KPI Spedition: Die wichtigsten Kennzahlen für Transport und Logistik
Zusammenfassung
KPIs machen Logistik-Prozesse messbar: Service, Kosten, Zeit und Qualität werden transparent.
- Die Top-Kennzahlen für Speditionen kurz erklärt – inkl. einfacher Formeln.
- So baust du ein KPI-System mit Hierarchie, Datenquellen und Power-BI-Dashboard.
- Checkliste, Benchmarks, Optimierungshebel und FAQ für den Start.
Wichtig: Wenige Kennzahlen sauber messen schlägt viele Kennzahlen ohne Datengrundlage.
Mit den richtigen KPI Spedition steuerst du Transport und Lager datenbasiert statt Excel-getrieben und triffst schneller Entscheidungen.
Definition
KPI (Key Performance Indicator) sind messbare Kennzahlen, die die Leistungsfähigkeit logistischer Prozesse wie Transport und Lager objektiv abbilden. KPIs sind keine Reportsammlung oder Bauchgefühl-Interpretation, sondern eine feste Messlogik zur Steuerung und Priorisierung von Entscheidungen.
Einleitung
Eine KPI Spedition ist nur dann wertvoll, wenn sie dir im Alltag hilft: Engpässe erkennen, Kosten treiben, Service halten. Das scheitert oft nicht an Tools, sondern an uneinheitlichen Definitionen, manuellen Excel-Abläufen und fehlendem Drilldown bis zur Tour oder Sendung. Hier bekommst du ein kompaktes Kennzahlenset, einfache Berechnungen und einen pragmatischen Leitfaden für Dashboards und Umsetzung.
Welche Logistik-KPIs für Speditionen wirklich zählen
Ein brauchbares Kennzahlensystem deckt Service, Effizienz, Kosten und Qualität ab. Startet besser mit wenigen, entscheidenden Kennzahlen – und erweitert erst, wenn Daten und Prozesse stabil sind.
- Lieferzuverlässigkeit (OTIF/On-Time): Anteil pünktlicher Lieferungen bzw. pünktlich und vollständig.
- Auslastung: genutzte Kapazität je Fahrzeug/Tour zur Reduktion von Leerfahrten.
- Durchlaufzeit: Zeit von Auftragseingang bis Zustellung, als Frühwarnsystem für Prozessstörungen.
Wichtige Kennzahlen im Detail (mit Formeln)
Die folgenden KPIs sind praxisnah, fundiert berechenbar und für Transport sowie Lager relevant.
- Lieferzuverlässigkeit: (Pünktliche Lieferungen / Gesamtlieferungen) × 100. Nutzen: Service-Level sichtbar machen und gezielt nach Relation, Kunde oder Standort steuern.
- Perfect Order Rate: (Fehlerfreie Aufträge / Gesamtaufträge) × 100. Fehlerfrei umfasst z. B. pünktlich, ohne Schaden, korrekte Dokumente. Nutzen: Qualität statt nur Tempo.
- Auslastung (Volumen oder Gewicht): (Beförderte Menge / Maximalkapazität) × 100. Nutzen: zeigt direkt, wo Marge durch Leeranteile verloren geht.
Für Lager- und Bestandssteuerung sind drei Logistikkennzahlen besonders hilfreich:
- Lagerumschlagshäufigkeit: Wareneinsatz oder Umsatz / durchschnittlicher Lagerbestand. Nutzen: niedrige Werte erhöhen Kapitalbindung, hohe Werte erhöhen Risiko von Fehlmengen.
- Lagerreichweite: durchschnittlicher Lagerbestand / durchschnittlicher Tagesverbrauch. Nutzen: einfache Steuergröße für Meldebestand, Mindestbestand und Sicherheitsbestand.
- Lagerbestandsgenauigkeit: (korrekte Bestände / geprüfte Bestände) × 100. Nutzen: Voraussetzung für verlässliche Dispo und weniger Expedite-Kosten.
Praxisbeispiel: KPI-Anwendung statt Excel-Ping-Pong
Eine Spedition hatte monatlich widersprüchliche Kennzahlen, weil Disposition, ERP-Export und Telematik getrennt ausgewertet wurden. Nach Einführung einer einheitlichen KPI-Definition für Lieferzuverlässigkeit, Auslastung und Durchlaufzeit wurden Abweichungen pro Relation im Dashboard sichtbar. Der operative Effekt: Routen- und Slot-Anpassungen wurden datenbasiert priorisiert, statt jedes Mal neu zu diskutieren.
Dashboards & Reporting: Quellen, Hierarchie, Drilldown
Ein gutes Dashboard beantwortet erst die Steuerungsfrage und führt dann in den Drilldown. Typische Datenquellen sind ERP (Aufträge, Abrechnung), TMS (Status, Touren), WMS/LVS (Bestände, Scans) sowie Telematik/GPS (Ist-Zeiten, Stopps). Der Nutzen für Anwender: eine zentrale, aktuelle Sicht statt manueller Konsolidierung in Excel.
Bewährt hat sich eine Kennzahlen-Hierarchie in drei Ebenen:
- Management: 5–8 KPIs als Scorecard (Service, Kosten, Effizienz).
- Operativ: Ursachenansichten nach Standort, Kunde, Relation, Schicht.
- Detail: Drilldown auf Tour/Sendung/Beleg für schnelle Klärung.
Schritt-für-Schritt-Checkliste zur Einführung
- 1) Ziele festlegen: Welche Entscheidungen sollen schneller oder besser werden (z. B. Verspätungen senken, Logistikkostenanteil steuern)?
- 2) KPI-Definitionen fixieren: Formel, Datenquelle, Verantwortlicher, Aktualität.
- 3) Datenzugang klären: ERP/TMS/WMS, Datenqualität, historische Verfügbarkeit.
- 4) Semantisches Modell bauen: einheitliche Begriffe, Datum/Standort/Kunde als gemeinsame Dimensionen.
- 5) Dashboard erst als Minimum Viable Dashboard: wenige KPIs, sauberer Drill, klare Filter.
- 6) Betriebsmodus einführen: Refresh-Zeiten, Plausibilitätschecks, Change-Prozess.
Optimierung, Benchmarking und Zielsetzung
Benchmarks sind nur sinnvoll, wenn Definitionen identisch sind. Interne Benchmarks (Standorte gegeneinander, Zeitverlauf) funktionieren fast immer und sind sofort umsetzbar. Ziele sollten als Korridor definiert werden (z. B. Lieferzuverlässigkeit pro Relation), damit operative Teams nicht „schönrechnen“, sondern verbessern. Typischer Hebel: Durchlaufzeit in Prozessschritte zerlegen (Auftrag, Verladung, Abfahrt, Zustellung) und dort optimieren, wo die Varianz entsteht.
Wann externe Unterstützung sinnvoll wird
Externe Hilfe lohnt sich, wenn der Aufwand für manuelle Konsolidierung regelmäßig wiederkommt, wenn Quellen fragmentiert sind oder wenn niemand Zeit hat, den Betrieb stabil zu halten. Typische Gründe sind Kosten- und Nutzenfragen („Lohnt sich das?“), fehlende Datenpipeline-Kompetenz oder Unsicherheit bei KPI-Definitionen. Dann ist der schnellste Weg meist: klar abgegrenzte Use Cases, ein erstes produktives Dashboard und parallel Befähigung des Teams.
.png)
