Artikel teilen:

Trotz bedeutender Fortschritte beginnt sich das volle Ausmaß der Potentiale Industrieller Künstlicher Intelligenz für die Logistik gerade erst zu entfalten. Ein komplexes Umfeld, hohe Dynamik, Personalknappheit, Beschaffungsengpässe, steigende Kundenerwartungen und nicht zuletzt das Transformationspotential von Krisen: Um aktuellen Herausforderungen in der Logistik besser zu begegnen, ergeben sich immer mehr KI-basierte Anwendungsfälle.

Hierzu gehören z.B. die Prognose von Absätzen, Picks und Durchlaufzeiten oder die intelligente Optimierung der Steuerung von Mitarbeiterkapazitäten und Kommissionierungsvorgängen.

Warum erfolgt deren Umsetzung also nicht schneller und konsequenter? Die folgende Orientierung erleichtert den Einstieg: wir haben sowohl häufig von Teilnehmern unserer Webinare genannte Hürden als auch unsere Kundenprojekte unter die Lupe genommen und “Geling-Muster” identifiziert. Mit diesen fünf Erfolgsfaktoren teilen wir langjährige Lernerfahrungen, damit Sie Ihr kommendes Industrielles KI-Projekt bestmöglich starten und umsetzen können:

1. Ihre Teams passgenau unterstützen und einbeziehen

Es gibt jede Menge Theorie und Hype-geladene Programmatik. Was jedoch häufig fehlt, sind lebendige Beispiele und konkrete Vorstellungen, die zeigen, was in der Praxis möglich ist und was es bringt, mit KI in der Logistik neue Wege zu gehen.

Mit der richtigen Auswahl von Anwendungsfällen legen Sie den Grundstein für Ihren Projekterfolg. Suchen Sie also frühzeitig den Schulterschluss mit den Kollegen, die über wichtiges Wissen zu Daten, IT, Prozessen und die operative Realität verfügen. Entwickeln Sie aus der Diskussion Akzeptanz und ein gemeinsames Verständnis für den betrieblichen Nutzen und die technologischen Anforderungen.

Mit der richtigen Unterstützung kann Ihr Projektteam bereits mit wenig Aufwand auch neben der operativen Beanspruchung zügige Fortschritte und konkrete Entscheidungsvorlage realisieren.

Daten zu Taten: Vorgehen (AIM 2022)

2. Groß denken – aber zügig Streckenerfolge verbuchen

Wenn Sie neben einer richtigen Erwartungshaltung früh darauf achten, dass Ihr KI-Projekt in den Gesamtkontext der strategischen Ziele Ihres Unternehmens passt, dann gelingt auch die überzeugende Darstellung von Wertschöpfung und ROI.

Ein professionell durchgeführtes KI-Projekt ist mit einer steilen Lernkurve verbunden, die sich positiv nicht nur auf weitere Anwendungsfälle auswirkt, sondern zügige Einsichten für das gesamte Unternehmen bietet. Ein effektives Vorgehen verbindet praktisches logistisches Fachwissen mit den Möglichkeiten, die KI und Maschinelles Lernen bieten. Hier zählt die Erfahrung beider Welten: die der (Intra-) Logistik sowie die der datengetriebenen Prozessoptimierung im Kontext der Supply Chain.

Auf die größere strategische Vision sollten Sie daher mit zügigen Streckenerfolgen hinarbeiten. Beispielsweise Datenanalyse, Nachweis der Mehrwerte und erste Pilot-Anwendungsfälle. Diese nutzen Sie dann als interne Basis für weitere Schritte . Das Risiko von Fehlinvestitionen wird dadurch ebenfalls minimiert.

3. Solide Datenbasis herstellen und Datenpotentiale nutzen

Bereits wenn Sie beginnen, erste Schritte mit Ihren verfügbaren Daten umzusetzen, entstehen belastbare Aussagen darüber, welche Muster durch KI/ Machine Learning Modelle genutzt und welche neuen fachlichen Erkenntnisse gewonnen werden können. Beispiele hierfür sind:

  • Sortimentsdynamik statt statischer ABC Analysen
  • Ähnliche Verhaltensweisen von Artikel- oder Kundengruppen
  • Auffälligkeiten und Anomalien
  • Häufige Artikelkombinationen
  • Trends, saisonale Effekte, Auswirkungen von Ferien- / Feiertagen

Abbildung: Korrelationen (AIM 2022)

Abbildung: Sortimentsdynamik (AIM 2022)

Wenn die identifizierten Prozesse ein hohes Einsparpotential aufweisen, jedoch nicht hinreichend historische Daten vorhanden sind, beginnen Sie rasch mit der kontinuierlichen Datenerfassung. Prüfen Sie besonders, welche Daten von Experten bislang für eine Entscheidungsfindung bei der operativen Arbeit verwendet werden. Diese sind sehr wahrscheinlich auch für die automatisierte Datenauswertung von großer Relevanz.

Seien Sie bereit, bei Bedarf auch Maßnahmen für die Erweiterung um bisher nicht genutzte oder strukturiert vorliegende Daten umzusetzen wie z.B. Kampagnen und Promotions. Auch externe Informationen über Wettbewerber, Verkehr oder Wetter können zusätzliche Mehrwerte liefern.

4. Realisierbare, praktische Mehrwerte im Fokus behalten

Das beste neue System ist eins, das man erst wahrnimmt, wenn sich dessen Mehrwerte realisieren. Vermeiden Sie also unbedingt Reibungsverluste, in dem Sie bestehende, gelernte Abläufe und Begriffe nicht zu stark ändern. Die Wirkungsweise innovativer KI-basierter Predictive Supply Chain Lösungen muss zudem auf einfache Weise transparent gemacht werden – wie funktioniert KI, welche Einflussfaktoren bestimmen z.B. Prognosen, welche Kriterien werden für automatisierte dispositive Empfehlungen herangezogen.

Neben der kritischen Erarbeitung praxisrelevanter KI-Anwendungsfälle ist die nahtlose Integration in die bestehende, bisher erfolgreiche Arbeitssituation sowohl für die Akzeptanz als auch die Effizienz wichtig.

Hierfür sind auch einfache Benutzeroberflächen, Dashboards für Disponenten und Mitarbeiter im Lager auf großen Monitoren, Schnittstellen zu bestehenden Werkzeugen (z.B. Excel) und Systemen (ERP, WMS) erfolgskritische Faktoren um die Arbeitsabläufe optimal zu unterstützen.

Abbildung: Absatzprognose für Beschaffungssteuerung (AIM 2022)

Abbildung: Pickprognose für Personalbedarfsplanung (AIM 2022)

5. Produktivtauglich umsetzen: robust, skalierbar, flexibel, erweiterbar

In vielen Fällen werden falsche Erwartungshaltungen geweckt (- “Das macht ja jetzt die KI.” -) oder die erfolgreiche Produktivsetzung schlichtweg durch handwerkliche Defizite verhindert (- 70% der KI Proof of Concepts gehen niemals produktiv). Komplexe Modelle wie Deep Neural Networks & Co. sind nicht immer die beste Lösung und schaffen keinen Mehrwert, wenn Sie nur auf dem Arbeitsrechner von Data Engineers und Data Scientists funktionieren.

Die Bereitstellung einer soliden Infrastruktur für die Daten Integration mit Bestandssystemen (ERP, WMS) sowie deren zuverlässige, skalierbare und automatisierte Verarbeitung durch KI-Module ist zwingend notwendig. Hierbei hilft die Nutzung bestehender, praxisbewährter Plattform- und Lösungsbausteine – und schafft quasi als Nebeneffekt die Basis für das zunehmend schnellere Ausrollen neuer Anwendungsfälle.

Zunehmend ist hierfür auch die flexible Nutzung solcher Lösungen in der Cloud als Managed Service oder Software as a Service wichtig: die häufig temporär größeren Ressourcenbedarfe von Daten/ KI Anwendungen können so stressfrei und kosteneffizient bedient werden.

 

Und jetzt?

  • Alles dreht sich um Ihren individuellen Nutzen: Versammeln Sie rund um den potentialreichsten Anwendungsfall in Ihrer Organisation die wesentlichen Experten und Teams und betreiben Sie gemeinsam aktives Datenmanagement.
  • Fördern Sie Lern- und Anpassungskultur: Menschen sind bereit, etwas ausprobieren, es in der Praxis zu testen und dann auf der Grundlage der gewonnenen Erkenntnisse Anpassungen vorzunehmen – in zügigem Tempo und mit persönlichen Erfolgserlebnissen.
  • Kein „Entweder-oder“, sondern „Und“. Ein komplexes Umfeld und hohe Dynamik der Logistik beantworten Sie erfolgreich mit schrittweisem Einsatz intelligenter Tools – und nicht mit unterkomplexen Lösungen der Vergangenheit: Mit Bauchgefühl gefüllte Exceltabellen bringen Sie heute nicht mehr voran. 
  • Der beste Zeitpunkt, die Datenlandschaft zu erkunden und geschäftlich zu nutzen, war vermutlich vor zehn Jahren. “Jetzt” ist mit Sicherheit der zweitbeste. Legen Sie los!

Data Science und Industrielle KI einfach machen. Wir unterstützen Sie:

  • Mit unserem Wissen, unserer Erfahrung und unseren Lösungsbausteinen für die Smart Supply Chain.
  • Mit Inspirations-Workshops und KI-Wissenstransfer für Ihre Fachbereiche.
  • Mit einem praxisbewährten, zügigen Vorgehen (Process Data Landscaping, Data Checks, Proof of Value).
  • Mit schneller Erreichung produktiver Piloten und passgenauen Services für den Betrieb.

Diese Artikel könnten Sie auch interessieren:

Consent Management Platform von Real Cookie Banner