Die „letzte Meile“ gilt als einer der kostenintensivsten und komplexesten Abschnitte moderner Logistikprozesse. Getrieben durch das Wachstum urbaner Räume, verändertes Konsumverhalten und den Boom im Onlinehandel, stehen Unternehmen zunehmend vor der Herausforderung, eine kundennahe, gleichzeitig aber wirtschaftlich tragfähige Zustellung zu realisieren. Neben klassischen Paketlieferungen gewinnt insbesondere die Belieferung im gewünschten Zeitfenster sowie der Einsatz alternativer Zustellorte zunehmend an Bedeutung.

Im Forschungsfeld Last-Mile Logistics beschäftigen wir uns mit drei zentralen Bereichen:

  • Attended Home Delivery bezeichnet die zeitfenstergebundene Zustellung direkt an die Haustür – etwa bei Lebensmittel-Lieferdiensten oder im Non-Food-E-Commerce. Sie ist besonders anspruchsvoll, da hohe Anforderungen an Pünktlichkeit, Konsolidierung und Kapazitätsabstimmung gestellt werden.
  • Same-Day Delivery stellt nochmals verschärfte Anforderungen: extrem kurze Planungs- und Ausführungsfristen, stark schwankende Nachfrage und enge Zeitfenster erschweren eine wirtschaftliche Umsetzung. Dabei müssen Tourenplanungsentscheidungen häufig gemeinsam mit der Auftragsannahme getroffen werden, was eine hochdynamische, eng gekoppelte Steuerung erfordert.
  • Out-of-Home Delivery, etwa über Paketstationen oder Locker-Systeme, entlastet einerseits die Zustellprozesse, stellt andererseits aber neue Anforderungen an die Steuerung und Allokation begrenzter Lockerkapazitäten – insbesondere unter Unsicherheit über künftige Zustell- und Abholzeiten.

 

In der Praxis treten diese Zustellformen häufig nicht isoliert auf, sondern werden im selben System nebeneinander angeboten oder sogar integriert betrieben. Unsere Forschung berücksichtigt daher auch kombinierte Settings, in denen unterschiedliche Zustelloptionen simultan geplant und gesteuert werden müssen.

Im Zentrum unserer Arbeiten in diesem Forschungsfeld steht die Entwicklung daten- und modellbasierter Verfahren zur integrierten Nachfragesteuerung und operativen Planung auf der letzten Meile. Hierbei verknüpfen wir Ansätze des Revenue Management – insbesondere Dynamic Pricing und Slotting – mit Methoden der Tourenplanung und berücksichtigen dabei das Kundenwahlverhalten explizit in der Optimierung von Zeitfenster- und Preisangeboten. Zum Einsatz kommen mathematische Optimierungsverfahren sowie simulations- und lernbasierte Verfahren, etwa aus dem Bereich des Reinforcement Learning.

 

 Forschungsarbeiten im Forschungsfeld