Die Supply Chain profitiert von Künstlicher Intelligenz

Zeit ist Geld – für kaum eine andere Branche ist diese Erkenntnis so wichtig wie für die Logistik. Denn schon geringe Abweichungen und kleine Fehler in einem komplexen Liefersystem führen zu Kettenreaktionen mit oft schwerwiegenden Folgen. Das beginnt bereits mit der Versorgung von Werk- beziehungsweise Rohstoffen und reicht über die Herstellung von Waren bis zu ihrem Transport an die Kunden.

Künstliche Intelligenz

Ein Kernstück der Digitalisierung ist die Künstliche Intelligenz (KI). Gemeint ist damit Software, die mittels Algorithmen menschliches Denken simuliert und zu eigenständigem Handeln fähig ist. Stichworte sind hier beispielsweise Begriffe wie „Deep Learning“ und „Machine Learning“.

Die Digitalisierung ist hier Wohl und Wehe zugleich. Zum einen beschleunigt sie durch blitzschnelle Datenverarbeitung Prozesse auf zahlreichen Ebenen. Das allerdings erhöht den Leistungsdruck in Produktionsbetrieben sowie deren Zulieferern und Logistikpartnern. Zum anderen erlaubt sie kurze Reaktionszeiten auf unerwartete Verzögerungen und Engpässe. Beide Seiten dieser Münze sind ohne Künstliche Intelligenz (KI) nicht denkbar.

KI besitzt enormes Wertschöpfungspotenzial

Ein wesentlicher Bestandteil von KI ist Deep Learning. Diese Analytik-Technologie allein hat ein jährliches Wertschöpfungspotenzial von bis zu 5,8 Billionen Dollar weltweit. Das hat das McKinsey Global Institute (MGI) in seiner Studie „Notes from the AI frontier: Insights from hundreds of use cases“ herausgefunden. Untersucht haben die Autoren dafür mehr als 400 Anwendungsfälle in 19 Branchen. Sie berücksichtigten verschiedene Unternehmensfunktionen, darunter auch Supply Chain Management. Und genau dort sehen sie – neben Marketing und Vertrieb sowie Fertigung und Produktion – den größten Einfluss von KI-Methoden.

Auch interessant: Wachsen mit Künstlicher Intelligenz 

Allerdings sind sie kein Selbstläufer. „Der Einsatz [...] stellt Unternehmen vor erhebliche organisatorische Herausforderungen“, sagt Peter Breuer, Seniorpartner bei McKinsey in Köln und deutscher Leiter von McKinsey Advanced Analytics. Dreh- und Angelpunkt ist die ausreichende Versorgung der zugrundeliegenden Algorithmen mit relevanten Daten. Quellen digitaler Informationen sind sowohl unternehmenseigene als strukturierte und unstrukturierte Daten von außerhalb, zum Beispiel von Geschäftspartnern oder aus dem Internet.

Mittel und Wege – Künstliche Intelligenz steuert effektiv wesentliche Teile der Supply Chain. Komplexe Rohstoff- und Warenströme setzen gleichermaßen langfristige Planung und kurzfristige Reaktionen voraus. Das kann KI besser als jeder Mensch übernehmen. (© 2018 Shutterstock / Travel mania)

Schlau und schnell

Künstliche Intelligenz bewährt sich vielfältig in der Supply Chain. Vier Beispiele:

  • Sie verarbeitet die zahlreichen Sensordaten (Temperatur, Bilder, Töne und vieles mehr) im Internet of Things und vergleicht sie mit Sollwerten. Fallen ihr Abweichungen auf, schlägt sie Alarm. Beispiel: In Verbindung mit Predictive Maintenance sagt sie den Ausfall produktionskritischer Maschinen voraus. Das macht starre Wartungsintervalle  überflüssig und minimiert – durch rechtzeitiges Reparieren – das Risiko unverhoffter Stillstände von Herstellungsprozessen.
  • Kombiniert mit den IT-Strukturen von Geschäftspartnern identifiziert sie frühzeitig anstehende Auftragsflauten und -spitzen. So lässt sich die Supply Chain etwa hinsichtlich Rohstoffversorgung und Lieferumfang anpassen. Auch das übernimmt die KI auf Wunsch selbsttätig.
  • Sie organisiert den laufenden Transport von Waren und reagiert schnell auf kurzfristige Probleme. Ist etwa das angepeilte Lager eines Kunden unerwartet nicht verfügbar (beispielsweise nach einem Wasserschaden), gleicht KI andere Standorte ab und empfiehlt dem Lkw-Fahrer noch unterwegs ein geeignetes Ausweichziel – vollautomatisch.
  • Sie erkennt Engpässe und Verzögerungen von Lieferanten und wählt selbstständig sinnvolle Beschafferalternativen aus. So verringern sich Verzögerungen in der Supply Chain erheblich.

Diese und andere Vorzüge erleichtern und beschleunigen nicht nur die bedarfsgerechte Organisation von Lieferketten in Echtzeit. Sie haben auch handfeste finanzielle Vorteile, wie die McKinsey-Studie zeigt. Demnach liegt das globale Wertschöpfungspotenzial durch die KI-Disziplin Deep Learning in der Transport- und Logistik-Branche bei bis zu 500 Milliarden Dollar.

Komplexe Einführung

Wer davon auch etwas haben möchte, muss seine Hausaufgaben machen und die Einführung von KI in die Supply Chain gut vorbereiten. Ausgangspunkt ist immer eine ausreichende Datenbasis. Wie bereits beschrieben, lassen sich dafür interne und externe Quellen anzapfen. Das Sammeln von Bits und Bytes ist allerdings nur der erste Schritt.

Die potente Basis für KI

Eine IT-Infrastruktur samt Ki-Integration und zahlreicher Schnittstellen zu vielen anderen Systemen braucht einen leistungsfähigen Internetanschluss inklusive Zugang zur Cloud. Mit Bandbreiten von bis zu 1.000 MBits bietet DeutschlandLAN Connect IP Verbindungen, die höchste Ansprüche an Stabilität, Flexibilität und Sicherheit erfüllen. Das bringt beste Voraussetzungen für eine effiziente Zusammenarbeit.

>> zu DeutschlandLAN Connect IP 

Der nächste muss die Frage beantworten: Welche Informationen sind sinnvoll und welche nicht? Spätestens an dieser Stelle kommt Künstliche Intelligenz ins Spiel. Sie filtert den Datenwust nach relevanten Zahlen und Nachrichten. Auf der destillierten Basis erstellen Analysten Risikoeinschätzungen und bestimmen, wann zum Beispiel ein System eine Warnmeldung ausgibt. Um in einem solchen Ernstfall die Reaktionszeit möglichst kurz zu halten, sollten entsprechende Mitteilungen auch über mobile Endgeräte ausgegeben werden.

Auch interessant: Kollege Roboter – Wie Digitalisierung unsere Jobs verändert

In der Anfangsphase ist dafür viel Arbeit notwendig. Im Zweifel ist das ein Job für externe Spezialisten. Ist die KI in einer Supply Chain aber gut verankert, liefert sie weitgehend automatisiert Ergebnisse.