Die digitale Transformation der Supply Chain markiert eine einschneidende Entwicklung in der Branche und bleibt für zahlreiche Akteure im Transportwesen eine ernstzunehmende Herausforderung. In diesem extrem kompetitiven Markt stellt eine leistungsfähige und flexible Lieferkette einen signifikanten Wettbewerbsvorteil dar. Unternehmen suchen daher nach Tools, mit denen sie ihre Prozesse optimieren und bessere Entscheidungen treffen können, um so die betriebliche Effizienz sowie die Kundenzufriedenheit zu steigern und ihre Kosten sowie die Auswirkungen auf die Umwelt zu reduzieren. Bei dieser anspruchsvollen Aufgabe spielen neue Technologien, allen voran die Künstliche Intelligenz, eine tragende Rolle. Laut Gartner werden 50 % der Supply-Chain-Unternehmen bis 2024 in Technologien investieren, die Künstliche Intelligenz (KI) und erweiterte Analysefähigkeiten einsetzen.
Der Unterschied zwischen RPA und KI
Zunächst einmal muss zwischen RPA (Robotic Process Automation) und KI (Künstliche Intelligenz) unterschieden werden.
RPA ist ein Ansatz zur Prozessautomatisierung, bei dem repetitive, manuelle, zeitintensive oder fehleranfällige Tätigkeiten durch Softwareroboter erlernt und nach vorgegebenen Anweisungen automatisiert werden. Künstliche Intelligenz stützt sich für die Optimierung von Prozessen auf Technologien wie Operations Research (Liefertouren, Lagerbestände etc.) sowie Reinforcement Learning zur autonomen Bewegung von Fahrzeugen (Roboter, Autos etc.).
KI ist in der Lage, Daten zu analysieren und zu korrelieren, und versucht dabei, das Denken und Handeln eines Menschen nachzuahmen. Im Gegensatz zu RPA kann die Künstliche Intelligenz ihre eigenen Prognosen und Leistungen durch den Einsatz von Methoden des maschinellen Lernens, wie Machine Learning und Deep Learning, verbessern.
Künstliche Intelligenz ermöglicht somit:
- die bestehende RPA durch die Automatisierung bisher nicht automatisierter Aufgaben zu verbessern.
- den Menschen bei seiner Entscheidungsfindung zu unterstützen.
Welche Vorteile bringt der Einsatz von künstlicher Intelligenz in der Logistik mit sich?
84 % aller Supply-Chain-Manager betrachten den Mangel an Transparenz in ihrer Lieferkette als zentrales Problem [1]. Ihnen fehlt ein klarer Überblick über die gesamte Supply Chain, um bestmöglich auf unvorhergesehene Ereignisse reagieren zu können.
Die Supply Chain umfasst verschiedene, mitunter äußerst komplexe Abschnitte, darunter insbesondere die Problematik der letzten Meile. Der Einsatz von KI-basierten Technologien ermöglicht es, jeden dieser Abschnitte zu optimieren.
Automatisierte Bestandserfassung
Sobald sich ein Lager aus einer Vielzahl an Komponenten zusammensetzt, kann man leicht den Überblick verlieren. Durch die präzise Verzeichnung des Standorts jeder einzelnen Referenz können die Mitarbeiter schneller und effizienter arbeiten. Jedoch ist die Gültigkeit einer Bestandsaufnahme angesichts des beständigen Warenstroms nur von kurzer Dauer. Um Tag für Tag mit aktuellen Angaben arbeiten zu können, ist die Automatisierung dieser Aufgabe deshalb unabdinglich.
Beispiel anhand von L’Oréal mit dem Drohnensystem Eyesee von Hardis Group:
So funktioniert’s:
Eine mit einer eingebetteten Kamera ausgestattete Drohne umfliegt die Regale und führt dabei eine Inventur durch. Anhand der Videoverarbeitung durch KI kann die Drohne Barcodes ablesen und leere Lagerplätze erfassen.
Die Vorteile:
- Geringere Fehlerquote
- Kosteneinsparungen
- Schnellere Durchführung
- Mehr Sicherheit für die Mitarbeiter
- Keine Unterbrechung der Tätigkeit wahrend der Inventur
- Durchführung kann beispielsweise jede Nacht oder jedes Wochenende erfolgen
Intelligente Bestandsverwaltung
Die Verwaltung von Lagerbeständen gestaltet sich als komplexes Problem, die Anordnung des richtigen Lagerbestands am richtigen Ort und zur richtigen Zeit kann viel Kopfzerbrechen bereiten. Künstliche Intelligenz kann den Menschen bei der Umsetzung eines besseren Bestandsmanagements unterstützen.
So funktioniert’s:
Auf Grundlage von historischen Daten, Bestellungen und aktuellen Beständen prognostiziert eine KI den Bedarf des gesamten Netzwerks und schlägt optimierte Entscheidungen vor (Einkauf, Umlagerung etc.). Sie identifiziert Artikel, die sich besonders schnell oder langsam verkaufen und modelliert einen entsprechend optimierten Bestand. Die daraus folgende Bestandsanpassung beugt sowohl Fehlmengen als auch Warenüberschüssen vor. Des Weiteren antizipiert die Künstliche Intelligenz die Kaufabsichten der Verbraucher in Abhängigkeit von verschiedenen Faktoren wie Wetter, Veranstaltungen, Tageszeit etc. Dies ermöglicht es, zum richtigen Zeitpunkt die richtigen Bestände auf Lager zu haben, die Lieferzeit für Kunden zu verkürzen und die Kundenzufriedenheit zu steigern.
Quels gains ?
- Meilleure performance achat
- Meilleure disponibilité des stocks
- Baisse des coûts de transport
- Baisse de la valeur des stocks
Engie optimiert seine Lagerbestände mithilfe von Vekia:
Engie führt täglich etwa 14.000 Serviceeinsätze durch (Wartung, Reparatur von Heizung/Klimaanlage etc.) und verzeichnet 1 Million Referenzen in seinem Informationssystem. Für einen perfekten Service sollte jeder Techniker stets das benötigte Ersatzteil in seinem Inventar haben. Um dieses Ziel zu erreichen und die von den 230 Niederlassungen verwalteten Bestände zu optimieren sowie die bei den Lagerhäusern eingehenden Bestellungen zu automatisieren, wandte sich Engie an Vekia. Der auf Machine-Learning-Technologien basierende Algorithmus empfängt die Daten der verschiedenen Niederlassungen, berechnet die verbleibenden Bestände und stellt jeder Geschäftsstelle einen entsprechenden Bestellvorschlag bereit.
Automatisierte Kommissionierung von Bestellungen
Künstliche Intelligenz ermöglicht signifikante Zeit- und Produktivitätsgewinne und kann die Arbeit der Picker erheblich erleichtern oder bei Bedarf sogar vollständig automatisieren.
So funktioniert’s:
Entsprechend der eingehenden Bestellungen bewegt sich ein Schwarm von Robotern durch das Lager, um die Waren einzusammeln und zum Bediener zu transportieren. Die KI steuert die Roboter und optimiert ihre Bewegungen im Lagerhaus.
Die Vorteile:
- Verbesserte Produktivität bei der Kommissionierung
- Optimierte Zeiten für die Kommissionierung
- Reduzierte Betriebskosten für die Kommissionierung
- Geringere Fehlerquote
- Verbesserte Arbeitsbedingungen für die Bediener
Cdiscount nutzt die Lösung Exotec für die Kommissionierung:
Exotec hat eine Roboter-Technologie für die Kommissionierungsoptimierung entwickelt: Mit Flotten von mehreren hundert, sich dreidimensional bewegenden Robotern trägt Exotec nicht nur zur Neuorganisation von Lagerhäusern, sondern auch zur Optimierung der logistischen Abläufe bei. Diese Roboter können sich nicht nur auf dem Boden, sondern auch in der Höhe bewegen und unter anderem die Regalsysteme erklimmen. Durch den Einsatz dieser Technologie konnte Cdiscount seine Lagerkapazität um das Fünffache steigern und beziffert die neugewonnene Produktivität mit dem Drei- bis Vierfachen eines vergleichbaren manuellen Vorgangs.
Automatisierte Paketsortierung
Die Paketströme nehmen – insbesondere durch den florierenden Onlinehandel – immer weiter zu und erfordern eine optimierte Strukturierung. Auch hier erweist sich die Künstliche Intelligenz KI als wertvolles Werkzeug und ermöglicht es, diesen Abschnitt der Supply Chain zu automatisieren.
So funktioniert’s:
Auf der Grundlage eines vordefinierten Systems leiten Roboter die zu bearbeitenden Pakete automatisch in ihren Zielbereich. Die Roboter steuern sich selbstständig und schnell, wobei sie auf ihre Umwelt reagieren. Durch Texterkennung wird das schnelle Scannen von Etiketten ermöglicht, um die Produkte sowie ihre Eigenschaften (Gewicht, Abmessungen, geografische Lieferzone) zu identifizieren.
Die Vorteile:
- Höhere Produktivität beim Sortiervorgang
- Geringere Betriebskosten im Vergleich zur manuellen Sortierung
- Geringere Fehlerquote
- Verbesserte Arbeitsbedingungen für die Bediener
STO Express setzt Roboter zum Sortieren seiner Pakete ein:
Durch Scannen des Paketaufklebers leiten die Roboter von STO Express das jeweilige Paket in den richtigen Bereich des Sortierzentrums weiter. So können sie bis zu 18.000 Pakete pro Stunde verarbeiten. Der Einsatz von Sortierrobotern verbessert die Effizienz, Genauigkeit und Sicherheit des Sortiervorgangs und senkt darüber hinaus die Lohnkosten um 70 %.
Die Marktteilnehmer in der Logistikbranche integrieren Automatisierung und Robotik zunehmend in ihre Prozesse. KI kommt während des gesamten Produktzyklus zum Einsatz: beim Wareneingang und Dispatch, bei der Kommissionierung und Verpackung bis hin zur Auslieferung.
Transparenter Transport
Die Verfolgung der Warenströme ist für Logistikanbieter, die für den ordnungsgemäßen Transport bis zum Kunden verantwortlich sind, von entscheidender Bedeutung. Derweil verlangen die immer anspruchsvolleren Kundenerwartungen nach mehr Transparenz in der Sendungsverfolgung. Und auch für die Betreiber von Logistikunternehmen ist diese Transparenz äußerst wertvoll, da sie so auf Verzögerungen und unvorhergesehene Ereignisse reagieren und Kunden proaktiv darüber informieren können.
So funktioniert’s:
Auf Grundlage der weltweiten Positionsdaten der Waren sowie der Transportbedingungen (Wetter, Staus etc.) prognostiziert die KI die Ankunft der Waren am Zielort und bietet so eine umfassende Transparenz.
Die Vorteile:
- Bessere Einschätzung der voraussichtlichen Ankunftszeit
- Größere Reaktionsfähigkeit
- Antizipation von Verspätungen
Die Plattform von Wakeo ist auf einen transparenten Transport spezialisiert:
Wakeo ist mit allen marktüblichen IT-Lösungen (ERP, TMS, LVS usw.) kompatibel. Die kollaborative Plattform hat es sich zum Ziel gesetzt, den internationalen Transport zu vereinfachen und die Supply Chain transparenter zu gestalten. Um Verzögerungen zu antizipieren und so die Versorgung sowie die Lieferungen an die Kunden zuverlässiger zu gestalten, nutzt das Start-up Machine Learning und eine umfangreiche Datenverarbeitung. Wakeo integriert Echtzeit-Tracking, um Verspätungen zu antizipieren, E-Mail- und SMS-Benachrichtigungen, um bei Bedarf alle Beteiligten darüber zu informieren, und Analysen, um die Transportleistung präzise zu messen.
Optimierte Liefertouren
Die Auslieferung an den Endkunden bildet den letzten Abschnitt der Supply Chain. Diese Etappe bleibt aufgrund einer Vielzahl an Unwägbarkeiten der komplexeste und am schwierigsten zu verwaltende Schritt: Staus, Fahrzeugpannen, gesperrte Straßen, abwesende Kunden, enge Lieferzeitfenster … angesichts der zahlreichen Einschränkungen und Eventualitäten erweisen sich manuelle Lösungen auf diesem Abschnitt als suboptimal. KI-basierte Lösungen zur Tourenoptimierung ermöglichen es, in Echtzeit leistungsfähige Touren zu erstellen, die den Kontext vor Ort berücksichtigen und den Kunden eine bessere Servicequalität bieten.
So funktioniert’s:
Ausgehend von den Koordinaten der zu beliefernden Punkte und den damit verbundenen Einschränkungen (Durchfahrtszeiten, Verkehrsbedingungen etc.) optimieren leistungsstarke Operations-Research-Algorithmen die Planung der Liefertouren. Diese Art der Optimierung ermöglicht es, Spitzenzeiten zu antizipieren, die Ressourcen besser zu verteilen und zu optimieren, und so einerseits die Kosten zu senken sowie andererseits den Stress der Zustellfahrer zu reduzieren und ihre Arbeitszeiten einzuhalten.
Mithilfe von Machine Learning wertet die KI die historischen Daten aus und verbessert so die Performance der künftigen Optimierungen. Unter anderem kann die Künstliche Intelligenz die Lieferzeiten einer Sendung anhand der Angaben zu Kundentyp, Liefergebiet, Stockwerk, Größe und Gewicht des Pakets auf hochpräzise Weise ermitteln.
Die Vorteile:
- Weniger Fahrzeuge im Einsatz
- Weniger gefahrene Kilometer
- Geringere Kosten und Zeitaufwand für die Lieferung
- Höhere Dienstleistungsqualität und Kundenzufriedenheit
- Verbesserte CO₂-Bilanz
- Bessere Arbeitsbedingungen für die Mitarbeiter
Die Lösung von Kardinal wird den Herausforderungen der Transportbranche auf umfassende Weise gerecht und unterstützt Logistiker bei der Entscheidungsfindung. Das Ergebnis: leistungsfähigere Touren und eine effizientere, agilere und nachhaltigere Logistik.
Lösung zur kontinuierlichen Tourenoptimierung
Zusammenfassung
Die Künstliche Intelligenz ist dazu in der Lage, jeden einzelnen Abschnitt der Supply Chain zu optimieren, und wird damit zu einem elementaren Werkzeug für Marktteilnehmer in der Logistikbranche: von der Planung bis zur Auslieferung des Produkts an den Endkunden. Ihre zentrale Aufgabe ist es, repetitive, manuelle, und zeitintensive Tätigkeiten zu übernehmen und den Menschen bei der Entscheidungsfindung zu unterstützen, damit er sich vermehrt Aufgaben mit höherem Mehrwert zuwenden kann. So wird die Produktivität durch die Zusammenarbeit zwischen Mensch und Maschine erheblich gesteigert: Eine von McKinsey durchgeführte Studie zeigt auf, dass Unternehmen, die KI in für Transport und Logistik nutzen, um 5 % höhere Gewinnspannen als der Branchendurchschnitt erzielen.
Branchenübergreifend ist die Künstliche Intelligenz bereits im Begriff, die Gegenwart und Zukunft unserer Arbeitswelt tiefgreifend zu verändern. Dies gilt insbesondere auch für die Logistikbranche, in der bahnbrechende Innovationen hervortreten und sich kontinuierlich weiterentwickeln. Vor diesem Hintergrund ist die Digitalisierung vor allem eines: gleichbedeutend mit dem Fortbestand des eigenen Unternehmens.
Referenzen
- [1] eBook von IBM, The Future is Here, (Die Zukunft ist jetzt), November 2018