Technologie für die Logistik:Warum Implementierungen scheitern

Die Übernahme moderner Technologie durch Logistikanbieter bedeutet die Anwendung digitaler Lösungen auf eine analoge Welt.

Logistik ist naturgemäß sehr physisch:Lastwagen, Anhänger, Schiffe, Züge und Lager. Es gibt nichts „virtuelles“ – das einzige, was „in der Cloud“ funktioniert, ist ein Flugzeug – doch die Anbieter beeilen sich, Systeme zu akzeptieren, die nur aus Bits und Bytes bestehen.

Ihr Impuls ist verständlich. Im Zeitalter des Internets der Dinge ist Automatisierung der Schlüssel zur Bewältigung des unaufhörlichen Datenflusses, der darauf ausgerichtet ist, die steigenden Kundenanforderungen nach schneller und punktgenauer Lieferung zu erfüllen. Zu diesem Zweck ermöglichen Fortschritte wie maschinelles Lernen und künstliche Intelligenz ein Maß an „intelligenter“ Entscheidungsfindung, das weit über das Verständnis von Managern aus Fleisch und Blut hinausgeht.

Technologie für die Logistik macht eminent Sinn. Warum halten so viele Implementierungen ihr Versprechen nicht ein?

Ali Hasan Raza stammt aus der physischen Welt. Er begann im Betrieb, darunter 18-Wheeler. Etwa ein Jahrzehnt nach seiner Karriere begann er, auf Technologien umzusteigen, darunter Systeme zur Ortung und Verfolgung und Überwachung der Bewegung von Lastwagen. Heute ist er Mitbegründer und Chief Executive Officer von ThroughPut Inc., einem Anbieter von Software, die auf KI setzt, um betriebliche Engpässe zu beseitigen.

Als Leiter eines Technologieunternehmens sieht Raza den Wert der Automatisierung für Logistikanbieter. Aber er ist sich auch der Diskrepanz bewusst, die mit der Umsetzung in der realen Welt einhergeht. Einfach ausgedrückt, sagt er, hängen Art und Wert digitaler Technologien davon ab, wer der Endnutzer ist. Trucker suchen nach punktbasierten Lösungen für den täglichen Betrieb. Broker werden von elektronischen Marktplätzen angezogen, die Versender mit physischen Dienstleistern verbinden. Große Einzelhändler wie Walmart Inc. und Amazon.com Inc. bevorzugen Systeme, die einen durchgängigen Lieferfluss ermöglichen.

Während das Wort „digital“ allumfassend ist, kann es auch wahnsinnig vage sein und eine breite Palette von „Lösungen“ für Benutzer beschreiben, die unter dem ebenso nebulösen Begriff „Logistik“ zusammengefasst werden.

Große unternehmensorientierte Systeme beginnen mit einer Reihe von Schlüsselannahmen, bemerkt Raza. Sie sind so konzipiert, dass sie die reale Welt abbilden, einschließlich der erwarteten Vorlaufzeiten, der Fahrzeugkapazität, der Verpackungsanforderungen, der Flurförderzeuge und des Produktmixes. Digital basierte Planungssysteme sind jedoch am komfortabelsten, wenn sie mit einem stationären Zustand und nicht mit einem transienten Modell arbeiten. Und die Welt der Logistik ist ausgesprochen vergänglich.

„Wenn Sie in der Logistik und Lieferkette arbeiten, ändert sich jeder Tag“, sagt Raza. „Sie haben keine festen Vorlaufzeiten und Kapazitäten. Engpässe ändern sich ständig, insbesondere während COVID-19, wo Lager und Fabriken geschlossen werden und komplette Änderungen der Routenoptimierung erforderlich sind.“

In einer chaotischen Umgebung spiegeln selbst die am besten durchdachten Systeme nicht den tatsächlichen Betriebsablauf wider. „Deshalb sehen wir diese digitalen Transformationen scheitern“, sagt Raza. „Der einzige Weg, etwas aufzubauen, besteht darin, Annahmen zu treffen. Wie in der Mathematik beginnen Sie mit grundlegenden Gleichungen. Aber je weniger Annahmen Sie treffen, desto mehr Freiheiten haben Sie.“

Wurden KI und maschinelles Lernen nicht ausdrücklich darauf ausgelegt, mit dieser Unsicherheit fertig zu werden? Raza stimmt zu, dass KI eingesetzt werden kann, um die tatsächliche Nachfrage und den Produktmix zu erfassen und daraus rückwärts zu planen. „Es kann in Echtzeit Empfehlungen geben“, sagt er, „aber jemand muss sie trotzdem umsetzen.“ Dann drohen die Realitäten des Augenblicks in die besten Pläne einer „intelligenten“ Maschine einzudringen.

Die vollständige Automatisierung eines Logistikbetriebs ist ohnehin selten, beschränkt sich auf das ein oder andere „Lights-out“-Lagerhandling mit hochspezialisierten Produkten. Ein solches Setup bietet die Möglichkeit des Bullwhip-Effekts, bei dem kleine, unkorrigierte Fehleinschätzungen entlang der Lieferkette eskalieren und zu katastrophalen Serviceausfällen nachgelagert führen können.

Die Ironie der Technologie besteht darin, dass ihr Erfolg innerhalb einer Organisation letztlich vom Menschen abhängt. Das Problem, sagt Raza, liegt oft in der Unternehmenskultur.

„Technologie kann nur Dinge, die Sie bereits tun, schneller machen“, sagt er. „Wenn Sie keine datengesteuerte Kultur haben und noch nie etwas mit Ihren Daten gemacht haben, werden Sie keinen Mehrwert schaffen.“

Ebenso wichtig ist die Ausbildung – von Menschen, nicht von Maschinen. Jede Organisation, die versucht, alte Prozesse abzureißen, ohne ihre Mitarbeiter in den neuen angemessen zu schulen, wird mit ihrer teuren Technologieinitiative scheitern. Top-Führungskräfte müssen ihre Kapitalrendite realistisch einschätzen, auch wenn sie von Investoren unter Druck gesetzt werden, immer höhere Quartalsgewinne zu erzielen. In einem solchen Szenario kann die Einführung von Software-as-a-Service-Angeboten dazu beitragen, die Vorlaufkosten zu senken.

Es steht außer Frage, dass die physische Welt der Logistik virtuelle Fähigkeiten in Form von automatisierten und vorausschauenden Systemen benötigt, um das Beste aus ihrem erheblichen Kapitalaufwand herauszuholen. Aber die Art und Weise, wie diese „Lösungen“ angewendet werden, kann den Unterschied zwischen Erfolg und Misserfolg ausmachen. Wie Raza es ausdrückt:„Technologie ist ein Enabler – keine Lösung.“