Die Ankunft der selbstfahrenden Lieferkette

Das Zeitalter der selbstfahrenden Autos und Lastwagen steht vor der Tür. Was ist mit selbstfahrenden Lieferketten?

In den letzten Jahrzehnten hat sich die Technologie in jeden Aspekt des Supply-Chain-Managements eingeschlichen. Bisher war jedoch die Anwesenheit eines Menschen erforderlich, um wichtige Entscheidungen über Produktion und Vertrieb zu treffen.

Dies gilt insbesondere für das Risikomanagement, eine Disziplin, die für moderne globale Organisationen überlebenswichtig geworden ist. Supply-Chain-Manager müssen die Wahrscheinlichkeit beliebiger potenzieller Störungen abwägen, seien es Naturkatastrophen wie Überschwemmungen, Tsunamis und Vulkane oder von Menschen verursachte Ereignisse wie Arbeitskämpfe und Terroranschläge, und entsprechende Maßnahmen ergreifen. Es wurde angenommen, dass eine solche Bestimmung die Fähigkeit von Maschinen übersteigt.

Bis jetzt. Künstliche Intelligenz mit ihrer Fähigkeit, riesige Datenmengen zu sichten und für das menschliche Auge unsichtbare Muster zu erkennen, spielt eine immer größere Rolle in der Prognose und im Risikomanagement. Bald könnte der Tag kommen, an dem Maschinen einen besseren Einblick in die Zukunft haben als die Menschen, die sie gebaut haben.

Die vielversprechendsten Innovationen in der K.I. laut Fred Laluyaux, Chief Executive Officer von Aera Technology, Inc., finden heute in Pharmazeutika und Konsumgütern statt. Amazon steht unter dem größten Druck, die Art und Weise, wie sie Kunden bedienen, radikal zu verändern.

„Ein Kunde hat es mir eloquent beschrieben“, erinnert sich Laluluux. „Sie sagten:‚Wir sind die nächsten, die gehen, wenn wir uns nicht ändern.‘“

Für traditionelle Merchandiser besteht die Herausforderung darin, ihre Marken in einer Zeit zu schützen, in der Verbraucher mehr an Preis, Bequemlichkeit und Geschwindigkeit interessiert sind. Dank Amazon, sagt Laluyaux, werde der Gang in ein Geschäft „irrelevant“. Um den Fähigkeiten des E-Commerce-Giganten gerecht zu werden, müssen Verkäufer die Effizienz in jeder Phase ihrer Lieferkette steigern. Dazu gehört auch ein besseres Risikomanagement.

Viele der Fortschritte in der KI. im Bereich Predictive Analytics auftreten. Hersteller sind gezwungen, den Prozess der Produktbeschaffung zu den Käufern zu beschleunigen. Gleichzeitig überflutet die Verfügbarkeit von „Big Data“ die Planer mit Informationen, die ein weitaus breiteres Bild des Marktes vermitteln. Ohne die Hilfe automatisierter Systeme zur Interpretation dieser Eingabe können sie „Signal“ nicht von „Rauschen“ unterscheiden.

Unternehmen können nicht mehr mit jährlichen Werbeplänen und sechsmonatigen Verkaufs- und Betriebsplanungszyklen (S&OP) auskommen. Dafür ändern sich die Marktbedingungen – insbesondere der Geschmack wankelmütiger Verbraucher – zu schnell. „Man muss die nächste Leistungsstufe erreichen“, sagt Laluyaux. „Dieser [Grad] Automatisierung bringt Sie dorthin, wo Menschen nicht folgen können.“

Das ultimative, wenn auch schwer fassbare Ziel ist ein System, das in Echtzeit auf Marktbedingungen reagiert. Demand Sensing ist keine neue Disziplin, wurde jedoch lange Zeit durch veraltete Tools und Prozesse behindert, die notwendige Maßnahmen verzögern. In seiner jetzigen Form geht die Fähigkeit weit über den Zugriff auf Verkaufszahlen hinaus und umfasst Elemente wie „intelligente“ Verpackungen.

Die Eingaben umfassen alles, von Point-of-Sale-Daten (POS) bis hin zu Wettervorhersagen, Nielsen-Bewertungen, Social-Media-Posts und Wettbewerbsinformationen. Fügen Sie in der Pharmawelt Updates zur behördlichen Zulassung neuer Medikamente hinzu.

„Das Netz wird immer breiter“, sagt Laluyaux, „und die Körnung wird immer feiner.“

Als eigenständiges System bietet A.I. ist von geringem Wert. Um effektiv zu sein, muss es unterschiedliche Datenströme kombinieren und sich über mehrere Funktionen der Lieferkette verteilen. Angenommen, ein Einzelhändler verzeichnet einen Umsatzanstieg von 2 Prozent für einen bestimmten Artikel. Um die unerwartete Nachfrage zu decken, muss es in der Lage sein, die optimale Quelle für das Hochfahren der Produktion zu identifizieren, die Fertigungskapazitäten zu bewerten, die Stückliste zu überarbeiten und die Lagerbestände entsprechend anzupassen. Wenn Transaktionssysteme nicht miteinander „sprechen“, kann dieser Prozess Tage dauern – zu spät für den Merchandiser, um von einem flüchtigen Trend zu profitieren.

Darüber hinaus ist die KI. Das System muss seinen Datenschatz mit menschlichen Experten kombinieren, die immer noch dafür verantwortlich sind, endgültige Entscheidungen darüber zu treffen, wann und wohin das Produkt geliefert werden soll.

Laluluaux beschreibt das Konzept der „kognitiven Werkbank“, wobei A.I. interpretiert die Daten und gibt Empfehlungen ab, die dann (größtenteils) von menschlichen Experten umgesetzt werden. Aber das ist nur eine Übergangsphase in der Weiterentwicklung der KI. Die Natur des maschinellen Lernens besteht darin, dass das System mit der Erfahrung, die geeigneten Maßnahmen zu ergreifen, besser wird. Letztendlich sollte es in der Lage sein, viele dieser wichtigen Entscheidungen ohne menschliches Eingreifen zu treffen. An diesem Punkt wird „prädiktive“ Analyse zu „präskriptiven“.

Wir sind noch lange nicht an dem Punkt, an dem die Automatisierung die menschlichen Manager vollständig übernimmt. Wenn die Entwicklung von prädiktiv über präskriptiv bis hin zu vollständig autonom verläuft, bleiben viele Unternehmen zwischen den Stufen eins und zwei stecken, sagt Laluyaux. Die Aussichten für eine „selbstfahrende“ Lieferkette sind relativ gut; Es ist nur die Zeitleiste, die in Frage kommt. Im Moment ist es für Menschen zu früh, darüber nachzudenken, die Hände vom Lenkrad zu nehmen.