Ein dynamischer Regelkreis

ITM: Herr Werner, was können Unternehmen tun, um ihre globalen Lieferketten „fit“ für die Zukunft zu machen?
Gabriel Werner: Die Pandemie war nur ein Auslöser; es gibt zahlreiche weitere Trends, die für stetigen Wandel in der Lieferkette sorgen. In traditionellen Lieferketten findet nur ein geringer Informationsaustausch zwischen den einzelnen Abschnitten statt. Diese Silobildung erschwert nicht nur die zentrale Planung, sondern auch die adäquate schnelle Reaktion auf unvorhergesehene Veränderungen. Eine Lieferkette, die „fit“ für die Zukunft ist, stellt maximale Transparenz und intensiven Datenaustausch in den Mittelpunkt. Sie setzt nicht auf Linearität, sondern ist ein dynamischer Regelkreis, der aufgrund der gesammelten Daten ständig nachjustiert. All das ist nur mit einer passenden IT-Infrastruktur und einer Portion operativer KI möglich.

ITM: Welche Rolle spielen Künstliche Intelligenz und Maschinelles Lernen in diesem Kontext?
Werner: KI und ML sind die Basis des Ganzen. Eine intelligente Lieferkette erkennt Veränderungen frühzeitig und trifft Vorhersagen, um auf Eventualitäten schon im Vorfeld zu reagieren und Engpässe zu vermeiden. KI kommt insbesondere bei „Predictive Analytics“ zum Einsatz. Diese nutzen große Datenmengen, um möglichst gute Prognosen und auf deren Basis Handlungsempfehlungen zu generieren oder gleich Vorgänge zu automatisieren. Eine solche prädikative Lieferkette ist hochdynamisch: Steigt etwa die Nachfrage nach einem Produkt plötzlich an, steuert sie die Herstellung der Teile, das Assembly und natürlich auch die Logistik entsprechend nach. Die zu speichernden und verarbeitenden Datenmengen sind enorm groß und anders strukturiert, als wir es von klassicher Enterprise Software gewohnt sind. Die der KI und dem ML zugrunde liegenden Daten werden hochfrequent erfasst, validiert und damit die KI-Modelle erneut trainiert, um sich der veränderten Wirklichkeit schnell anzupassen.

ITM: Warum ist die KI in diesem Bereich klar im Vorteil?
Werner: Für alle Ebenen fallen eine Menge Informationen an, die über die Datenmengen eines klassischen ERP-Systems hinausgehen. KI und ML-Algorithmen sind prädestiniert, diese Informationsmengen zu verarbeiten und Prognosen zu stellen. Das bedeutet aber auch, dass Unternehmen dafür andere IT-Infrastrukturen benötigen. Microsoft liefert z.B. 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.

ITM: Auf welche Stolpersteine müssen Unternehmen achten, wenn sie ihre Supply Chains mit KI-Anwendungen und ML-Algorithmen optimieren wollen?
Werner: Es ist wichtig, darauf zu achten, Lösungen einzusetzen, die das Thema „KI“ nicht mit einem „das können Sie über eine Schnittstelle einbinden“ abhandeln, sondern die Funktionalität als integralen Bestandteil in der Lösung verankert haben. Das garantiert schnelle Implementierung und funktionierende Lieferketten. Blue Yonder hat mit seinem Luminate-Lösungsportfolio den passenden Werkzeugkasten und konnte im Oktober 2021 Microsoft als Kunden für seine Hardware-Produktions-Supply-Chain gewinnen.

Dies ist ein Artikel aus unserer Print-Ausgabe 1-2/2022. Bestellen Sie ein kostenfreies Probe-Abo.

ITM: Worauf gilt es bei der Auswahl des Anbieters zu achten?
Werner: 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 gibt es aus meiner Sicht vier Fragestellungen:

• Setzt der Anbieter auf eine zweckbezogene und eigens entwickelte KI oder greift er auf generische Algorithmen zurück?

• 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, Automatisierung mit Genauigkeit zu vereinen und so zu einer Optimierung der Supply-Chain-Prozesse beizutragen?

Idealerweise bietet der Partner der Wahl eine SaaS-Lösung, die es ermöglicht, Echtzeitinformationen aus dem 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 und Echtzeitinformationen automatisiert End-to-End steuern können.

ITM: Wie werden sich die Unternehmen in diesem Jahr auf die geänderten Rahmenbedingungen einstellen, um stockende Lieferketten zu vermeiden?
Werner: Ich gehe sehr stark davon aus, dass sich der Trend in Richtung autonome End-to-End-Supply-Chain weiter verstärkt. Es gibt mittlerweile genügend Cases, die selbst Zweifler vom Konzept einer intelligenten Lieferkette überzeugen dürften. Wir stehen gerne bereit, um Lieferketten zu optimieren und womöglich zu automatisieren.