Menu Menu
DE | EN
Krisensichere Supply Chains durch künstliche Intelligenz

Krisensichere Supply Chains durch künstliche Intelligenz

Laut einer Studie vom Institute of Business Forecasting (IBF) wird der bedeutendste Einfluss auf die Bedarfsplanung in den nächsten sieben Jahren von Technologien mit künstlicher Intelligenz (KI) ausgehen. Eine der größten Herausforderungen im Supply Chain Management ist die Komplexität des gesamten Prozesses. Disruptionen durch Klimawandel, Pandemien oder Versorgungsengpässe erschweren das Handling. Soll ein verlässlicher Forecast erstellt werden, so sind Know-how und die modernsten technischen Voraussetzungen unabdingbar.

KI im Supply Chain Management

Bei KI handelt es sich um eine Technik, welche versucht die menschliche Intelligenz durch Nachbildung von Entscheidungsstrukturen nachzuahmen. Eine übergreifende Einteilung kann in starke und schwache KI erfolgen. Starke KI ist derzeit noch visionär, da hierunter Technologien verstanden werden, die auf Augenhöhe mit Menschen agieren. Menschliche Eigenschaften wie Bewusstsein oder Empathie gelten als konstituierende Merkmale. Im Gegensatz dazu ist schwache KI im Supply Chain Management mittlerweile allgegenwärtig. Hierbei handelt es sich um Algorithmen für bestimmte, abgegrenzte Problemstellungen. Dazu zählen die Nutzung aktueller Daten bei Einkaufsverhandlungen, das Aufspüren alternativer Lieferanten und die Risikoüberwachung der gesamten Supply Chain. KI beleuchtet dabei die Beziehung zwischen Kunden und Lieferanten und analysiert die dazugehörigen Daten durch den Einsatz von Algorithmen. Der Supply Chain Manager erhält durch ihren passgenauen Einsatz valide Handlungsempfehlungen.

KI in der Bedarfsplanung: TenglerGluttig Forecast Engine

Die TenglerGluttig Forecast Engine, die auf historische Unternehmensdaten zurückgreift, ermöglicht eine Auslagerung der Bedarfsplanung bei gleichzeitiger Verbesserung der Prognosegenauigkeit. Die Verbesserung wird durch einen eigens entwickelten Algorithmus erreicht, welcher basierend auf Ergebnissen von verschiedenen (statistischen) Forecasting-Methoden jene mit der genauesten Prognose wählt. Eine Anpassung der Methoden ist jederzeit möglich und wird durch TenglerGluttig evaluiert. Somit bleibt die Forecast Engine technologisch stets am neuesten Stand. Die Auswahl der geeignetsten Methode findet auf SKU-Ebene (Stock Keeping Unit) statt und wird für jeden Zeitraum neu durchgeführt. Somit ist sichergestellt, dass auch sich ändernde Marktbedingungen in der aktuellsten Bedarfsplanung abgebildet werden.

 

Die Vorteile spiegeln sich in der jederzeitigen Produktverfügbarkeit sowie in optimierten Lagerbeständen wider, was gesamthaft zu zufriedenen Kunden und deren Bindung an das Unternehmen führt. Die Forecast Engine kommt im mittelständischen Bereich oftmals als Forecast-as-a-Service zum Einsatz. Die Unternehmen können sich so auf ihre Kernkompetenz fokussieren und strategische Überlegungen anstellen.

Weitere marktgängige KI-Lösungen zur Bedarfsplanung

Andere KI-Planungslösungen bieten neben der Bedarfsprognose zusätzliche Unterstützung im Preis- und Lagermanagement. Für die Planung der Kundenbedarfe werden ebenso Forecasting-Methoden genutzt, die auf Statistik und KI basieren. Dabei kommen Deep-Learning-Technologien zum Einsatz. Deep Learning greift auf künstliche neuronale Netze zurück und ist nichts anderes als eine zeitgemäße Methode der Informationsverarbeitung. Es lassen sich immense Ströme komplexer Daten analysieren. Ausfälle und Störungen fließen in die Berechnungen ein und ermöglichen eigene Prognosen.

Neueste Entwicklungen der KI bieten zudem die Analyse von Texten, zB in Social Media-Einträgen, Kundenrezessionen oder qualitativem Feedback. Darauf aufbauend werden Forecasts für bestehende Produkte erstellt, jedoch auch bereits bei Markteinführungen angewandt.

Die Krux mit der künstlichen Intelligenz

Künstliche Intelligenz benötigt Big Data. Diese umfassenden Daten sind kaum in entsprechender Qualität verfügbar. Der Einsatz stellt Unternehmen vor organisatorische Herausforderungen, da das Know-how oder die Personalressourcen in den seltensten Fällen vorhanden sind. Der Mehrwert der KI-Methoden ist hingegen unbestritten. Vorsicht ist jedoch geboten, da der Aufwand der Einführung den Mehrwert um ein Vielfaches übersteigen kann. Das Wertsteigerungspotential durch KI steckt in der Fähigkeit der Unternehmen diese Technologien entsprechend zu nutzen.

Für die Auswahl und Analyse der Technologien braucht es einen verlässlichen Partner, der über die Kenntnis aller marktfähigen Lösungen im Supply Chain-Bereich verfügt. Nur so kann die Anwendbarkeit und das Wertsteigerungspotential auf das einzelne Unternehmen heruntergebrochen und umgesetzt werden.



< Zurück zur Übersicht