Supply-Chain-Management Mit Künstlicher Intelligenz stockende Lieferketten optimieren

Ein Gastkommentar von Gabriel Werner

Lieferengpässe bedrohen nicht nur die Wirtschaft seit vielen Monaten. Klagen nutzt nichts, anpacken lautet die Devise. Denn es gibt Optimierungspotenziale. Lesen Sie, welche.

Firmen zum Thema

Hafen von Rotterdam: Die Lieferkette muss transparenter werden.
Hafen von Rotterdam: Die Lieferkette muss transparenter werden.
(Bild: HesselVisser/Pixabay / Pixabay )

Lieferketten sind in aller Munde, seitdem sie global häufig nicht mehr reibungslos funktionieren. Die Pandemie war aber nur der Auslöser, denn es gibt zahlreiche Trends, die für stetigen Wandel in der Lieferkette sorgen. Wer den Wandel aktiv mitgestalten möchte, braucht nicht nur Erkenntnisse, sondern die passende IT-Infrastruktur und eine Portion operative Künstliche Intelligenz.

Die wichtigsten Treiber für den Wandel bei Fertigung und Lieferkette lassen sich grob in fünf Bereiche einteilen: Industrie, IT-Technologie, Nachhaltigkeit, Arbeitsmarkt und Cybersecurity. Die ersten beiden Bereiche bieten dabei die größten Optimierungspotenziale.

Bei der industriellen Produktion erwarten 80 Prozent aller Unternehmen allein aufgrund der besseren Vernetzung und Verzahnung der Produktionspartner deutliche Effizienzsteigerungen. Durch die Einführung von Smart-Factory-Technologien gehen Experten von Kosteneinsparungen von 17 bis 20 Prozent aus. Deutliche Veränderungen stehen aber nicht nur bei Produktion und Logistik, sondern auch bei der Steuerung durch die Software-Plattformen an. Supply-Chain-Anwendungen haben Firmen bereits zu 90 Prozent in die Cloud verlagert, um agiler und flexibler auf Veränderungen reagieren zu können. Künstliche Intelligenz kommt vermehrt zum Einsatz, insbesondere bei der „Predictive Analysis“, die große Datenmengen nutzt, um möglichst exakte Prognosen für die Entwicklungen in der den Lieferketten zu generieren.

Von traditionellen Lieferketten zur resilienten, flexiblen End-to-End-Logistik

Eine traditionelle Lieferkette ist dadurch gekennzeichnet, dass nur ein geringer Informationsaustausch zwischen den einzelnen Abschnitten stattfindet. Diese Silobildung erschwert und verkompliziert nicht nur die zentrale Planung, sondern auch die adäquate schnelle Reaktion auf unvorhergesehene Veränderungen. Sie benötigt daher größere Puffer in Form von Lagern.

Eine zukunftsorientierte Lieferkette stellt die maximale Transparenz und intensiven Datenaustausch in den Mittelpunkt. Sie hofft nicht darauf, dass die Lieferkette so funktioniert, wie sie geplant wurde, sondern ist ein dynamischer Regelkreis, der aufgrund der gesammelten Daten ständig nachsteuert. Sie erkennt Veränderungen frühzeitig und trifft Voraussagen, um darauf schon im Vorfeld zu reagieren und Engpässe zu vermeiden. Diese prädikative Lieferkette ist hochdynamisch: Steigt etwa die Nachfrage nach einem Produkt plötzlich an, justiert sie die Herstellung der Teile, das Assembly und natürlich auch die Logistik entsprechend nach.

Die Rolle der KI zur Stärkung von Lieferketten

Letztlich lässt sich eine Lieferkette auf drei Ebenen betrachten:

  • die physische Ebene: Sie beinhaltet die Produktionsplanung, Warehouse Automation, Factory Scheduling, Lagerverwaltung,
  • die Informationsflussebene: sie regelt, welche Informationen wo gesammelt, konsolidiert, versendet und verarbeitet werden, um eine optimale Informationslage herzustellen,
  • die Finanzierungsebene: mit Businessplanungen, Bedarfsprognosen, Inventarplanungen und Analysen.

Für alle Ebenen fallen eine große Menge an Informationen an, die weit über die Datenmengen eines klassischen ERP-Systems hinausgehen. Künstliche Intelligenz und Machine-Learning-Algorithmen sind dafür prädestiniert, diese großen Informationsmengen zu verarbeiten, zu analysieren und Prognosen zu stellen. Das bedeutet aber auch, dass Unternehmen dafür anderen IT-Infrastrukturen benötigen.

Microsoft liefert zum Beispiel mit Azure Data Lake und Cosmos DB, den Interfaces zu Sensoren, ERP-Systemen und aktuellen Produktionsdaten das passende Backend. Mithilfe von Azure Synapse Analytics können Unternehmen komplexe Datenauswertungen über operationale und transaktionale Daten performant vornehmen.

Die Kunst: KI operativ zu implementieren

Viele Unternehmen haben Künstliche Intelligenz als potenzielle Lösungsmethodik für das Lieferketten-Management erkannt, scheitern aber nach einer ersten Validierung und eines erfolgreichen Probelaufs daran, die KI in die operativen Prozesse zu übernehmen. Sie haben für die höheren Anforderungen – verglichen mit Standard-Applikationen ¬ keine etablierten Prozesse: Die zu speichernden und verarbeitenden Datenmengen sind deutlich größer, außerdem müssen die der KI und Machine Learning zugrunde liegenden Daten regelmäßig neu validiert und die KI-Modelle erneut trainiert werden, um sich der veränderten Wirklichkeit regelmäßig anzupassen.

Hier sind Lösungen gefragt, die das Thema KI nicht mit einem „das können Sie über eine Schnittstelle einbinden“ abhandeln, sondern die KI- und ML-Funktionalität als integralen Bestandteil fest in der Lösung verankert haben. Das garantiert nicht nur eine schnelle Implementierung, sondern auch dauerhaft funktionierende Lieferketten. Blue Yonder hat mit seinem Luminate-Lösungsportfolio den passenden Werkzeugkasten und konnte im Oktober 2021 Microsoft selbst als Kunden für seine Hardware-Produktions-Supply-Chain gewinnen.

Die Auswahl des Partners muss wohl überlegt sein

Es gibt viele Anbieter im Markt, die mit mehr oder weniger intelligenten Lösungen zur Supply-Chain-Optimierung aufwarten. Bei der Auswahl des geeigneten Partners ist es ratsam, darauf zu achten, welche Leistungsmerkmale seine Lösungen mitbringen. Dabei sollten folgende Fragestellungen eine Rolle spielen:

  • Setzt der Anbieter auf eine eigens entwickelte KI oder greift er auf generische Algorithmen zurück?
  • Bietet der Anbieter wirklich eine KI-basierende Supply-Chain-Plattform oder basiert diese lediglich auf MLP?
  • Wirbt der Anbieter mit Schnelligkeit, für die er allerdings multiple Test Runs benötigt und auf deren Basis die Entscheidung am Ende trotzdem vom Menschen getroffen werden muss?
  • Ist der Anbieter in der Lage, Geschwindigkeit mit Genauigkeit zu vereinen und so zu einer wirklichen Optimierung der Supply-Chain-Prozesse beizutragen?

Idealerweise bietet der Partner eine SaaS-Lösung, die es Unternehmen ermöglicht, Echtzeit-Informationen aus dem gesamten digitalen Ökosystem einschließlich externer Datenquellen zu sehen, zu interpretieren und zu nutzen. Hierzu zählen intelligente Planungslösungen für dynamische Lieferketten, die potenzielle Störungen vorhersagen und Pläne mithilfe maschinellem Lernens und Echtzeitinformationen automatisiert End-to-End steuern können.

Der größte Vorteil vom Einsatz solcher Lösungen ist die deutlich gesteigerte Transparenz über die gesamte Lieferkette. Damit können Verantwortliche die Planung und Ausführung gezielt austarieren und jederzeit kluge Entscheidungen fällen, die sich nicht negativ auf zukünftige Logistik-Planungen auswirken.

Blue Yonder bietet diese Voraussetzungen. Das Unternehmen wartet mit einer robusten Cloud-Infrastruktur, Logistikfachexpertise und Machine-Learning-Know-how auf, um mit speziellen KI-Methoden und -Anwendungen die Lieferkette zu optimieren und – wo möglich – zu automatisieren.

* Gabriel Werner ist Vice President Manufacturing, DACH, bei Blue Yonder.

(ID:47852853)