Zum Inhalt springen
_CORE
KI & Agentensysteme Unternehmensinformationssysteme Cloud & Platform Engineering Datenplattform & Integration Sicherheit & Compliance QA, Testing & Observability IoT, Automatisierung & Robotik Mobile & Digitale Produkte Banken & Finanzen Versicherungen Öffentliche Verwaltung Verteidigung & Sicherheit Gesundheitswesen Energie & Versorgung Telko & Medien Industrie & Fertigung Logistik & E-Commerce Retail & Treueprogramme
Referenzen Technologien Blog Know-how Tools
Über uns Zusammenarbeit Karriere
CS EN DE
Lassen Sie uns sprechen

Automatisierung von Sortierzentren für staatliche Logistik

Staatliches Logistikunternehmen

Herausforderung

Der Kunde, ein staatliches Unternehmen, das universelle Postdienste für 10,5 Millionen Einwohner der Tschechischen Republik erbringt, durchläuft seit 2023 eine umfassende Transformation. Mit einem 40-prozentigen Rückgang des traditionellen Briefvolumens im letzten Jahrzehnt und einem gleichzeitigen Anstieg der Paketsendungen um 180 % (beschleunigt durch den E-Commerce-Boom) wurde deutlich, dass die bestehende Infrastruktur und die Prozesse den Anforderungen des modernen Logistikmarktes nicht mehr gerecht werden.

Die Sortierzentren des Kunden — Schlüsselknoten im Verteilnetz — operierten mit einem hohen Anteil manueller Prozesse. Im Hauptsortierzentrum in Prag-Malešice, das täglich über 300.000 Sendungen verarbeitet, wurden 60 % der Sortiervorgänge manuell durchgeführt. Papierbegleitscheine, manuelles Scannen und die fehlende Echtzeit-Sichtbarkeit von Sendungen im System führten zu einer Fehlerquote von 3,2 % und einer durchschnittlichen Bearbeitungszeit von 4,7 Stunden pro Sendung.

Zustellrouten wurden statisch geplant — jeder Zusteller hatte ein festes Gebiet und eine Route, die höchstens saisonal geändert wurde. Es gab keine dynamische Optimierung, die aktuelle Sendungsvolumina, Verkehrslage, Zustellprioritäten oder Fahrzeugkapazitätsbeschränkungen berücksichtigte. Die durchschnittliche Fahrzeugkapazitätsauslastung lag bei lediglich 61 %.

Der Kunde schrieb eine öffentliche Ausschreibung für eine umfassende Lösung zur Automatisierung von Sortierzentren und Logistikoptimierung aus. CORE SYSTEMS gewann den Tender und wurde Hauptlieferant der Plattform mit dem Namen PostFlow.

Lösung

CORE SYSTEMS entwarf die PostFlow-Plattform als modulares System, das drei Hauptbereiche des Kundenbetriebs abdeckt:

Sortiermodul (PostFlow Sort): Digitalisierung und Automatisierung von Prozessen in Sortierzentren. Das System ersetzt Papierbegleitscheine durch elektronische Datensätze, integriert sich mit automatischen Sortierlinien (Sortern) und bietet Echtzeit-Sichtbarkeit des Bearbeitungsstatus jeder Sendung. Eine Schlüsselkomponente ist die OCR/ML-Engine zur automatischen Adresserkennung auf Sendungen — einschließlich handschriftlicher Adressen, die 15 % des Volumens ausmachen.

Routingmodul (PostFlow Route): Dynamische Optimierung der Zustellrouten basierend auf aktuellem Sendungsvolumen, geografischer Verteilung der Empfänger, Zustellzeitfenstern, Fahrzeugkapazität und Echtzeit-Verkehrslage. Jeden Morgen generiert das System optimale Routen für 4.500 Zusteller in der gesamten Tschechischen Republik und aktualisiert diese fortlaufend basierend auf Änderungen im Tagesverlauf.

Steuerungsmodul (PostFlow Control): Ein zentrales Management-Dashboard für die Verwaltung von Sortierzentren und Logistik — KPI-Monitoring, Kapazitätsplanung, Reporting an die Regulierungsbehörde (ČTÚ) und Analytik für strategische Entscheidungen. Das Modul umfasst die Vorhersage von Sendungsvolumina basierend auf historischen Daten, saisonalen Mustern und externen Faktoren (E-Commerce-Aktionen, Feiertage).

Die Implementierung erfolgte agil in zweiwöchigen Sprints mit einer Pilotbereitstellung im Sortierzentrum Prag-Malešice und einem schrittweisen Rollout auf 7 weitere regionale Sortierzentren.

Architektur

Die PostFlow-Architektur ist als On-Premise-Lösung konzipiert, die in den Rechenzentren des Kunden läuft (eine Anforderung des Staatsunternehmens an die Datensouveränität). Das System ist vollständig containerisiert und auf Docker-Swarm-Clustern bereitgestellt.

Die Anwendungsschicht basiert auf einer Microservices-Architektur mit insgesamt 24 Diensten, die über RabbitMQ (asynchrones Messaging) und REST API (synchrone Aufrufe) kommunizieren. Die wichtigsten Dienste umfassen:

  • Ingestion Service — empfängt Daten von Scannern, Sortern und Waagen an Sortierlinien über industrielle Protokolle (OPC-UA, Modbus TCP) und wandelt sie in standardisierte Ereignisse um.
  • OCR Service — verarbeitet Bilder von Sendungen von Kameras an Sortierlinien. Er verwendet ein maßgeschneidertes TensorFlow-Modell, das auf 2,3 Millionen Mustern tschechischer Adressen (einschließlich handschriftlicher) trainiert wurde, mit einer Erkennungsgenauigkeit von 96,8 %.
  • Routing Engine — implementiert eine Variante des VRPTW-Algorithmus (Vehicle Routing Problem with Time Windows), der Metaheuristiken (Adaptive Large Neighborhood Search) mit lokaler Suche kombiniert. Für die Berechnung von Entfernungen und Fahrzeiten wird OpenRouteService mit einer eigenen OSM-Dateninstanz für die Tschechische Republik verwendet.
  • Prediction Service — ein LSTM-Modell, das tägliche Sendungsvolumina für jedes Sortierzentrum mit einem 7-Tage-Horizont und einer MAPE-Genauigkeit von 8,3 % prognostiziert.
  • Tracking Service — Echtzeit-Sendungsverfolgung mit einer Event-Sourcing-Architektur — jede Statusänderung einer Sendung wird als immutable Event aufgezeichnet.

Die Datenschicht verwendet PostgreSQL 16 als primäre Datenbank mit logischer Replikation zwischen Sortierzentren. Redis dient als Cache-Schicht für Session-Management, Echtzeit-Sendungsstatus und Geospatial-Indizes für die Suche nach der nächsten Filiale. Die TimescaleDB-Erweiterung speichert Telemetriedaten von Sortierlinien für Performance-Monitoring und vorausschauende Wartung der Sorter.

Das Frontend basiert auf Angular 17 mit responsivem Design — das Management-Dashboard für die Sortierzentrumsverwaltung läuft auf Großbildschirmen in der Leitstelle, während Zusteller eine mobile PWA-Anwendung für Navigation und Zustellbestätigung nutzen.

Die Integrationsschicht verbindet PostFlow mit den bestehenden Systemen des Kunden — SAP ERP (Abrechnung, Lager), APOST (Postbetriebssystem), ein kundenorientiertes Track-&-Trace-Portal sowie Systeme von Vertragspartnern (E-Shops, Marktplatz-Plattformen).

Das Monitoring der gesamten Plattform wird durch einen Prometheus-+-Grafana-Stack mit Alerting an eine On-Call-Rotation über PagerDuty bereitgestellt.

Ergebnisse

PostFlow wurde im März 2025 im Pilotbetrieb im Sortierzentrum Prag-Malešice und im September 2025 im Vollbetrieb in allen 8 regionalen Sortierzentren eingesetzt. Messbare Ergebnisse nach dem ersten vollen Betriebsquartal:

Sortiereffizienz: Die durchschnittliche Bearbeitungszeit pro Sendung in Sortierzentren sank von 4,7 Stunden auf 2,9 Stunden (ein Rückgang um 38 %). Die automatische Adresserkennung eliminierte die manuelle Eingabe bei 85 % der Sendungen. Die Sortierfehlerquote sank von 3,2 % auf 0,8 %.

Routenoptimierung: Die dynamische Routenplanung reduzierte die durchschnittliche gefahrene Strecke pro Zusteller um 17 %. Dies schlug sich direkt in Kraftstoffeinsparungen von 12 Mio. CZK jährlich nieder. Die durchschnittliche Fahrzeugkapazitätsauslastung stieg von 61 % auf 82 %. Die Anzahl der Sendungen, die beim ersten Versuch zugestellt wurden, stieg dank besserer Zustellzeitplanung um 11 %.

Sichtbarkeit und Tracking: 100 % der Sendungen werden jetzt in Echtzeit verfolgt, mit durchschnittlich 8 Scanpunkten pro Sendung (gegenüber zuvor 3). Kunden erhalten genaue Informationen zur voraussichtlichen Zustellzeit innerhalb von ±30 Minuten.

Digitalisierung: 94 % der internen Sortierzentrumsprozesse wurden digitalisiert — Papierbegleitscheine, manuelle Aufzeichnungen und gedruckte Zustelllisten für Zusteller wurden durch elektronische Systeme ersetzt. Die jährlichen Einsparungen bei Druck und Papier betragen 2,1 Mio. CZK.

Volumenprognose: Die präzise Vorhersage des Sendungsvolumens ermöglicht eine proaktive Kapazitätsplanung — Sortierzentren können die Anzahl der Schichten und Aushilfskräfte einen Tag im Voraus basierend auf der erwarteten Last anpassen. Während des Weihnachtspeaks 2025 prognostizierte das System die täglichen Volumina mit einer Abweichung von unter 6 %, und die Sortierzentren bewältigten die Spitze erstmals ohne Sondermaßnahmen.

Regulatorisches Reporting: Automatisierte Berichterstattung an das Tschechische Telekommunikationsamt (ČTÚ) über die Einhaltung der Qualitätsindikatoren des Universaldienstes — ein zuvor manueller Prozess, der 3 Personentage pro Monat beanspruchte, ist jetzt vollständig automatisiert.

Technologie

Der PostFlow-Stack wurde unter Berücksichtigung der Anforderungen des Staatsunternehmens gewählt — Präferenz für Open Source, On-Premise-Bereitstellung und langfristige Wartbarkeit:

  • Python (FastAPI) — Backend-Microservices, ML-Pipeline, Integrationsadapter
  • Angular 17 — Frontend-Anwendung, Management-Dashboards, PWA für Zusteller
  • PostgreSQL 16 — primäre Datenbank, logische Replikation zwischen Zentren
  • Redis — Cache, Session Store, Geospatial-Indizes, Echtzeit-Status
  • RabbitMQ — asynchrones Messaging zwischen Microservices
  • TensorFlow — OCR-Modell für Adresserkennung, LSTM-Volumenprognose
  • OpenRouteService — Routing-Engine mit eigener OSM-Instanz für die Tschechische Republik
  • Docker Swarm — Container-Orchestrierung in der On-Premise-Umgebung
  • Prometheus + Grafana — Monitoring, Alerting, operative Dashboards
  • GitLab CI/CD — automatisierte Build-, Test- und Deployment-Pipeline

CORE SYSTEMS bietet Support und Weiterentwicklung der PostFlow-Plattform im Rahmen eines vierjährigen Servicevertrags. Geplante Erweiterungen umfassen die Integration mit autonomen Zustellrobotern für städtische Gebiete und den Einsatz von Computer Vision zur automatisierten Schadenskontrolle von Sendungen auf Sortierlinien.

Ergebnisse

38 % Reduzierung der Paketsortierzeit
Routenoptimierung mit jährlicher Kraftstoffeinsparung von 12 Mio. CZK
94 % Digitalisierung der internen Sortierzentrumsprozesse

Technologien

PythonPostgreSQLRedisRabbitMQDockerAngularOpenRouteServiceTensorFlow

Wollen Sie ähnliche Ergebnisse?

Wir zeigen Ihnen wie.

Termin vereinbaren