Mensch und AI gehen Hand in Hand

AI krempelt Logtik um

Die verwendeten Rechenmodelle fußen dabei auf größtenteils statischen Daten und Restrik­tionen wie beispielsweise Straßenkarten. Unter Einbeziehung von Erfahrungswerten lassen sich solche Optimierungsmodelle erweitern, so dass sich beispielsweise saisonale Schwankungen durch Urlaubszeiten oder Feiertage berücksichtigen lassen. Diese Art von Optimierung wirkt sich auf den Einsatz wertvoller Ressourcen aus und hat somit nicht nur monetäre, sondern auch ökologische Vorteile.

Durch die Anwendung von AI ergeben sich Möglichkeiten der Optimierung, die jedoch noch viel weiter gehen. Spezielle Algorithmen des maschinellen Lernens erkennen Muster und Trends, die der menschlichen Intelligenz verborgen bleiben. Sie berücksichtigen zusätzliche Faktoren wie aktuelle Verkehrs- und Wetter­daten oder Arbeitsprozesse im Ziellager, die für die Optimierung der Route während der Fahrt in Echtzeit genutzt werden können. In Zukunft werden Fahrer nicht mehr mit einer festgelegten Route starten, sondern dynamischen Hinweisen eines AI-gestützten Navigationssystems folgen. Die Fahrer können so nicht nur Staus vermeiden, sondern auch Wartezeiten vor den Lagern verkürzen.

IoT und AI optimieren SCM

Kundenseitig liegt der Vorteil in dieser Entwicklung zunächst darin, dass die Zuverlässigkeit der geschätzten Ankunftszeit (Estimated Time of Arrival) sich erheblich verbessert. Immerhin wird die Routenplanung in die Prozesse der Kunden integriert. In fünf Jahren wird sich das Anwendungsgebiet hier noch wesentlich vergrößern: Als Experten im Bereich Supply-Chain- Management (SCM) werden Logistikunternehmen ihren Kunden unter dem Begriff Fourth Party Logistics Leistungen anbieten, die weit über die reine Güterdistribution hinausgehen. Selbstlernende Algorithmen werden es Logistikunternehmen ermöglichen, die gesamte Supply Chain ihrer Kunden, also sowohl den reinen Transportprozess als auch die internen Betriebsabläufe, zu analysieren und zu optimieren.

Die Grundlage dafür liefert das Internet of Things (IoT), das mit Hilfe von zahlreichen Sensoren alle nötigen Daten erfasst und mit anderen Umgebungsdaten wie beispielsweise GPS- und Wetterdaten verknüpft. In fünf Jahren werden die IoT-Sensoren so weit geschrumpft sein, dass sie bereits in frühen Stufen des Produktionsprozesses direkt in den Produkten verbaut werden können.

Am Ende entsteht die volle Transparenz im Produkterstellungs-Prozess bis hin zur Möglichkeit, den gesamten Produktlebenszyklus zu analysieren und zu optimieren. Durch den Einsatz von AI beginnt Logistik mit dem Antizipieren des Kundenbedarfs auf der einen und der Vorhersage der Lagerabsatzmengen auf der anderen Seite. In den Lagern ergeben sich außerdem weitere Herausforderungen, bei denen AI zum Einsatz kommen wird.