Der Hype ist gross und der Zug ist gefühlt bereits in Höchstgeschwindigkeit unterwegs. Doch (Re-) Aktionismus ist auch bei KI das falsche Rezept. Die Möglichkeiten und Tools sind scheinbar unbegrenzt und den Überblick zu behalten ist schwer, wenn nicht sogar unmöglich. Umso wichtiger ist ein konkretes Ziel, was es zu erreichen gilt. Daraus soll ein Use Case entwickelt und die richtige Anwendung von KI identifiziert und entwickelt werden. Im Einkauf, der Produktion und Logistik. Gemeinsam mit den externen Profis in KI und Supply Chain Management.
KI im Einkauf
In der operativen Beschaffung ist Digitalisierung seit Jahrzehnten in Anwendung. Dank EDI, VMI und einem gutem MRP-Lauf, ist der personelle Aufwand im operativen Einkauf stetig reduziert worden. Dank KI können solche Funtkionen noch weiter optimiert und automatisiert werden. Prognosen werden genauer und der operative Einkauf agiler. Vorhersagen von Bedarfsspitzen, Anpassungen von Bestellmengen und Lagerbestände sowie Berücksichtigung von besonderen Einflüssen sind nicht mehr von den Fähigkeiten und Erfahrungen der Mitarbeitenden abhängig.
Für den strategischen Einkauf hingegen eröfnnen sich dank KI ganz neue Optionen und Effizienzgewinne. So sind klassiche Sourcing- bzw. RfX-Prozesse bisher sehr stark abhängig von einzelnen Personen. KI kann hierbei eine grosse Hilfestellung bieten. Denn eine ergebnisorientierte Entscheidungsfindung ist heutzutage schlicht viel zu komplex, als das sie eine einzelne Person oder ein kleines Team alleine treffen kann. Geopolitische und durch den Klimawandel hervorgerufene Veränderungen in den globalen Lieferketten sind schon fast an der Tagesordnung. Dementsprechend wichtig ist es, Risiken vollumfassend und korrekt einzuschätzen sowie mögliche Massnahmen fundiert zu plausibilisieren.
KI in der Produktion
In der Produktion passiert die eigentliche Wertschöpfung. Und dennoch wird gerade dort viel Zeit verschwendet. Daher ist Lean Management weit verbreitet. Doch nicht alle potenziellen Fehler lassen sich dadurch verhindern. Tritt eine Störung des Warenflusses auf, so muss schnell die richtige Entscheidung getroffen werden, um ihn wiederherzustellen. In der Praxis kann das bestenfalls nur ein Bruchteil der Belegschaft (schlimmstenfalls niemand), weil es sich dabei meist um intrinsisches Wissen handelt. Die wirtschaftliche Leistungsfähigkeit der Produktion ist dadurch abhängig von einzelnen Personen statt die kummulierte Erfahrung und Informationen der gesamten Organisation nutzen zu können.
Doch wenn Störung, Analyse und Lösung korrekt erfasst werden, so kann mittels LLM auch die unerfahrene Belegschaft darauf zurückgreifen und davon profitieren. Dies nicht nur für die Bedienung, sondern auch den Unterhalt der Produktionsinfrastuktur. In Kombination mit Handbüchern und weiteren technischen Dokumente der Hersteller sowie Arbeitsanweisungen kann KI daraus ein internes Wiki erstellen und dadurch nicht nur Einarbeitungszeit der Mitarbeiter, sondern auch Stillstände massiv verkürzen.
KI in der Logistik
Aus der Analyse verschiedener Datenquellen (ERP, WMS, TMS, Wetterprognosen, Marktdaten, etc.) können verlässliche Prognosen für Wareneingänge und Lagerbewirtschaftung sowie verlässliche Prognosen für die Transportkosten von den Lieferanten bzw. an die Kunden erstellt werden. Während oder nach der Verladung können mit handelsüblichne Smartphone oder Tablets aufgenommene Bilddaten die Beladung und den Freiraum analysieren, um bspw. künftiges Potenzial abzuschätzen und so die Transportkosten zu reduzieren.
Besonders in der Zustellung kann KI dem Disponenten und Fahrer enorme Effizienz-Einsparungen ermöglichen, welche bisher nur mit viel Erfahrung und vernetztem Denken möglich waren. Und auch dann nicht immer zuverlässig. Statische Informationen wie Sicherheitsvorgaben, kundenindividuelle Abläufe und Öffnungszeiten der Warenan- bzw. -Ausgabe können, mit dynamischen Informationen ergänzt, eine grosse Hilfestellung bieten. Dazu gehören aktuelle (und prognostische) Verkehrsdaten, lokale Fahrverbote und Feiertage sowie temporär abweichende Ladehinweise beim Kunden. Dadurch wird die Disposition nicht nur autonomer und agiler. Auch die Kosten für die Logistik werden deutlich reduziert.
Ist das Lager voll oder muss aus anderen Gründen neue Fläche erworben oder gar gebaut werden, so stellt sich – insbesondere in Produktionsbetrieben – die Frage, wie gross die Logistikfläche sein darf. Im Duell Produktions- gegen Lagerfläche, zieht die Logistik oft den kürzeren. Nicht zu Unrecht, denn ist die Produktion das Kerngeschäft, kann einfach externe Lagerfläche oder gar die ganze Logistik ausgelagert werden. Vor diesem Entscheid sollten vorhandene oder potenzielle Flächen jedoch optimal geplant werden, Dafür gibt es eine Neuentwicklung aus der angewandten Forschung: Der WarehouseDesigner vom Fraunhofer IML nutzt Methoden der Handschrift- und Zeichnungserkennung, um Blocklayouts aus analogen Skizzen automatisch zu digitalisieren. So kann bereits bei einer ersten Begehung einer neuen, potenziellen Fläche, die zukünftigen Kapazitäten ermittelt und variert werden. Eine grosse zeitliche und finanzielle Ersparnis
Fazit
Gemäss einer Studie von Gartner schaffen es 50% der KI-Projekte nicht über den PoC hinaus. Jedes KI-Projekt beginnt idealerweise mit einem nüchternen Blick auf die vorhandene Datenbasis. Diese sollte mindestens für ein ganzes Jahr vorhanden sein. Denn ohne Input kein Output. Ein bis zwei Workshops bringen ans Licht, welche Felder nachgepflegt oder aus externen Quellen angereichert werden müssen.
Auf der Systemseite sollten Kernanwendungen – allen voran ERP und dessen Subsysteme – über standardisierte Schnittstellen
verfügen. Entscheidend sind bidirektionale Datenflüsse. KI braucht Zugriff auf Rohdaten, während die erzeugten Ergebnisse automatisiert an die ausführenden Systeme zurückgeschrieben werden müssen, damit echter Mehrwert daraus entsteht.
Starten Sie nicht mit der Technologie (Projektziele wie „KI einführen“ scheitern garantiert), sondern mit einem klaren Use Case. Ein konkreter Anwendungsfall, der schnell messbaren Mehrwert schafft und sich skalieren lässt. Achten Sie dabei darauf, den Prozess End-to-End zu orchestrieren und nebst standardisierten Prozessen auch medienbruchfreie Informationsflüsse sicherzustellen. Nur so kann ein Closed Loop entstehen und die KI ihren vollen Nutzen entfalten.