, kein Bildbeleg, schwer lesbar. Eine per KI strukturierte Fotomeldung schafft dagegen einen zeitgestempelten, einheitlich erfassten Nachweis direkt am Übergabepunkt. Das ist der eigentliche Hebel: nicht nur schneller dokumentieren, sondern gerichtsfester dokumentieren.

Hinzu kommt ein Datenproblem, das die gesamte Branche kennt. Laut der Studie „Trends und Strategien 2025/26“ der BVL nennen 54 Prozent der Unternehmen die begrenzte Verfügbarkeit und Qualität von Daten als eine der größten Herausforderungen der digitalen Transformation. Freitext-Notizen auf Papier sind genau das Gegenteil von verwertbaren Daten. Sie lassen sich nicht auswerten, nicht filtern, nicht in Häufigkeits- oder Routenanalysen überführen.

Wie läuft der Prozess vom Foto bis zum fertigen Datensatz?

Der eigentliche Wert entsteht nicht im einzelnen Foto, sondern im durchgängigen Workflow. Fünf Schritte, vom Auslöser bis zur weiterverarbeitbaren Meldung:

Entscheidend ist Schritt 4: Die KI liefert eine Vorerfassung, der Mensch behält die Entscheidung. Das ist nicht nur eine Komfortfrage, sondern erfüllt die Transparenz-Logik des EU AI Act und verhindert, dass eine Fehlklassifikation ungeprüft in einen Reklamationsvorgang läuft. Schritt 5 schließlich verbindet die Erfassung mit der nachgelagerten Dokumentenwelt. Wie sich solche Belege automatisiert weiterverarbeiten lassen, behandelt unser Beitrag zur Dokumentenautomatisierung in der Logistik.

Ist die Logistik überhaupt bereit für KI, oder ist das Zukunftsmusik?

Die Logistik ist beim Thema KI einer der Vorreiter im deutschen Markt. Laut einer repräsentativen Befragung des Digitalverbands setzt jedes fünfte Logistikunternehmen (22 Prozent) bereits Künstliche Intelligenz ein, weitere 26 Prozent planen oder diskutieren den Einsatz (Bitkom e. V., Basis: über 400 Logistikunternehmen ab 20 Beschäftigten). Damit liegt die Branche deutlich vor der Gesamtwirtschaft, in der zum Erhebungszeitpunkt erst 9 Prozent KI nutzten.

Die meisten dieser Anwendungsfälle stecken allerdings in Bedarfsprognose, Transport- und Routenoptimierung, also in der Planung. Die Schadenserfassung am physischen Übergabepunkt ist demgegenüber ein unterschätztes, sofort umsetzbares Vorhaben: klar abgegrenzt, mit messbarem Beleg-Nutzen und ohne tiefe Eingriffe in die Bestandssysteme. Genau solche eng umrissenen Use-Cases eignen sich erfahrungsgemäß gut für einen ersten KI-Schritt.

Dass die Reise weitergeht, zeigt der Blick nach vorn: Mehr als die Hälfte der Logistikunternehmen (58 Prozent) erwartet laut Bitkom, dass KI bis 2030 weit verbreitet sein und viele Aufgaben übernehmen wird, etwa Routenplanung oder das Vermeiden von Leerfahrten. Und 68 Prozent der Unternehmen wollen laut der BVL-Studie in den nächsten fünf Jahren an der Implementierung und/oder Skalierung von KI arbeiten. In der Trend-Rangliste klettert KI gegenüber 2023 um sieben Plätze nach oben. Wer Schadenserfassung jetzt digitalisiert, baut die Datengrundlage für diese Skalierungswelle frühzeitig auf.

Welcher Weg zur Schadensdokumentation passt zu welchem Betrieb?

KI-gestützte Erfassung ist nicht automatisch für jeden Betrieb die richtige Antwort. Vier gängige Wege im neutralen Vergleich:

Die ehrliche Einordnung: Ein digitales Formular ohne KI liefert ebenfalls gute, auswertbare Daten, verlangt dem Fahrer aber mehr manuelle Eingaben ab, was am hektischen Übergabepunkt oft zulasten der Vollständigkeit geht. Der KI-Ansatz spielt seinen Vorteil dort aus, wo Tempo und Vollständigkeit gleichzeitig zählen: Der Fahrer fotografiert, die Vorerfassung steht in Sekunden, er muss nur noch bestätigen. Für kleine Betriebe mit wenigen, gut geschulten Mitarbeitern kann ein einfaches digitales Formular schon ausreichen. Je höher das Sendungsvolumen und je heterogener das Personal am Übergabepunkt, desto stärker wirkt die KI-gestützte Variante.

Wie passt das in bestehende Systeme und die Datenstrategie?

Schadenserfassung per KI ist kein Inselsystem, sondern füttert genau die Datenbasis, die Speditionen und Logistiker ohnehin aufbauen. Laut dem DSLV, Bundesverband Spedition und Logistik erheben bereits 60 Prozent der Speditions- und Logistikunternehmen systematisch Daten zur Analyse und Optimierung eigener Geschäftsprozesse, weitere 19 Prozent planen dies; 56 Prozent nutzen EDI zum Datenaustausch mit Geschäftspartnern, und für rund 60 Prozent ist die digitale Transformation fester Bestandteil der Unternehmensstrategie.

In dieses Bild fügt sich die strukturierte Schadenserfassung nahtlos ein: Statt Freitext-Chaos liefert sie saubere, einheitliche Felder (Schadensart, Position, Zeitpunkt, Sendungsbezug), die sich per Schnittstelle in das vorhandene Transport-Management-System (TMS-Schnittstelle), in EDI-Prozesse oder in eine digitale Schadensakte überführen lassen. So entsteht über die Zeit eine auswertbare Datenbasis: Welche Relationen produzieren überdurchschnittlich viele Schäden? An welchen Übergabepunkten häufen sich bestimmte Schadensarten? Diese Auswertung ist erst möglich, wenn die Erfassung von Anfang an strukturiert erfolgt.

Praktisch lassen sich die erfassten Belege auch direkt mit der Fahrerkommunikation verzahnen, etwa wenn eine Schadensmeldung Rückfragen auslöst oder Bilder nachgereicht werden müssen. Wie diese Wege ineinandergreifen, vertieft unser Beitrag zur Fahrerkommunikation in der Logistik. Module wie FLOW Doc für die strukturierte Dokumentenverarbeitung und FLOW WhatsApp für den Bild- und Belegaustausch über den vertrauten Messenger-Kanal bilden dafür die Bausteine: regelbasiert, KI-gestützt und mit klarer Übergabe an Ihr Team.

Was bringt das konkret? Eine illustrative Modellrechnung

Rechenbeispiel: mittelständischer Stückgut-Spediteur

Ausgangslage (Annahme): Ein Stückgut-Betrieb wickelt monatlich rund 6.000 Sendungen über mehrere Umschlagpunkte ab. Schäden werden bislang per Handschrift auf dem Lieferschein vermerkt; ein Teil der Reklamationen scheitert später an fehlender Dokumentation oder versäumten Fristen.

Ansatz: Einführung einer KI-gestützten Foto-Erfassung am Wareneingang und an den Umschlagpunkten, angebunden via TMS-Schnittstelle, mit FLOW Doc zur strukturierten Ablage und FLOW WhatsApp zum Nachreichen von Bildern.

Mögliche Wirkung: Schadensmeldungen wären durchgängig zeitgestempelt und einheitlich erfasst. Die Erfassung am Übergabepunkt verkürzt sich, weil der Fahrer nur fotografiert und bestätigt statt handschriftlich zu notieren. Fraunhofer IML beschreibt für die automatisierte Schadenserkennung allgemein eine signifikante Zeitersparnis bei verringertem Personaleinsatz. Zugleich sänke das Risiko, eine berechtigte Reklamation mangels Beweisen zu verlieren.

Hinweis: Dies ist ein illustratives Rechenbeispiel mit frei gewählten Annahmen, also kein gemessenes Ergebnis und kein Garantieversprechen. Die tatsächliche Wirkung hängt von Sendungsstruktur, Schadensquote, Schulung des Personals und Integrationstiefe ab.

Der wirtschaftliche Kern liegt damit auf zwei Ebenen: erstens die unmittelbare Zeit- und Personalentlastung am Übergabepunkt, zweitens (und oft schwerer wiegend) die vermiedenen monetären Verluste durch verlorene Reklamationen und die belastbare Datenbasis für künftige Prozessoptimierung. Beide Hebel verstärken sich mit dem Sendungsvolumen.

Welche rechtlichen Pflichten müssen Sie beachten?

Wer Fotos von Fahrern und Sendungen verarbeitet, bewegt sich im Datenschutzrecht. Drei Bausteine sollten Sie kennen:

DSGVO und Auftragsverarbeitung. Fotos können personenbezogene Daten enthalten, etwa wenn Fahrer, Lagerpersonal oder Kennzeichen sichtbar sind. Beim Einsatz eines externen KI-Dienstleisters ist ein Auftragsverarbeitungsvertrag (AVV) nach Art. 28 DSGVO Pflicht. Empfehlenswert sind außerdem Serverstandort Deutschland und ein vertraglicher Ausschluss, dass personenbezogene Daten zum Training von KI-Modellen verwendet werden. Wo es prozessual möglich ist, hilft eine Begrenzung auf das Schadensobjekt (statt Personen) im Bildausschnitt.

EU AI Act, Art. 50. Die Transparenzpflicht des EU AI Act ist ab dem 02.08.2026 anwendbar. Soweit Beteiligte mit einem KI-System interagieren, etwa über einen Chat- oder Messenger-Kanal zur Schadensaufnahme, müssen sie erkennen können, dass sie mit KI kommunizieren. In der reinen Bild-Klassifikation im Hintergrund greift die Pflicht anders als im direkten Dialog; im Zweifel sollte die KI-Natur dennoch transparent kommuniziert werden.

UWG und Genauigkeit. Die KI liefert eine probabilistische Einschätzung, keine fehlerfreie Wahrheit. Aussagen wie „100 Prozent Schadenserkennung“ wären irreführend im Sinne des UWG. Korrekt ist eine konditionale Beschreibung: Das System unterstützt die Erfassung und erkennt typische Schadensmuster mit hoher Trefferquote, doch die finale Bewertung trifft der Mensch.

Glossar: Die wichtigsten Begriffe

Häufige Fragen (FAQ)

Tiefer einsteigen: kuratierte Vertiefungen

• → KI und Automatisierung für Logistik und Spedition: der komplette Überblick
• → KI in Logistik und Spedition: der Überblick
• → Fahrerkommunikation in der Logistik per KI strukturieren
• → Dokumentenautomatisierung in der Logistik: vom Beleg zum Datensatz
• → Datenstrategie in der Logistik: saubere Felder statt Freitext
• → TMS-Schnittstellen verstehen: wie Meldungen ins System fließen
• → Tourenplanung mit KI: Routen und Disposition automatisieren