Mehr Effizienz in der Logistik dank Künstlicher Intelligenz

Die Logistik ist ein geradezu idealer Anwendungsfall für Künstliche Intelligenz. Aufgrund ihres enormen Potenzials, Prozesse zu optimieren, Störungen und Fehler im System rechtzeitig zu erkennen und zu beheben sowie Kosten zu senken, wird sie von der Mehrheit der Entscheidungsträger innerhalb der nächsten zehn Jahre als unverzichtbarer Bestandteil der Branche angesehen. Auch aufgrund ihres Potenzials, neue, attraktivere Arbeitsplätze entstehen zu lassen.

Die Corona-Krise war und ist auch eine Krise der globalen Lieferketten und der Logistik. Sie kann jedoch auch als Weckruf verstanden werden: Immer ausgefeiltere Supply-Chain-Systeme sind in einem volatilen Umfeld und angesichts von Schwankungen bei Angebot und Nachfrage (nicht zuletzt auch aufgrund des Klimawandels oder wegen geopolitischer Rivalitäten) umso verletzlicher. Systeme der Künstlichen Intelligenz bieten jedoch ungeahnte Möglichkeiten, auf rasche Veränderungen schnell zu reagieren – beziehungsweise sie vorherzusehen und auch im Nicht-Krisenmodus die Abläufe effizienter zu organisieren, Ressourcen zu sparen und Kosten zu senken.

 

Die Logistik als idealer Anwendungsfall für die Künstliche Intelligenz.
Logistiksysteme sind Ursache-Wirkungs-Zusammenhänge, die zwar eindeutig, aber aufgrund ihrer Komplexität für den Menschen und für herkömmliche Methoden der Operations Research kaum überschaubar sind. Welche Auswirkungen haben ein Stau, ein Materialschaden bei einer Maschine oder ein Streik in einem Hafen an einem anderen Ende der Welt für das Gesamtsystem? Wie kann es rasch erneut in sich abgestimmt werden? Systeme der Künstlichen Intelligenz werden das in Zukunft immer genauer berechnen können.

Mehr noch: Wie werden sich aufgrund von Ernteausfällen oder Rekordernten, Wechselkursentwicklungen oder Themen, die in den Sozialen Medien gerade virulent sind, Angebot und Nachfrage nach bestimmten Gütern (auseinander) entwickeln? Künstliche Intelligenz kann nicht nur Prozesse optimieren sondern auch in der Bedarfsprognose und der Absatzplanung eingesetzt werden.

Intelligente Algorithmen, hohe Rechenleistung und Big Data.
Möglich ist dieser Einsatz von Künstlicher Intelligenz durch mehrere Faktoren: Einer hohen und ständig zunehmenden Rechenleistung und Speicherkapazität, Big Data und intelligenten Algorithmen. Die Rechenleistung von Computern und Chips potenziert sich fortwährend – bis zum Jahr 2040 könnte sie gegenüber heute um einen Faktor 1000 zugenommen haben.

Nicht nur durch das Internet und durch soziale Medien, sondern auch über Sensoren und Systeme der Echtzeitdatenübermittlung kann auf gewaltige und stets aktuelle Datenmengen und auch auf aussagekräftige Datenreihen zugegriffen werden – das ist «Big Data». Bei Logistikprozessen selbst werden täglich riesige Mengen an Daten produziert. Basierend darauf können Aussagen getroffen werden, wie sich Systeme über die Zeit hinweg verhalten und auf welche Einflussfaktoren und Veränderungen sie wie reagieren.

Es gibt je länger je mehr Datenquellen, die bald neues Potenzial zur Effizienzsteigerung in der Logistik bieten können. So stellen beispielsweise die B2B-Plattformen wlw (ehemals «Wer liefert was») und EUROPAGES grosse Mengen an Daten zu Rohstoffen und Produkten zur Verfügung. Neben detaillierten Spezifikationen sind auch Preise und Lieferzeiten enthalten. Es ist absehbar, dass die Daten dieser beiden Plattformen des Plattformanbieters Visable in Zukunft genutzt werden können, um Lagerbestände durch Künstliche Intelligenz effizient zu bewirtschaften. Es sind dann Nachbestellungen zum besten Preis termingerecht und automatisiert möglich.

Notwendig dafür ist die Verfügbarkeit von qualitativ hochwertigen Daten. Denn Datenquantität ist nicht gleich Datenqualität. «Es ist wichtig, eine adäquate Vorauswahl zu treffen, welche Daten benötigt werden. Zudem muss sichergestellt sein, dass diese Daten in genügender Qualität vorhanden sind», berichtet der CTO von Visable, Daniel Keller. «Visable hat für die Datensammlung begonnen, Künstliche Intelligenz zu nutzen, um relevante Daten als solche zu identifizieren – im Sinne eines Lernprozesses über intelligente Algorithmen», erklärt Daniel Keller.

Intelligente Algorithmen bedeutet, dass Künstliche Intelligenz, die auf diesen Algorithmen beruht, die Ergebnisse, die sie produziert und die Prognosen, die sie aufgrund einer Auswertung von Daten trifft, mit dem realen Wert vergleicht, aus ihren Fehlern lernt und sich so selbst fortwährend optimiert. Es bedeutet auch, dass Künstliche Intelligenz Echtzeitdaten verarbeiten und so instantan reagieren kann. Das heisst nicht, dass Künstliche Intelligenz deswegen ein Bewusstsein entwickelt. Im Hinblick auf ihre Rechenkapazitäten ist sie den kognitiven Fähigkeiten des Menschen jedoch bei weitem überlegen.

Vielfältige Anwendungsgebiete zur Effizienzsteigerung in der Logistik.
Künstliche Intelligenz kann aber noch für viel breitere Anwendungsgebiete als die simple Lagerbewirtschaftung genutzt werden. Zunächst können Systeme der Künstlichen Intelligenz Transportrouten (innerhalb und ausserhalb des Lagers) planen und, im Zusammenhang mit unerwarteten Ereignissen, neu berechnen. Ankunftszeiten können noch genauer vorhergesagt werden. Systeme der KI können leicht erkennen, wenn bestimmte Produkte oder Komponenten im Lager rar werden – und die möglichen Auswirkungen auf andere Produkte oder Komponenten im Logistikzyklus vorhersehen – und diese dann rechtzeitig aufstocken. Genauso können Überkapazitäten erkannt werden.

Im Sinne von «Predictive Maintainance» kann Künstliche Intelligenz Maschinenausfälle vorhersehen und darüber hinaus effizient die Timeslots für die entsprechenden rechtzeitigen Wartungsarbeiten innerhalb des Gesamtprozesses einteilen. Autonome Drohnen können Inventuren erledigen und Bilder zur Schadensprüfung aufnehmen. Chatbots können Anfragen von Paketempfängern entgegennehmen. Das Sortieren von Waren und Komponenten im Lager ist für den Menschen eine zeitintensive Aufgabe. Hier können Roboter die Vorsortierung übernehmen. Darüber hinaus können sie besser erkennen, welche Produkte oder Komponenten gerade stärker nachgefragt werden und diese näher am Ein-/Ausgang platzieren, um Wegzeit zu sparen.

Und neben dieser Prozess- und Transportoptimierung kann Künstliche Intelligenz eben in der Bedarfsprognose und Absatzplanung eingesetzt werden. Durch Big Data kann besser vorhergesehen werden, wer wann wo was braucht; wo es in nächster Zeit bei bestimmten Produkten zu einem Nachfrageüberhang oder aber –defizit kommen könnte. Damit kann sie nicht nur in bestehende Prozesse eingreifen und diese optimieren, sondern Ressourcen und Kapazitäten auch in die jeweilige Zukunft hinein besser aufteilen. Das würde bedeuten, dass Künstliche Intelligenz in der Logistik nicht allein innerbetriebliche Probleme und Engpässe sondern vielleicht sogar gesamtwirtschaftliche Abschwünge oder Volatilitäten besser abfedern könnte. Anhand dieser Beispiele sieht man auch, dass Künstliche Intelligenz menschliche Arbeit im Grossen und Ganzen nicht ersetzen wird. Sie wird die menschliche Arbeit vielmehr unterstützen.

Entscheidungsträger nehmen noch eine abwartende Haltung ein.
Trotz des hohen Potenzials von Künstlicher Intelligenz handelt es sich im Wesentlichen um eine neue Technologie, deren volle Entfaltung noch in der Zukunft liegt und deren Möglichkeiten, Risiken und Nebenwirkungen noch nicht ganz verstanden werden. So ist es dann vielleicht auch weniger verwunderlich, dass viele Unternehmen noch zögern, Künstliche Intelligenz zu implementieren. Laut einer Studie des Magazins Logistik heute und INFORM wenden nur 26 Prozent der befragten Betriebe in Deutschland Künstliche Intelligenz in ihrer Logistik an. Dabei gibt mehr als die Hälfte der Befragten (54 Prozent) an, dass ihnen das entsprechende Know-how fehlen würde. Als weitere Hindernisse werden hohe Kosten (46 Prozent), eine unzureichende IT-Infrastruktur (44 Prozent) und ein Mangel an zeitlichen Ressourcen (38 Prozent) genannt. Aus einer Bitkom-Studie aus dem Jahr 2019 geht jedoch hervor, dass 70 Prozent aller Befragten davon ausgehen, dass Künstliche Intelligenz in den nächsten zehn Jahren ein unverzichtbarer Bestandteil in der Logistik sein wird.

Doch auch einen anderen Grund gibt es für die reservierte Haltung gegenüber dem Einsatz von Künstlicher Intelligenz in der Logistik: Die Angst davor, dass Künstliche Intelligenz in grossem Stil Arbeitsplätze überflüssig machen könnte. Was sich abzeichnet, ist, dass Künstliche Intelligenz menschliche Fähigkeiten beträchtlich erweitert, sie aber nicht notwendigerweise ersetzt. Vielmehr werden Menschen benötigt, die die Systeme der Künstlichen Intelligenz beaufsichtigen, warten und die ihre Vorschläge ausführen und konkret umsetzen. Zu erwarten ist, dass sich durch den Einsatz von Künstlicher Intelligenz gesamtwirtschaftlich und gesamtgesellschaftlich neue Berufsfelder auftun. In der Summe könnten in der Logistik bessere und weniger anstrengende Arbeitsplätze entstehen.

Die Logistik ist also ein idealer Anwendungsfall für die Künstliche Intelligenz. Die Möglichkeiten, dass Probleme schneller und effizienter behoben werden, Kosten gesenkt, Ressourcen geschont, nicht allein betriebswirtschaftliche sondern gesamtwirtschaftliche Krisen und Probleme durch sie abgefedert werden und nicht zuletzt eventuell bessere Arbeitsplätze für Menschen entstehen, sind kaum zu unterschätzen. Klar ist, dass noch Qualifizierungsbedarf besteht. Bald aber dürfte allein aus Gründen des Wettbewerbs Künstliche Intelligenz in der Logistik überall zu finden sein. Für die Betriebe lohnt es sich daher, sich jetzt bereits darauf vorzubereiten.

LOGISTIK express Journal 4/2022

Translate »
error: