Die moderne Supply Chain ist antifragil

Bei jeder Störung einer Lieferkette müssen Supply-Chain-Verantwortliche in kurzer Zeit alternative Transportwege oder Lieferanten finden, Verlader ausfindig machen, Transportmodi umorganisieren, günstigere Frachtraten suchen, Produktionsplanungen umstellen und im schlimmsten Fall Kunden vertrösten. Weil es dann schnell stressig wird, sind Fehler vorprogrammiert. Zweifelsohne gibt am Markt Lösungen, mit denen sich Zwischenfälle und ihre Auswirkungen prognostizieren lassen. Auch das Beheben von Störungen nimmt nicht mehr ganze Arbeitstage in Anspruch und lässt sich binnen weniger Stunden ohne viel menschliches Eingreifen bewältigen. Dennoch sind wir auch künftig nicht vor Zwischenfällen gefeit. Die nächste Evolutionsstufe der Lieferketten muss also eine sein, die aus Disruptionen lernt und sich fortlaufend verbessert. Folglich muss aus einer resilienten eine antifragile Supply Chain werden.

Menschen benötigen Unterstützung

Das Konzept der Antifragilität geht auf den Mathematiker Nassim Nicholas Taleb zurück, nach dessen Theorie sich Systeme unter Belastung verbessern können. Überträgt man seinen Ansatz auf Lieferketten (zumal wenn sich diese optimieren lassen), kann künftigen Disruptionen vorgebeugt werden, indem Störungen nicht als singuläre Ereignisse, sondern vielmehr als Lern-Input betrachtet werden. Eine antifragile Supply Chain ist dann kein statisches Gebilde mehr, sondern verhält sich dynamisch und ist anpassbar. Menschen alleine können jedoch keine antifragilen Lieferketten schaffen. Sie benötigen dazu die Unterstützung von Technologieplattformen, die Daten entlang der Supply Chain sammeln und aufbereiten. Hier hilft z.B. unsere Technologie „Transportation Process Automation (TPA)“. Sie nutzt qualitativ hochwertige Daten, um Störungen zu prognostizieren, Risiken zu steuern und die Zusammenarbeit zu verbessern.

Die dafür notwendigen Daten stammen sowohl aus sämtlichen Abteilungen eines Unternehmens als auch aus anderen Gliedern entlang der Lieferkette sowie aus externen Quellen. Künstliche Intelligenz (KI) und Machine-Learning-Algorithmen (ML) der Plattform bereiten diese Daten auf, um sie dann in einem Control-Tower oder für einen Digitalen Zwilling zu nutzen.

Ein dynamisches Ökosystem

Die so gesammelten und aggregierten Daten bilden letztlich die Basis für eine antifragile Lieferkette. Mögliche Störungen lassen sich erkennen, Empfehlungen werden generiert und automatisiertes Handeln wird ermöglicht. Zugleich lassen sich Prozesse modellieren und Was-wäre-wenn-Analysen durchführen. Das federt nicht nur die Auswirkungen von Disruptionen ab, sondern weist auch frühzeitig auf mögliche Risiken hin.

Der Algorithmus lernt dabei aus den jeweiligen Szenarien, erkennt Muster darin und kann möglichen Disruptionen automatisch vorbeugen. So wird beispielsweise ein Lkw früher losgeschickt, der Transportmodus gewechselt oder die Lieferung umgeleitet; das macht die Supply Chain flexibler. Ein starres Gebilde, das permanent unter Stress steht und schlimmstenfalls zu reißen droht, verwandelt sich so in ein dynamisches Ökosystem, das sich ständig weiterentwickelt, aus Störungen lernt, sich fortlaufend automatisiert und sich dabei an die sich immer wieder ändernden Gegebenheiten anpasst. Eine solche Supply Chain ist nicht mehr nur resilient, sie ist antifragil.