Mit KI stockende Lieferketten verbessern

Lieferketten sind in aller Munde, seitdem sie global häufig nicht mehr reibungslos funktionieren. Die Pandemie war aber nur der Auslöser, denn es gibt zahlreiche Trends, die für stetigen Wandel in der Lieferkette sorgen. Wer den Wandel aktiv mitgestalten möchte, braucht nicht nur Erkenntnisse, sondern die passende IT-Infrastruktur und eine Portion operative künstliche Intelligenz.
Bild: ©deagreez/stock.adobe.com

Die wichtigsten Treiber für den Wandel bei Fertigung und Lieferkette lassen sich grob in fünf Bereiche einteilen: Industrie, IT-Technologie, Nachhaltigkeit, Arbeitsmarkt und Cybersecurity. Die ersten beiden Bereiche bieten dabei die größten Verbesserungspotenziale:

Bei der industriellen Produktion erwarten 80 Prozent aller Unternehmen allein aufgrund der besseren Vernetzung und Verzahnung der Produktionspartner deutliche Effizienzsteigerungen. Durch die Einführung von Smart-Factory-Technologien gehen Experten von Kosteneinsparungen von 17 bis 20 Prozent aus. Deutliche Veränderungen stehen aber nicht nur bei Produktion und Logistik, sondern auch bei der Steuerung durch die Software-Plattformen an. Supply-Chain-Anwendungen haben Firmen bereits zu 90 Prozent in die Cloud verlagert, um agiler und flexibler auf Veränderungen reagieren zu können. Künstliche Intelligenz kommt vermehrt zum Einsatz, insbesondere bei der ‚Predictive Analysis‘, die große Datenmengen nutzt, um möglichst exakte Prognosen für die Entwicklungen in der den Lieferketten zu generieren.

Von traditionellen Lieferketten zur resilienten, flexiblen End-to-End-Logistik

Eine traditionelle Lieferkette ist dadurch gekennzeichnet, dass nur ein geringer Informationsaustausch zwischen den einzelnen Abschnitten stattfindet. Diese Silo-Bildung erschwert und verkompliziert nicht nur die zentrale Planung, sondern auch die adäquate schnelle Reaktion auf unvorhergesehene Veränderungen. Sie benötigt daher größere Puffer in Form von Lagern.

Eine zukunftsorientierte Lieferkette stellt die maximale Transparenz und intensiven Datenaustausch in den Mittelpunkt. Sie hofft nicht darauf, dass die Lieferkette so funktioniert, wie sie geplant wurde, sondern ist ein dynamischer Regelkreis, der aufgrund der gesammelten Daten ständig nachsteuert. Sie erkennt Veränderungen frühzeitig und trifft Voraussagen, um darauf schon im Vorfeld zu reagieren und Engpässe zu vermeiden. Diese prädikative Lieferkette ist dynamisch: Steigt etwa die Nachfrage nach einem Produkt an, justiert sie die Herstellung der Teile, das Assembly und auch die Logistik entsprechend nach.

Die Rolle der KI zur Stärkung von Lieferketten

Letztlich lässt sich eine Lieferkette auf drei Ebenen betrachten:

die physische Ebene: Sie beinhaltet die Produktionsplanung, Warehouse Automation, Factory Scheduling, Lagerverwaltung

die Informationsflussebene: Sie regelt, welche Informationen wo gesammelt, konsolidiert, versendet und verarbeitet werden, um eine verbesserte Informationslage herzustellen

die Finanzierungsebene mit Businessplanungen, Bedarfsprognosen, Inventarplanungen und Analysen

Für alle Ebenen fallen eine große Menge an Informationen an, die weit über die Datenmengen eines klassischen ERP-Systems hinausgehen. Künstliche Intelligenz und Machine-Learning-Algorithmen sind dafür geeignet, diese großen Informationsmengen zu verarbeiten, zu analysieren 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.

KI operativ implementieren

Viele Unternehmen haben künstliche Intelligenz als potenzielle Lösungsmethodik für das Lieferketten-Management erkannt, scheitern aber nach einer ersten Validierung und eines erfolgreichen Probelaufs daran, die KI in die operativen Prozesse zu übernehmen. Sie haben für die höheren Anforderungen – verglichen mit Standard-Applikationen ¬ keine etablierten Prozesse: Die zu speichernden und verarbeitenden Datenmengen sind deutlich größer, außerdem müssen die der KI und Machine Learning zugrunde liegenden Daten regelmäßig neu validiert und die KI-Modelle erneut trainiert werden, um sich der veränderten Wirklichkeit regelmäßig anzupassen.

Seiten: 1 2Auf einer Seite lesen

www.blueyonder.com
Blue Yonder, Inc.

Das könnte Sie auch Interessieren

Bild: Fraunhofer IEM
Bild: Fraunhofer IEM
Effiziente Produktionsplanung: KI reduziert Aufwand bei Schulte Kartonagen um 25%

Effiziente Produktionsplanung: KI reduziert Aufwand bei Schulte Kartonagen um 25%

Welcher Liefertermin steht wann an? Wie aufwändig muss die Maschine umgerüstet werden? Ist das benötigte Material bereits geliefert? Um die Reihenfolge verschiedener Kundenaufträge optimal zu planen, müssen Produktionsplaner:innen eine Vielzahl von Faktoren kennen und einschätzen. Bei Schulte Kartonagen hat ab sofort ein intelligenter KI-Assistent alle Faktoren im Blick – und macht Vorschläge für die effiziente Planung der Produktion. Gefördert wurde die Zusammenarbeit mit dem Fraunhofer IEM und den Universitäten Paderborn und Bielefeld im it’s OWL-Projekt ARISE.

Bild: schoesslers GmbH
Bild: schoesslers GmbH
appliedAI Institute for Europe launcht kostenlosen KI-Onlinekurs

appliedAI Institute for Europe launcht kostenlosen KI-Onlinekurs

Das gemeinnützige appliedAI Institute for Europe stellt den kostenfreien Online-Kurs ‚AI Essentials‘ zur Verfügung, der es Interessierten ermöglicht, in die Welt der Künstlichen Intelligenz einzusteigen. Konzepte wie maschinelles Lernen und Deep-Learning sowie deren Anwendungsmöglichkeiten und Auswirkungen auf unser Leben und unsere Wirtschaft sind Teile der umfassenden Einführung.

Bild: Trumpf SE + Co. KG
Bild: Trumpf SE + Co. KG
Künstliche Intelligenz macht Fabriken clever

Künstliche Intelligenz macht Fabriken clever

Seit dem Siegeszug des Chatbots ChatGPT ist künstliche Intelligenz in aller Munde. Auch in der industriellen Produktionstechnik kommt KI mit großen Schritten voran. Lernende Maschinen machen die Fertigung effizienter. Wie funktioniert das genau? Das können Interessierte auf der EMO Hannover 2023 vom 18. bis 23. September erfahren. Die Weltleitmesse für Produktionstechnologie wird ihr Fachpublikum unter dem Claim ‚Innovate Manufacturing‘. mit frischen Ideen inspirieren und künstliche Intelligenz spielt dabei ihre Stärken aus.

Bild: Mitsubishi Electric Corporation, Japan
Bild: Mitsubishi Electric Corporation, Japan
KI-gestütztes Analysetool für moderne Produktionslinien

KI-gestütztes Analysetool für moderne Produktionslinien

Das Data-Science-Tool Melsoft MaiLab von Mitsubishi soll Unternehmen bei der Digitalisierung ihrer Fertigung und unterstützen und so deren Produktivität steigern. Die neue Lösung ist eine intuitive, bedienerzentrierte Plattform, die KI nutzt, um Abläufe automatisch zu verbessern. Sei es Abfallvermeidung durch geringere Ausschussmengen, weniger Stillstandszeiten durch vorbeugende Wartung oder Senkung des Energieverbrauchs durch Prozessoptimierung.

Bild: Fraunhofer IGD
Bild: Fraunhofer IGD
Software Arrange beschleunigt Absortierprozesse

Software Arrange beschleunigt Absortierprozesse

In Kombination mit einer Augmented-Reality-Brille bietet eine neue Software des Fraunhofer IGD digitale Unterstützung von Absortiervorgängen. Zusammengehörige Bauteile werden direkt im Sichtfeld der Beschäftigten an der Produktionslinie farblich überlagert. Anwender im Automotive-Bereich können so etwa durch beschleunigte Prozesse und eine minimierte Fehleranfälligkeit Kosten reduzieren.