Wie Lieferkettenunternehmen mit KI Roadmaps erstellen können

Die Lieferkette, wie wir sie kennen, steht kurz davor, von einer jahrzehntelang immer schneller werdenden „Push“-Dynamik zu einem neuen „Push-and-Pull“-Modell zu kippen.

Vier Hauptfaktoren tragen zu diesem globalen, branchenweiten Wandel bei:

Die zunehmend versierten Käufer von heute. Kunden leben in der digitalen Welt und verlangen ein nahtloses Erlebnis. Wenn nicht, gehen sie woanders hin. Das bedeutet, dass die Lieferkette – die dafür optimiert ist, Inventar an Kunden zu „schieben“ – optimiert werden muss für das, was die Kunden an sich selbst „ziehen“ möchten.

Das aktuelle geopolitische Klima. Ob nationalistische Tendenzen weltweit, Zollstreitigkeiten zwischen den USA und China, Brexit oder die globale Fokussierung auf Nachhaltigkeitsthemen – Lieferketten sind mehr denn je Unsicherheit und Risiken ausgesetzt.

Ungleichmäßige Fortschritte bei Industrie 4.0 und der digitalen Lieferkette. Fabriken, Lieferketten und Geschäfte werden immer stärker vernetzt, sodass unterschiedliche Systeme Informationen austauschen und Durchlaufzeiten verkürzen können – aber nur für handlungsfähige Unternehmen. Die Produktion verlagert sich näher an die Kunden, wodurch langjährige Muster des regionalen Handels gestört werden.

Bestehende Supply-Chain-Technologie ist am Ende ihres Lebenszyklus. Legacy-Softwarelösungen, die entwickelt wurden, um ein bestimmtes, isoliertes Problem wie Prognosen oder Fabrikplanung zu lösen, sind für diesen Zweck nicht mehr geeignet. Einfach gesagt kann diese Software einfach nicht mithalten.

Geben Sie künstliche Intelligenz für die Lieferkette ein. Sei es durch vorausschauende Wartung in der Fabrik, selbstfahrende Lkw in der Logistikkette oder Automatisierung in der Filiale – KI-Lösungen entstehen, um die Effizienz zu verbessern und die Betriebskosten für Akteure der Lieferkette zu senken. Dennoch gibt es, wie in den meisten Branchen, eine Diskrepanz, wie man den Wert von KI vollständig erkennt.

Der erste Schritt besteht darin, eine Roadmap zu erstellen:ein Portfolio geprüfter KI-Möglichkeiten, die priorisiert werden, um kurz- und langfristige strategische Geschäftsziele zu erreichen. Experimentelles Lernen bleibt entscheidend für die Einführung von KI, aber eine KI-Roadmap ist eine notwendige Strategie. Es ermöglicht denjenigen, die sich mit der Verbesserung der Lieferkettenlogistik befassen, die besten Taktiken für die Einführung intelligenter KI zu planen und auszuwählen.

Wie entwickeln Sie eine KI-Roadmap, um die Dynamik der sich ändernden Lieferkette in Ihrem Unternehmen zu erfassen? Zunächst müssen Sie die Arbeit auf der Ebene eines Geschäftsbereichs oder Funktionsbereichs eingrenzen – nicht das gesamte Unternehmen oder einen einzelnen Prozess oder eine einzelne Aufgabe. In einer Fabrikumgebung sind beispielsweise Bereiche wie Bestands- oder Qualitätsmanagement gute Ansatzpunkte, da sie komplette Systeme aus Prozessen, Daten, Rollen und Zielen darstellen.

Nachdem Sie Ihren Schwerpunkt gewählt haben, müssen Sie Ihre Führungskräfte darüber aufklären, wie eine gute KI-Chance aussieht, und dann im gesamten Team daran arbeiten, Möglichkeiten zu erschließen, KI-Funktionen mit Opportunities abzustimmen.

Gute KI-Möglichkeiten sind sowohl praktisch als auch wertvoll. Sie befassen sich damit, welche Vorhersagen oder Entscheidungen von der KI getroffen werden, welche Daten verwendet werden und wie diese Ergebnisse zur Wertschöpfung verwendet werden. Im Qualitätsmanagement von Fabriken könnten KI-Systeme beispielsweise Produktionsliniendaten verwenden, um Fehler vorherzusagen, Wartungen vorzuschreiben oder Analysten bei der Beantwortung von Fragen zu unterstützen.

Bei der Entdeckung geht es sowohl darum, diese Optionen zu finden, als auch darum, eine Hypothese zu bilden, welche es wert ist, verfolgt zu werden. Nach der Entdeckung sollte Ihr Team über eine Reihe von Fallstudien verfügen, die nun validiert werden müssen.

Berücksichtigen Sie bei der Einschätzung der Auswirkungen eines KI-Anwendungsfalls mehr als nur schrittweise Verbesserungen der Genauigkeit oder Effizienz. Analysieren Sie den über den Status Quo hinaus geschaffenen Wert.

Ein KI-Anwendungsfall könnte beispielsweise darauf ausgerichtet sein, einem Kreditorenbuchhalter zu helfen, der regelmäßig Berichte liest und Rechnungen verarbeitet. Mit einer KI-Fähigkeit wie Document Intelligence können einfache Rechnungen durch Straight-Through-Processing verarbeitet werden. Der Sachbearbeiter kann dann verbleibende Rechnungen schneller bearbeiten, unterstützt durch Funktionen wie die automatische Dokumentenzusammenfassung und die Informationsextraktion, beispielsweise zur Identifizierung von Abweichungen. Eine erste Kennzahl für diesen Vorteil könnten einfach verarbeitete Rechnungen oder Zeitersparnis sein, aber es gibt ein größeres Bild. Wenn ein Kreditorenbuchhalter eine zusätzliche Stunde pro Tag gewinnt, könnte er diese für die Ursachenanalyse und die Korrektur von Bestellproblemen aufwenden oder seine Arbeitsbelastung verwalten, um Lieferantenrabatte besser zu nutzen.

Die Analysephase ist abgeschlossen, wenn jeder Fall so weit definiert wurde, dass die Entscheidungsträger der Führungsebene über genügend Informationen verfügen, um klare Schlussfolgerungen über die Priorisierung von Fällen in einer Vision und einem Plan zu ziehen.

Schließlich ist Ihr Team mit klar definierten Anwendungsfällen in der Lage, KI-Investitionen zu sequenzieren, um eine maximale Wirkung zu erzielen, indem es drei Ziele abwägt:

• Einrichten der nächsten Schritte mit wertvollen, umsetzbaren Projekten,
• Einrichten größerer Gewinne mit einem bewussten Plan für den Aufbau und die Skalierung von Fähigkeiten im Laufe der Zeit und
• Unterstützung und Budget freisetzen, indem Führungskräfte auf eine gemeinsame Vision ausgerichtet werden.

Bei den ersten beiden Zielen geht es darum, kurz- und langfristigen Wert auszubalancieren. Beim dritten geht es darum, den Fortschritt freizusetzen, indem die Geschäftsführung die realistischen Kosten und Vorteile von KI-Investitionen in die Lieferkette einbezieht.

Da die Lieferkette zu einer neuen reaktionsschnellen Push-and-Pull-Normalität neigt, wird es für Entscheidungsträger immer wichtiger, schnell zu handeln, um die Dynamik zu nutzen. Die Feinheiten des Lieferkettenmanagements diktieren jedoch, dass die Neuausrichtung des Lieferkettengleichgewichts keine einmalige Aktivität ist. Sich die Zeit zu nehmen, um Ihre KI-Investitionen zu entdecken, zu analysieren und zu priorisieren, wird den Unterschied ausmachen, ob Sie weiterkommen – oder Ihre Zeit verschwenden.

Karthik Ramakrishnan ist VP, Head of Advisory and Enablement, und Ben Humphries ist Head of Global PreSales bei Element AI.