Lieferketten Digitale Supply Chain und KI: Der große Expertentalk

Anbieter zum Thema

Blue Yonder, Inc.

JAGGAER Austria GmbH Vienna Twin Towers

DHL Supply Chain

Manhattan Associates

Arvato Systems GmbH

mehr weniger

d.velop AG

xSuite Group GmbH

Esker Software Entwicklungs-und Vertrieb

weniger

Digitale Supply Chain: Anwendungen mit künstlicher Intelligenz finden sich mittlerweile in nahezu allen Bereichen – und werden auf absehbare Zeit auch die Lieferketten revolutionieren. Wir haben uns deshalb bei Insidern umgehört und um Antworten auf eine wesentliche Frage gebeten.

Drei Faktoren sind für die digitale Supply Chain entscheidend

Die Einführung KI-gestützter Technologien eröffnet Unternehmen neue Möglichkeiten, auch ihre Lieferketten effi­zienter zu gestalten. Drei Faktoren sind entscheidend, damit Unternehmen diesen Wandel beschleunigen können: Strategie, Mitarbeiter und Datenqualität.

Eine klare Unternehmensstrategie ist der erste Schritt. Unternehmen müssen unter anderem entscheiden, welche Technologien intern entwickelt und welche extern zugekauft werden. Der Erfolg liegt dann in der nahtlosen Integration der KI-Lösungen in bestehende Prozesse. KI darf nicht isoliert betrachtet werden – nur im Zusammenspiel mit bestehenden Strukturen entfaltet sie ihr volles Potenzial.

Trotz aller Technologie bleibt der Mensch der Schlüssel zum Erfolg. Es braucht qualifizierte Entwickler und Data Scientists, die über das nötige Know-how verfügen. Durch die Zusammenarbeit mit externen Expertenteams kann der Know-how-Aufbau zusätzlich beschleunigt werden. Gleichzeitig müssen die Anwender durch Schulungen auf den Einsatz von KI vorbereitet werden.

Auch im Zeitalter von Künstlicher Intelligenz bleibt die Datenqualität essenziell. Generative Modelle benötigen zwar weniger Daten, doch diese müssen korrekt und relevant sein. Unternehmen sollten weiterhin Programme zur Verbesserung der Datenqualität verfolgen, um eine solide Basis für KI-Anwendungen zu schaffen. Der Übergang zur KI-gestützten Supply Chain ist komplex, aber machbar. Mit einer klaren Strategie, qualifizierten Mitarbeitern und einem Fokus auf Datenqualität lässt sich der Wandel erfolgreich gestalten. KI ist dabei mehr als eine Technologie – sie ist eine strategische Entscheidung, die ganzheitlich umgesetzt werden muss.

Es geht nicht nur um das Optimieren

Unternehmen können den Übergang zu KI-gestützten Supply-Chain-Praktiken beschleunigen, indem sie den Reifegrad ihres Datenmanagements erhöhen und externe Datenquellen erschließen. Ein robustes Datenfundament ist entscheidend, um die Potenziale der Künstlichen Intelligenz voll auszuschöpfen.

Hierzu gehört nicht nur, Daten in hoher Qualität und Quantität zu sammeln, zu integrieren und zu analysieren, sondern auch sicherzustellen, dass die ständige Aktualisierung von Daten zuverlässig mit hoher Qualität gewähr­leistet ist. Zudem sollten Unternehmen über interne Daten hinausgehen und externe Datenquellen wie Marktdaten, Wetterinformationen oder sozioökonomische Daten ihre Analysen einbeziehen, um präzisere und umfassendere Prognosen zu ermöglichen.

Ein weiterer entscheidender Schritt ist die Schulung der Mitarbeiter. Der Übergang zu KI-gestützten Systemen erfordert nicht nur technisches Know-how, sondern auch ein tiefes Verständnis dafür, wie Künstliche Intelligenz den gesamten Wertschöpfungsprozess beeinflussen kann. Mitarbeiter müssen befähigt werden, die neuen Technologien zu verstehen, kritisch zu hinterfragen und kreativ einzusetzen.

Letztlich geht es nicht nur darum, bestehende Prozesse durch KI zu optimieren, sondern Prozesse grundsätzlich neu zu denken. KI bietet die Möglichkeit, traditionelle Ansätze zu hinterfragen und völlig neue Wege zu beschreiten. Unternehmen sollten daher die Chance nutzen, ihre Supply-Chain-Prozesse radikal zu transformieren, anstatt lediglich bestehende Technologie-Bausteine in den aktuellen Prozessen mit KI zu ersetzen.

Das Shiny-Object-Syndrom gilt es zu vermeiden

Für eine erfolgreiche Transformation in Richtung KI und die bestmögliche Nutzung der damit verbundenen Poten­ziale, sind unserer Erfahrung nach vier wesentliche Schritte ausschlaggebend: An erster Stelle steht dabei die Analyse des Status quo, um die vorhandenen Kompetenzen zu evaluieren und gleichzeitig klare Ziele zu definieren. Denn nur wenn eine genaue Vorstellung über den Ist- und Soll-Zustand vorhanden ist, lassen sich auch die gewünschten Ergebnisse erreichen. Darauf aufbauend sollten im nächsten Schritt die vorhandenen Technologien bewertet werden, um sicherzustellen, dass die Einführung von KI-Tools tatsächlich die richtige Entscheidung definiert. Ein zu vermeidendes Risiko ist dabei das sogenannte Shiny-Object-Syndrom, das heißt nur technologischen Trends zu folgen, ohne dass die Lösungen überhaupt zu den spezifischen Herausforderungen des Supply Chain Managements passen.

Drittens ist gemäß dem Motto ‚Think Big, Start Small‘ ein sukzessives Vorgehen bei der Umsetzung entscheidend für die Zielerreichung. Anstatt unnötig Ressourcen zu verschwenden, ist es besser, mit einem kleinen Pilotprojekt zu beginnen und den Prozess auf Basis der Ergebnisse kontinuierlich weiterzuentwickeln. Sobald dann eine zufriedenstellende Lösung vorhanden ist, ist es im vierten Schritt wichtig, diese auch langfristig stetig zu optimieren. Konkret geht es zum Beispiel darum, die Innovationskultur im Team zu fördern, indem Weiterbildungen zu den Möglichkeiten von KI angeboten werden. Je besser die Mitarbeiter mit KI-Lösungen vertraut sind, desto leichter lassen sich weitere Anwendungsmöglichkeiten identifizieren, um den Einsatz von KI zur Optimierung des Supply Chain Managements auszubauen. 

Digitale Supply Chain: Die Umstellung ist nie vollständig abgeschlossen

Um diesen Übergang erfolgreich zu gestalten, müssen Unter­nehmen jedoch zunächst das Potenzial von Künstlicher Intelligenz für ihre Liefer­kette verstehen und dann klare Ziele für ihren Einsatz definieren. Zudem ist es entscheidend, dass sie das richtige KI-Tool für ihre Bedürfnisse auswählen. Dabei sollten sie darauf achten, dass das Tool erweiterbar ist, da sie sonst Gefahr laufen, in Technologien zu investieren, die in einigen Jahren nicht mehr ihren Bedürfnissen entsprechen.

Pilotprojekte in einzelnen Bereichen können helfen, erste Erfahrungen zu sammeln. Die Ergebnisse sollten gezielt gemessen und ausgewertet werden. Darüber hinaus ist es wichtig, interne Kompetenzen aufzubauen, was zum Beispiel durch die Zusammenarbeit mit externen KI-Experten geschehen kann, die die Mitarbeiter im Bereich Künstlicher Intelligenz schulen. Regelmäßige Fortbildungen sorgen darüber hinaus dafür, dass das derart aufgebaute Fachwissen mit den Entwicklungen der Zeit Schritt hält.

Unternehmen sollten sicherstellen, dass die Daten, die sie für den Einsatz von Künstlicher Intelligenz verwenden, von möglichst hoher Qualität, vollständig und aktuell sind. Dafür gilt es, eine robuste Dateninfrastruktur aufzubauen, die dafür sorgt, dass Daten aus verschiedenen Quellen zentralisiert und leicht zugänglich sind. Die Umstellung auf KI-gestützte Supply-Chain-Praktiken ist allerdings nie vollständig abgeschlossen, da sich Künstliche Intelligenz ständig weiterentwickelt und die Systeme kontinuierlich verbessert und aktualisiert werden müssen. Daher ist es besonders wichtig, dass Unternehmen eine offene und konstruktive Feedback-Kultur schaffen und entsprechende Kanäle einrichten.

Zentraler erster Schritt ist eine klare Strategie

Der Übergang von traditionellen zu KI-gestützten Supply-­Chain-Praktiken markiert einen entscheidenden Wandel in der Logistikbranche. Um diesen Übergang erfolgreich zu gestalten, ist ein zentraler erster Schritt eine klare Strategie für den Einsatz von Künstlicher Intelligenz im Unternehmen. Abgeleitet aus dieser Strategie können dann verschiedenen Anwendungsfälle identifiziert werden, die das Unternehmen gezielt nach vorne bringen und durch den Einsatz von KI umgesetzt werden können.

Ein pragmatischer Ansatz für die Umsetzung dieser Anwendungsfälle ist die Durchführung von Pilotprojekten, da diese es ermöglichen, erste Erfolge zu erzielen und die Vorteile von Künstlicher Intelligenz greifbar zu machen. Solche Pilotprojekte schaffen Vertrauen in die Technologie und ebnen den Weg für eine breitere Implementierung von KI-Lösungen im Unternehmen.

Für die erfolgreiche Durchführung der Pilotprojekte ist die Auswahl des geeigneten Partners von großer Bedeutung. Der Partner sollte das Unternehmen dabei unterstützen die geeigneten Anwendungsfälle für die Durchführung von Pilotprojekten passend zur Strategie des Unternehmens zu identifizieren und die nötige Kompetenz für die Umsetzung der Anwendungsfälle mitbringen.

Ein weiterer kritischer Aspekt ist die Verfügbarkeit und Qualität von Daten. Eine Künstliche Intelligenz kann nur dann ihr volles Potenzial entfalten, wenn sie auf umfangreiche und qualitativ hochwertige Daten zugreifen kann. Unternehmen sollten daher frühzeitig sicherstellen, dass die benötigten Daten für die Umsetzung erster Anwendungsfälle vorhanden sind.

Die ersten Schritte für den Übergang von traditionellen zu KI-gestützten Supply-Chain-Praktiken ist also die Ausarbeitung einer klaren Strategie und die Identifikation der geeigneten Anwendungsfälle. Beschleunigt werden kann der Übergang durch die Umsetzung von Pilotprojekten mit dem richtigen Partner, der sowohl Supply-Chain-Know-how als auch die benötigen Kompetenzen in Künstlicher Intelligenz mitbringt.

Eine enge Zusammenarbeit ist für die digitale Supply Chain unerlässlich

Diese Transformation kann nicht über Nacht geschehen, vielmehr erfordert sie eine sorgfältige Planung und Umsetzung, um die gewünschten Effizienzsteigerungen und Wettbewerbsvorteile zu erzielen.

Der erste Schritt besteht darin, klare Ziele zu definieren: Welche Prozesse sollen durch Künstliche Intelligenz optimiert werden und welche Ergebnisse werden angestrebt? Die KI-Projekte sollten eindeutig nach ihrem Nutzen und dem erforderlichen Aufwand priorisiert werden. Hier gibt es vielfältige Möglichkeiten, denn moderne Logistik-Software profitiert bereits heute bei der Bestandsverwaltung, Bedarfsprognose, Ressourcenplanung oder vorausschauenden Wartung von Maschinen und automatischen Anlagen von Künstlicher Intelligenz.

Ein wichtiger nächster Schritt ist der Aufbau einer soliden Datengrundlage. Unternehmen sollten sicherstellen, dass hochwertige und strukturierte Daten für KI-Anwendungen verfügbar sind. Hier bieten Warehouse-Management- und Warehouse-Control-Systeme die notwendige Grundlage für eine präzise Bestandsverwaltung und Lageroptimierung. Durch die Integration von IoT-Geräten können Echtzeitdaten zur Effizienzsteigerung in der Lagerhaltung und für die Automatisierung der Materialfluss-Systeme erfasst werden. Gleichzeitig bietet die Implementierung eines Supply Chain Control Towers, also eines zentralen Dashboards, eine umfassende Sicht auf die logistischen Aktivitäten und ermöglicht eine fundierte Entscheidungsfindung.

Anschließend sollten Unternehmen Pilotprojekte starten, um KI-gestützte Lösungen in spezifischen Bereichen zu testen. Parallel dazu ist es wichtig, Mitarbeiter zu schulen und eine Kultur der Datenkompetenz und Innovationsbereitschaft zu fördern. Sind die ersten KI-Lösungen integriert, ist eine enge Zusammenarbeit zwischen IT-Abteilungen, Datenwissenschaftlern und Logistikexperten unerlässlich. Diese interdisziplinäre Zusammenarbeit ermöglicht die kontinuierliche Verbesserung und Anpassung von KI-Modellen und -Systemen.