03 · Modelllabor10 Min. Lesezeit

Freit: KI in die Spedition lassen, ohne ihr die Schlüssel zu geben

Freit erledigt die Arbeit einer Disposition: Es liest Aufträge aus Mails, PDFs, Scans und Tabellen, sortiert den Posteingang, schlägt Entscheidungen vor und plant, welcher Lkw was fährt. Jede Entscheidung, die zählt, trifft ein Mensch.

Freit erledigt die Arbeit einer Disposition. Es liest Aufträge aus einer Mail, einem PDF, einem gescannten CMR oder einer Tabelle, sortiert den Posteingang, schlägt Entscheidungen vor und plant, welcher Lkw was fährt, und jede Entscheidung, die zählt, trifft ein Mensch. Ich habe Freit als funktionierende Demo für Speditionen in Österreich, Deutschland und den Niederlanden gebaut, und das Spannendste daran ist nicht die KI selbst. Es ist alles rund um die KI, das festlegt, was sie darf, was ein Mensch sehen muss und wann die Antwort „frag einen Menschen“ lautet.

Ablaufdiagramm mit dem Titel 'The model reads and proposes; a person decides'. Ein Auftrag kommt an (Mail, PDF, Scan, Foto oder Tabelle), das Modell liest ihn (jedes Feld, wo es gefunden wurde, wie sicher), dann folgt der Prüfbildschirm, auf dem ein Mensch jedes Feld mit Needs you klärt, mit einer Schleife zurück, wenn ein Feld fehlt: Freit fragt beim Absender nach. Der Auftrag geht über die API ins TMS und wird bei einem Fehler erneut gesendet. Der freigegebene Auftrag geht an Route und Planung (Valhalla berechnet Routen, VROOM wählt einen Lkw), dann an eine Entscheidungskarte (Kosten, Marge und bis zu 3 Alternativen), dann entscheidet ein Mensch (freigeben, eine andere wählen oder ablehnen), und die Fahrt landet in der Zeile des Lkw auf der Wochentafel. Der Prüfbildschirm und die Entscheidung des Menschen sind als die zwei Stellen hervorgehoben, an denen ein Mensch entscheiden muss.
Wie ein Auftrag durch Freit läuft · 8 Schritte, 2 menschliche Freigaben

Das Modell liest und schlägt nur vor. Ein Mensch klärt jedes unsichere Feld, bevor das TMS es sieht, und jede Lkw-Zuteilung, bevor sie auf der Tafel landet.

Das Problem

In einer mittelgroßen Spedition kommen Aufträge in jeder Form an. Ein Verlader schickt eine Mail mit den Daten im Text. Ein anderer hängt ein PDF aus seinem eigenen System an. Ein dritter schickt ein Foto von einem Papier-CMR oder eine Tabelle mit zwölf Ladungen für nächste Woche. Jemand im Büro liest jeden davon und tippt ihn Feld für Feld ins Transportmanagementsystem.

Diese Arbeit ist langsam, aber die eigentlichen Kosten sind die Fehler: eine falsche Postleitzahl, ein Ladefenster, das als Lieferfenster gelesen wird, ein Gewicht in der falschen Einheit. Ein Lkw, der an den falschen Ort fährt, kostet weit mehr, als das Tippen je gekostet hat.

Das Ziel war also nie „die KI soll Aufträge erfassen“. Es war: das Tippen abnehmen und jede verbleibende menschliche Entscheidung schnell und gut informiert machen.

Einen Auftrag lesen: zeigen, woher jeder Wert kommt

Der Prüfbildschirm ist das Herz der Auftragserfassung. Jedes Feld zeigt drei Dinge: den gelesenen Wert, wo er im Original gefunden wurde und wie sicher das Modell war. Klickst du ein Feld an, leuchten die passenden Wörter in der Mail auf oder der passende Bereich im Scan. Ein Disponent prüft ein Feld mit einem Blick, statt sich durch ein PDF zu suchen.

Der Prüfbildschirm von Freit für den Auftrag ORD-2026-01073: links die Original-E-Mail, rechts der gelesene Auftrag. Die Abholadresse ist ausgewählt und die passenden Wörter in der E-Mail sind hervorgehoben; darunter steht 'Address, read with 100% confidence'.
Der Prüfbildschirm · auf einen Wert zeigen, sehen, woher er kommt

Ein paar Regeln machen diesen Bildschirm vertrauenswürdig:

  • Needs you. Felder, die fehlen, unsicher sind oder gegen eine Geschäftsregel verstoßen, werden markiert. Die Freigabe bleibt gesperrt, bis jedes davon korrigiert oder bestätigt ist. Das Modell darf seinen eigenen Zweifel nie einfach durchwinken.
  • Eine Eingabe, viele Aufträge. Eine Tabelle oder eine lange Mail kann mehrere Aufträge enthalten. Freit trennt sie, und jeder wird für sich geprüft.
  • Der Agent fragt beim Absender nach. Fehlt ein Pflichtfeld, schickt Freit dem Absender eine feste Frage per Mail und liest die Antwort zurück in den Auftrag. Die Fragen sind absichtlich fest vorgegeben: Ein Kunde bekommt nie Freitext, den sich das Modell ausgedacht hat.
  • Freigeben und übertragen. Ein freigegebener Auftrag geht über die API ins TMS. Eine fehlgeschlagene Übertragung wird angezeigt und kann wiederholt werden, sie geht nie verloren.

Nach der Freigabe erstellt Freit eine einseitige eCMR-Vorschau für den Absender. Sie ist deutlich als nicht rechtsgültig gekennzeichnet, weil eine Demo nie als echter Frachtbrief durchgehen soll.

Dieselbe Erfassung läuft auch hinter einem Posteingang. Eingehende Mails und (simulierte) WhatsApp-Nachrichten werden sortiert: neuer Auftrag, Änderung, Statusanfrage oder Ausnahme. Ein neuer Auftrag geht durch die normale Prüfung, der Rest landet dort, wo ein Mensch ihn erwartet.

Calm: ein Agent, der als Mensch handelt, nie über einem

Sind die Aufträge einmal drin, gibt es vieles, was ein Agent selbst erledigen könnte: einen Lkw vorschlagen, einen Frachtführer finden, eine Rückladung vorschlagen, eine verspätete Fahrt verschieben. Calm ist das Modul, das genau das macht. Sein Design läuft auf vier Regeln hinaus.

1. Er handelt als Mensch, nie mit mehr Rechten. Jede Aktion von Calm läuft in der eigenen Session einer echten Person, über die Row-Level Security der Datenbank. Er verwendet nie eine Service-Rolle. Versucht Calm etwas, das diese Person nicht dürfte, lehnt die Datenbank es genauso ab, wie sie es bei ihr ablehnen würde. Der Agent bringt keinerlei neue Angriffsfläche bei den Rechten mit, und die Rechte werden im Moment jedes Schritts geprüft, nicht beim Einrichten einer Routine.

2. Entscheidungen sind Dinge, keine Nebenwirkungen. Will Calm etwas tun, das zählt, schreibt er eine Entscheidung: eine Karte mit der vorgeschlagenen Aktion, ihren Gründen und bis zu drei Alternativen. Ein Mensch gibt frei, wählt eine Alternative oder lehnt ab. Die Startseite, Today, zeigt die nächste Entscheidung ganz oben und listet, was seit gestern erledigt wurde.

3. Zwei Bremsen, und die strengere gewinnt. Wie viel Calm allein darf, hängt von zwei unabhängigen Dingen ab: dem Modus, den ein Admin für diese Art von Entscheidung eingestellt hat, und dem eigenen Urteil des Modells über genau diese Aktion.

Modus vom AdminModell sagt „sicher“Modell sagt „gültig“Modell sagt „ungültig“
Tell (nur melden)meldetmeldetmeldet
Ask (ein Mensch entscheidet)EntscheidungskarteEntscheidungskarteschwache Karte oder verworfen
Autoläuft von selbstEntscheidungskarteschwache Karte oder verworfen

Den Regler auf Auto zu stellen reicht nicht. Das Modell muss sich auch sicher sein, der eigene Zweifel des Modells zählt also immer. In der App zeigt sich das als Regler pro Art von Entscheidung, von Shadow (nur aufzeichnen) über Suggest bis höher, nur dort, wo diese Art es zulässt.

4. Taint. Liest ein Lauf etwas Nicht-Vertrauenswürdiges, etwa Freitext aus einer Kundenmail, der eine Prompt Injection enthalten könnte, wird der Lauf als tainted markiert. Ein solcher Lauf darf nur vorschlagen, egal welcher Modus oder welches Urteil. Das ist eine einfache Regel, aber sie schließt das offensichtlichste Loch jedes Agents, der Mails liest.

Jeder Schritt, ob vom Agent oder von einem Menschen, landet in einem Verlauf, mit Rückgängig, wo diese Art von Aktion eines hat. Die Logs enthalten Feldnamen, IDs und Codes, nie rohe personenbezogene Daten.

Es gibt auch etwas, das Calm bewusst nicht hat: ein Gedächtnis. Kein Vector Store, kein Fine-Tuning, kein „was ich über diesen Kunden gelernt habe“. Jeder Lauf startet kalt und liest Live-Daten. Er wird nicht von selbst klüger, aber jede Aktion lässt sich erklären, indem man auf die Eingaben dieses Laufs zeigt. Für Software, die Lkw bewegt, halte ich das für den richtigen Tausch.

Planung: ein Solver für die Mathematik, kein Sprachmodell

Die Planungsseite ist eine Wochentafel: Lkw in Zeilen, Fahrten als Balken, ungeplante Aufträge in einer Seitenspalte. Zieh einen Balken, um zu planen oder umzuplanen, oder mach es über die Tastatur. Ressourcen gibt es in drei Arten: eigene Lkw, feste Subunternehmer und Frachtführer vom Markt.

Die Planungstafel von Freit für Woche 46: Lkw in Zeilen, Fahrten als Balken von Montag bis Freitag, Vorschläge koralle umrandet. Rechts vergleicht das Ergebnis von Plan the week den Agent mit der Basislinie des nächsten freien Lkw, und eine Vorschlagskarte schlägt vor, eine Fahrt auf einen anderen Lkw zu legen, weil die wöchentliche Ruhezeit eines Fahrers fällig ist.
Die Wochentafel · ein Plan, die Basislinie und ein Vorschlag, der dich braucht

Die wichtige Entscheidung war hier, wo kein LLM zum Einsatz kommt. Ein Sprachmodell ist gut darin, eine unordentliche Mail zu lesen. Es ist nicht gut darin, vierzig Aufträge zwölf Lkw zuzuteilen, mit Zeitfenstern und EU-Lenkzeitregeln. Also sind die zwei Aufgaben getrennt:

  • Routen kommen von einer selbst gehosteten Valhalla-Engine, berechnet für einen 40-Tonner statt für ein Auto. Die Auftragsseite zeigt die Route auf einer Karte mit selbst gehosteten Kacheln.
  • Lkw-Vorschläge kommen vom Routenoptimierer VROOM. Die EU-Lenk- und Ruhezeiten (45 Minuten Pause, 11 Stunden tägliche Ruhezeit) sind in die Schätzung eingebaut. Jeder Vorschlag zeigt Kosten, Marge und bis zu drei Alternativen.
  • Plan the week schlägt die ganze Woche auf einmal vor und vergleicht sie mit einer einfachen Basislinie: jeder Auftrag an den nächsten freien Lkw. Das gibt dem Disponenten einen Grund, dem Plan zu vertrauen, oder zu sehen, wo er nicht besser ist.

Darüber hinaus schlägt der Agent einen Frachtführer aus Angeboten vor, eine Rückladung für einen Lkw oder ein neues Zeitfenster für eine verspätete Fahrt. Jeder Vorschlag endet trotzdem als Entscheidungskarte, und jeder Vorschlag samt Ergebnis (freigegeben, bearbeitet, abgelehnt, abgelaufen) wird protokolliert und lässt sich als CSV exportieren.

In der Demo-Woche aus dem Film hat Plan the week dieselben 18 Aufträge verplant wie die Basislinie mit dem nächsten freien Lkw, aber mit 1.028 statt 1.243 Leerkilometern, etwa 17 Prozent weniger, und einer Marge von 2.666,56 € statt 2.397,08 €. Eine Demo-Woche ist nicht die Woche eines Kunden, aber es ist derselbe Vergleich, den jeder Disponent sieht.

Mit dem EU AI Act im Kopf gebaut

Freit ist für Transportunternehmen in der EU gemacht, also war der AI Act Teil des Designs und keine Checkliste am Ende. Das Projekt führt ein Compliance-Dokument, das jede Anforderung dem Code zuordnet, der sie erfüllt:

  • Menschliche Aufsicht: die Entscheidungskarten, der Autonomieregler und die Needs-you-Sperre. Ein Mensch kann immer sehen, ändern oder stoppen, was der Agent tut.
  • Transparenz: Jeder gelesene Wert zeigt Quelle und Sicherheit, und die eCMR-Vorschau sagt klar, dass sie kein rechtsgültiges Dokument ist.
  • Aufzeichnung: ein Audit-Log, an das nur angehängt wird, mit jedem Schritt, ob von Mensch oder Agent, ohne rohe personenbezogene Daten.
  • Grenzen: ein fester Katalog von Lese-Tools, gebaut auf den eigenen Abfragen jedes Bildschirms. Kein freies SQL, kein Text-to-SQL, kein Vector Store. KI-Aufrufe laufen gegen ein Monatsbudget und werden aufgezeichnet.

Aufzuschreiben, welche Datei was macht, hält die Aussagen ehrlich. Kommt ein neues Tool dazu, muss sich das Dokument mit ändern.

Stack und Engineering

Die Datenbank hält die Regeln. Jede Tabelle hat Row-Level Security ab der Migration, die sie anlegt. Jeder Schreibvorgang mit einer Geschäftsregel geht durch eine Datenbankfunktion, die ihren eigenen Fehlercode wirft, und jede privilegierte Änderung schreibt einen Audit-Eintrag in derselben Transaktion. Die App entscheidet nie selbst, wer was darf, und genau das macht es sicher, den Agent in der Session eines Menschen laufen zu lassen.

BereichWahl
AppNext.js (App Router), React, TypeScript, next-intl (Englisch, Niederländisch)
Daten und AuthSupabase Postgres mit Row-Level Security, rund 120 Migrationen, passwortlose Anmeldung per E-Mail-Code
HintergrundarbeitDBOS Durable Workflows, eine Outbox, geplante Jobs
KILangChain mit Modellen von Mistral und OpenAI, MCP-Tools, ein budgetierter Pfad für KI-Aufrufe
DokumentePDF- und Scan-Lesen (unpdf), Mail-Parsing (postal-mime), PDF-Ausgabe (pdfkit)
Routing und PlanungValhalla (Lkw-Routing) und VROOM (Optimierer) in Docker, MapLibre mit selbst gehosteten PMTiles
TestsVitest Unit- und Integrationstests, pgTAP für die Datenbank, eine Suite für die Rechtematrix, Playwright End-to-End

Zwei Details, über die ich mich freue. Standardmäßig verlässt nichts den Rechner: Mail, KI, die Übertragung ins TMS, Routing und der Optimierer haben alle einen Ersatz, sodass die ganze App offline läuft und getestet wird. Und weil die Planung ein abnehmbarer Teil ist, entfernt ein Befehl die Disposition samt Migrationen, Seiten und Skripten, und übrig bleibt die Auftragserfassung allein.

Was es ist, und was ich daraus mitnehme

Freit ist ein Showcase und eine Verkaufsdemo, kein Produkt. Eine Spedition, die das will, bekommt ihren eigenen Build, gebaut auf ihren eigenen Abläufen und ihrem eigenen TMS. Das Demo-TMS, die inszenierte Lkw-Verfolgung und der simulierte WhatsApp-Kanal sind da, um den ganzen Kreislauf zu zeigen, nicht um Live-Betrieb vorzutäuschen.

Was ich aus dem Bau mitnehme:

  • Die KI ist der leichte Teil. Einen Auftrag gut zu lesen hat weniger Aufwand gekostet als festzulegen, was passiert, wenn das Lesen falsch ist. Die meiste Arbeit ging in den Prüfbildschirm, die Freigaben und die Logs.
  • Leg die Regeln dorthin, wo man sie nicht überspringen kann. Mit den Rechten in der Datenbank gelten für den Agent, die App und einen Menschen dieselben Regeln, und ich musste dem Code des Agents nie vertrauen.
  • Nimm für jede Aufgabe das richtige Werkzeug. Ein Sprachmodell für Sprache, ein Solver für Optimierung, eine feste Liste von Fragen für Kunden. Jede Stelle, an der ich das LLM draußen gelassen habe, hat das System vertrauenswürdiger gemacht.

Als Nächstes auf der Tafel: Teilladungen (Fracht mehrerer Kunden auf einem Lkw), Aufträge und Statusmeldungen an Frachtführer senden, Kunden von der Bestätigung bis zur Zustellung auf dem Laufenden halten, Compliance-Aufzeichnungen wie die Lenk- und Ruhezeiten eines Fahrers über die Woche, und Fahrten nach Großbritannien.

Links: freit.eu

Alle Notizen