Loadsmart hat sich der Aufgabe verschrieben, mit weniger mehr zu bewegen. Die Plattform des Unternehmens unterstützt Verlader beim Finden kostengünstiger Transportlösungen. Sie macht sich datengestützte Erkenntnisse, Echtzeitpreise und dynamisches Routing zunutze, um Routen zu optimieren und Transportkosten zu reduzieren. Um den Ineffizienzen der Branche entgegenzuwirken, verfolgt Loadsmart das Ziel, die Art und Weise, wie es die Fracht seiner Kunden transportiert, zu optimieren. Mithilfe von Intelligent Automation (IA) verbessert das Unternehmen nicht nur das Kundenerlebnis, sondern optimiert auch seine internen Abläufe und reduziert Verschwendung. Aufgrund seines schnellen Erfolgs wurde Loadsmart kürzlich mit dem SS&C Blue Prism Customer Excellence Award in der Kategorie „Bester Newcomer“ ausgezeichnet.

Herausforderung

Die Kunden von Loadsmart sehen sich mit ständig steigenden Kraftstoffkosten, Kapazitätsengpässen und immer neuen gesetzlichen Vorschriften konfrontiert. Um seinen Kunden das Leben zu erleichtern, möchte das Unternehmen sein Serviceangebot optimieren. In Gegenzug muss es die Effizienz seiner Abläufe kontinuierlich weiter erhöhen. Das Optimierungsteam von Loadsmart hatte IA als wesentliches Hilfsmittel identifiziert, das Eingang in sein robustes Technologie-Toolkit finden sollte. Da das Unternehmen jedoch alle Neuanschaffungen von Technologien genau unter die Lupe nahm, musste das Team die interne Zielgruppe zunächst von den Vorteilen der IA überzeugen. Hinzu kam, dass das Optimierungsteam neu war. Daher galt es, Ressourcen zu identifizieren, um anschließend das Team aufzubauen und zu skalieren.

Lösung

Loadsmart arbeitete mit der Reveal Group zusammen, die die SS&C | Blue Prism® Cloud einsetzte, um die Effizienz von Loadsmart in allen Unternehmensbereichen zu steigern. Die Reveal Group demonstrierte die Leistungsfähigkeit von IA mittels eines Proof of Concept (POC), der einen Datenvalidierungsprozess innerhalb der Transportmanagementsysteme von Loadsmart automatisierte. Nach dem Erfolg des POC machte sich das Optimierungsteam voller Elan an die Arbeit und warb aktiv für das neue Programm. Es bezog verschiedene Interessenvertreter in den Entscheidungsprozess mit ein, klärte über die zu erwartenden Ergebnisse auf und setzte sich realistische Ziele.

Das Optimierungsteam arbeitete eng mit der Reveal Group zusammen, um ein Exzellenzzentrum (CoE) einzurichten und eine ordnungsgemäße Steuerung des Programms sicherzustellen. Zu diesem Zweck kamen das Blueprint for Scale der Reveal Group sowie das Erfolgsframework und Reifegradmodell des SS&C | Blue Prism® Robotic Operating Model (ROM™2) zum Einsatz. Loadsmart weiß, wie wichtig eine robuste Pipeline mit sorgfältig geprüften Automatisierungskandidaten ist, um unnötige Ausfallzeiten zwischen den Automatisierungen zu vermeiden. Das Unternehmen trifft kluge Entscheidungen bezüglich der zu automatisierenden Prozesse und kommuniziert regelmäßig mit Interessenvertretern, um festzustellen, wann eine Automatisierung in anderen Abteilungen mit ähnlichen Aufgaben repliziert werden kann. Es verwendet seine KPIs, um Ziele festzulegen, aber auch, um die Performance der einzelnen Automatisierungen zu bewerten – um anschließend mithilfe der so gewonnenen Daten die nächste Automatisierung zu verbessern. Die Daten werden auch an die Geschäftsleitung weitergeleitet und stärken die Unterstützung für das Programm. Diese Prozessbewertung sowie die Möglichkeit, im Handumdrehen von einem Projekt zum nächsten überzugehen, ermöglichten eine schnelle Skalierung des Programms.

Mithilfe der gesammelten Daten konnte Loadsmart sein Automatisierungsprogramm in gezielte Bahnen lenken und die Vorteile maximieren. Das Unternehmen kam zu dem Schluss, dass es am wichtigsten war, Verschwendung zu reduzieren und die hart erarbeiteten Gewinne zu sichern. Innerhalb von nur sechs Monaten stellte das Team sechs Automatisierungen bereit, von denen die meisten darauf abzielten, Kosten zu reduzieren und die Rentabilität zu verbessern – bei gleichzeitiger Gewährleistung eines erstklassigen Kundenservices. Es automatisierte seine E-Mail-Anfrage an Spediteure vor der Abholung und ermöglichte eine Bestätigung der Verfügbarkeit für jede einzelne Ladung. So konnten der durchschnittliche Margenverfall pro Ladung um fast 30 Prozent reduziert und Kosteneinsparungen in Höhe von 648.000 USD pro Jahr erzielt werden.