Geotab: Wie KI bei Fuhrparkfragen helfen kann

Fragen zum eigenen Fuhrpark sind bisweilen nur mit großen Mühen zu beantworten. Denn die Flotte als Teil einer wenig digitalisierten Welt, ist oft wenig transparent, was die Datenlage betrifft. Dennoch gibt es Hilfsmittel, welche ähnliche Abfragen erlauben, wie man sie bislang Chat GPT stellen würde:

Zum Beispiel: Welche Fahrzeuge haben die längsten Standzeiten?

Kurz eingetippt. Knappe 30 Sekunden später folgt die Auflösung.

Nächste Frage: Wie kann ich die Standzeiten verringern?

Wieder läuft das Zeitrad gut eine halbe Minute und schließlich folgen zehn Tipps.

Das erste Frage-Antwort-Szenario ist eine intelligente Suche innerhalb der Fuhrparkdaten, was – wie die meisten Fuhrparkverwalter wissen – allein schon viel Mehrarbeit bedeuten kann, aber im Grunde Tagesgeschäft ist. Das zweite Frage-Antwort-Szenario ist eine Analyse der erwähnten Fuhrparkdaten inklusive eines Benchmarks mit vergleichbaren Flotten und daraus abgeleitet Ratschläge, wie man vom Ist zum Soll kommt.

Noch ist es eine Testumgebung, aber das System lernt, auf fuhrparkspezifische Fragen schnell akkurate Antworten zu geben – ein Art Chat-GPT für die Flotte.

Das Ganze lebt von Erfahrungswerten und diese sammelt Geotab fleißig in seiner nordamerikanischen Heimat. Vier Millionen Abonnenten weltweit sind mit den typischen OBD-2-Steckern verbunden oder geben ihre Telematikdaten über den Hersteller an Geotab weiter, knapp zwei Drittel davon rollen durch Nordamerika. Ein Großteil sind Trucks oder Lieferwagen, also aus Branchen stammend, in denen der Transport das Geschäft macht.

Geotab: Daten von fünf Millionen Ladungen

Dass man aus Livedaten Geschäftsmodelle entwickeln kann, zeigt Geotab schon recht lang. Man entwickelt Algorithmen und lässt diese über die Millionen von Datensätzen laufen, um Muster zu erkennen. Daraus wurde im ersten Schritt die Möglichkeit geschaffen, dass jedes einzelne Fahrzeug, das mit dem OBD-2-Stecker Teil der Geotab-Welt wird, in gewisse Segmente eingestuft werden kann. Um damit das individuelle anonymisierte Fahrprofil mit anderen in Verbund zu bringen. Das läuft automatisch und bringt die Vergleichbarkeit in die Fuhrparkdaten. Das zweite Feld für die große Datenanalyse ergab sich mit dem Einzug der Steckerfahrzeuge. Deren wichtigstes und teuerstes Bauteil ist der Akku.

Rund fünf Millionen Ladungen und Entladungen zählt eine Geotab-eigene Datenbank, die sich aus Werten von mehr als 25.000 vernetzten E-Fahrzeugen speist. Das wird dann zum Schatz, sobald man mit diesen Infos das Lebensalter jeder einzelnen Batterie relativ genau vorhersagen kann. Das interessiert in erster Linie den Fuhrparkbetreiber, aber auch den Leasinggeber, denn davon hängt massiv die Einsatzdauer und damit die Höhe der Leasingrate ab.

Geotab: Welches E-Fahrzeug passt für mich?

Valide Aussagen sind bei großer Fahrzeugmenge plötzlich Millionen wert. Soweit ist es in der gut 6.000 Fahrzeuge messenden EV-Flotte noch nicht, aber Geotab stellt die Prognosen für die Nutzer parat. Da davon sich auch die Zuverlässigkeit ihrer Stromer ableiten lässt, helfen die aufbereiteten Daten bei der Prognose, wie man die eigene Verbrennerflotte möglichst störungsfrei elektrifizieren kann.

Solche Anfragen werden unter anderem an Michael Schmidmeier gestellt. Dann empfiehlt der Business Development Manager bei Geotab einen Vergleich der aktuellen Fahrzeuge mit den Stromern. Am besten stattet man einen Teil der Verbrenner mit den Telematikeinheiten aus und schaut nach sechs Monaten, wie das Fahrprofil wirklich aussieht.

Anhand dieser Vorgaben durchforstet man im Anschluss die Datenbank nach ähnlichen Fahrmustern und kann ziemlich gute Hinweise geben, für welchen Fahrer welches E-Modell in Frage kommen könnte. Ob der Fahrer das dann auch möchte, ist bei den meisten Dienstwagenfahrern nochmal eine andere Frage. Aber so spart man sich beim Betreten der E-Welt ein aufwändiges und teures Trial-and-Error-Spiel.

Geotab-Algorithmus

„Durch die enge Zusammenarbeit mit unseren Flottenkunden bietet sich die Möglichkeit, eine Lücke zu schließen. Indem die Erkenntnisse aus vernetzten Fahrzeugdaten in gängige Business-Intelligence-Plattformen integriert werden, können Flottenmanager auf aussagekräftige Daten zuzugreifen, sie analysieren und die Berichte erstellen, die für ihr Unternehmen am wichtigsten sind“, betont auch Klaus Böckers, Vice President Nordics, Central and Eastern Europe bei Geotab.

„Die Verwendung von Programmen wie des Data Connectors verhindert die Bildung von Datensilos in Organisationen, schafft mehr Vertrauen und ermöglicht Anwendern den Datenzugriff innerhalb der Business-Intelligence-Plattformen, mit der sie bereits vertraut sind. Davon profitieren alle Kunden, aber besonders jene, die sich die erforderlichen Daten-Management-Fähigkeiten zunächst aneignen müssten.“

Das anfangs beschriebene Szenario übrigens ist eine Mischung aus zwei Welten. Die Frage durchläuft zuerst den Geotab-Algorithmus für ein erstes Verständnis, im Anschluss wird OpenAI für die Formulierung der Antwort verwendet. Nutzen können es die Kunden vermutlich erst im kommenden Jahr nach Beendigung der Testphase, bis dahin verbessern die Entwickler und Datenanalysten wie Paul Stobbe den Chat-GPT für Flottenfragen.