Rückblick zum 197. Treffen der BVL Regionalgruppe Sachsen-Anhalt am 30.04.2026

Prompting-Workshop zeigt Potenziale generativer KI für die Logistik

Wie lassen sich generative KI-Systeme im Logistikumfeld sinnvoll, effizient und verantwortungsvoll einsetzen? Dieser Frage widmete sich der Prompting-Workshop für generative KI in der Logistik, der am 30. April 2026 im Fraunhofer-Institut IFF Magdeburg stattfand. Die Veranstaltung wurde vom Team des EFRE-Forschungsprojekts synerKI mit Unterstützung der Hochschule Magdeburg-Stendal, der BVL Regionalgruppe Sachsen-Anhalt und des Mittelstand-Digital Zentrums Magdeburg durchgeführt. Der Workshop richtete sich an Studierende, Young Professionals und Fachpublikum und war als interaktives Format mit fachlichem Input, praktischen Übungen und gemeinsamem Austausch angelegt.  

Nach der Begrüßung durch Prof. Dr. Stefan Voigt vom Mittelstand-Digital Zentrum Magdeburg und Prof. Dr. Fabian Behrendt, BVL-Regionalgruppensprecher Sachsen-Anhalt und Dekan des Fachbereichs Wirtschaft der Hochschule Magdeburg-Stendal, führte Prof. Dr. Sebastian von Enzberg in die technischen Grundlagen generativer KI ein. Dabei erläuterte er unter anderem, wie Large Language Models arbeiten, welche Rolle Tokens und Context Windows spielen und warum generative KI gerade für sprach- und dokumentationsintensive Logistikprozesse relevant ist. Die Präsentation hob hervor, dass viele Potenziale nicht nur im Kernprozess selbst, sondern besonders im Informationsfluss liegen, wie etwa bei E-Mails, Rückfragen, Statusmeldungen oder Standard Operating Procedures.  

Im zweiten Teil stand das Prompt Engineering im Mittelpunkt. Patrick Timm zeigte anhand konkreter Methoden, wie sich Anfragen an KI-Systeme strukturieren lassen, um bessere und verlässlichere Ergebnisse zu erzielen. Die Teilnehmenden lernten unter anderem das Role-Task-Format-Framework, das Interviewformat sowie Zero-Shot-, One-Shot- und Few-Shot-Techniken kennen. Anschließend konnten sie die Methoden in einer praktischen Übungsphase selbst ausprobieren, beispielsweise anhand einer Kundenreklamation zu verspäteter und beschädigter Lieferung. So wurde unmittelbar erfahrbar, wie stark sich die Qualität von KI-Antworten durch klare Rollen, präzise Aufgabenstellungen, Kontextinformationen und definierte Ausgabeformate verbessern lässt.  

Der dritte Teil widmete sich konkreten Einsatzmöglichkeiten von KI in der logistischen Praxis. Nadine Kaltschmidt stellte Anwendungsfelder vor und ordnete ein, wie Unternehmen KI schrittweise einführen können, genaugenommen vom ersten Experiment über Pilotanwendungen bis hin zu skalierbaren Lösungen. Ergänzend präsentierte Daniel Menschulin zwei Demonstratoren aus dem Forschungsprojekt synerKI: eine KI-gestützte Objekterkennung sowie eine KI-gestützte Konturenprüfung. Darüber hinaus wurde anhand eines praxisnahen Beispiels gezeigt, wie ein eigener Chatbot dabei unterstützen kann, Artikelnummern aus einem internen System zu finden. Demonstriert wurde dies im Kontext einer Helmherstellung und eines KI-gestützten Wareneingangs.  

Ein weiterer Schwerpunkt lag auf rechtlichen und organisatorischen Rahmenbedingungen. Diskutiert wurden unter anderem Datenschutz, EU AI Act, unternehmensinterne Freigaben, Dokumentationspflichten und die Frage, welche Daten nicht unbedacht in KI-Tools eingegeben werden dürfen. Die klare Botschaft: Generative KI bietet große Chancen für Effizienz, Wissensmanagement und Prozessunterstützung, sie muss jedoch bewusst, geprüft und organisatorisch sauber eingebettet werden.  

Zum Abschluss fassten die Referierenden zentrale Erkenntnisse zusammen: KI ist kein Allheilmittel, aber richtig eingesetzt ein wertvolles Werkzeug. Gute Prompts sind strukturierte Arbeitsaufträge, das passende Modell richtet sich nach dem Anwendungsfall und erfolgreiche KI-Einführung beginnt mit kleinen, klar abgegrenzten Use Cases. Gerade in der Logistik bieten Reklamationen, Schichtübergaben, SOPs, Wareneingangsprozesse und Wissensmanagement vielversprechende Einstiegspunkte. Der Workshop zeigte damit eindrucksvoll, wie Forschung, Transfer und Praxis zusammenwirken können, um generative KI für Unternehmen greifbar und nutzbar zu machen.