KI-gesteuerte Roadmaps: Strategischer Leitfaden für Supply-Chain-Unternehmen

Die Lieferkette, wie wir sie kennen, steht am Rande des Kipppunkts – von jahrzehntelang stetig beschleunigten „Push“-Dynamiken zu einem neuen „Push-and-Pull“-Modell.

Vier Hauptfaktoren tragen zu diesem globalen, branchenweiten Wandel bei:

Heutige zunehmend anspruchsvolle Käufer. Kunden leben in der digitalen Welt und verlangen ein nahtloses Erlebnis. Wenn nicht, gehen sie woanders hin. Das bedeutet, dass die Lieferkette – die für das „Pushen“ von Beständen an Kunden optimiert ist – Optimierung für das hinzufügen muss, was Kunden sich selbst „ziehen“ wollen.

Das aktuelle geopolitische Klima. Ob es die nationalistischen Tendenzen sind, die weltweit zur Schau gestellt werden, Zollstreitigkeiten zwischen den USA und China, Brexit oder der globale Fokus auf Nachhaltigkeitsthemen – Lieferketten sind mehr denn je Unsicherheit und Risiko ausgesetzt.

Ungleiche Fortschritte bei Industrie 4.0 und digitaler Lieferkette. Fabriken, Lieferketten und Geschäfte werden vernetzter, was verschiedenen Systemen ermöglicht, Informationen auszutauschen und Lieferzeiten zu verkürzen – aber nur für Unternehmen, die handlungsfähig sind. Die Produktion verlagert sich näher an die Kunden und stört lang gehegte Muster des regionalen Handels.

Bestehende Lieferkettentechnologie am Ende ihres Lebenszyklus. Legacy-Softwarelösungen, die entwickelt wurden, um ein spezifisches, isoliertes Problem wie Prognose oder Fabrikplanung zu lösen, sind nicht mehr zweckmäßig. Einfach gesagt: Diese Software kann nicht mithalten.

Künstliche Intelligenz für die Lieferkette

Sei es durch vorausschauende Wartung in der Fabrik, selbstfahrende LKWs in der Logistikkette oder Automatisierung im Geschäft – KI-Lösungen entstehen, um Effizienz zu verbessern und Betriebskosten für Lieferkettenakteure zu senken. Doch es gibt eine Diskrepanz, wie in den meisten Branchen, darum, wie man den vollen Wert aus KI schöpft.

Der erste Schritt ist die Erstellung einer Roadmap: ein Portfolio geprüfter KI-Möglichkeiten, priorisiert, um strategische Geschäftsziele über kurz und lang zu erreichen. Lernen durch Experimentieren bleibt entscheidend für die KI-Einführung, aber eine KI-Roadmap ist eine notwendige Strategie. Sie ermöglicht es denjenigen, die sich mit der Verbesserung der Lieferkettenlogistik befassen, die besten Taktiken für eine intelligente KI-Einführung zu planen und auszuwählen.

Wie entwickelt man eine KI-Roadmap?

Zunächst müssen Sie den Arbeitsumfang auf der Ebene einer Geschäftslinie oder eines Funktionsbereichs festlegen – nicht das gesamte Unternehmen, noch einen einzelnen Prozess oder eine Aufgabe. In einer Fabrikumgebung sind Bereiche wie Bestands- oder Qualitätsmanagement gute Startpunkte, da sie vollständige Systeme aus Prozessen, Daten, Rollen und Zielen darstellen.

Nach der Wahl Ihres Fokus müssen Sie Ihre Führungskräfte darüber aufklären, wie eine gute KI-Möglichkeit aussieht, dann mit Ihrem Team zusammenarbeiten, um Möglichkeiten zu erschließen, KI-Fähigkeiten auf Chancen abzustimmen.

Gute KI-Möglichkeiten sind sowohl praktisch als auch wertvoll. Sie adressieren, welche Vorhersage oder Entscheidung von KI getroffen wird, mit welchen Daten und wie dieser Output angewendet wird, um Wert zu schaffen. Im Fabrik-Qualitätsmanagement könnten KI-Systeme beispielsweise Produktionsliniendaten nutzen, um Fehler vorherzusagen, Wartung vorzuschreiben oder Analysten bei der Beantwortung von Fragen zu unterstützen.

Entdeckung bedeutet genauso sehr, diese Optionen zu finden, wie eine Hypothese darüber zu bilden, welche es wert sind, verfolgt zu werden. Nach der Entdeckung sollte Ihr Team eine Reihe von Fallstudien haben, die nun validiert werden müssen.

Bei der Schätzung der Auswirkungen eines KI-Anwendungsfalls schauen Sie über bloße inkrementelle Verbesserungen bei Genauigkeit oder Effizienz hinaus. Analysieren Sie den Wert, der über den Status quo hinaus geschaffen wird.

Ein KI-Anwendungsfall könnte beispielsweise darauf abzielen, einem Kreditorenbuchhalter zu helfen, der regelmäßig Berichte liest und Rechnungen verarbeitet. Mit einer KI-Fähigkeit wie Dokumentenintelligenz können einfache Rechnungen per Straight-Through-Processing bearbeitet werden. Der Buchhalter kann dann die verbleibenden Rechnungen schneller bearbeiten, unterstützt durch Funktionen wie automatische Dokumentenzusammenfassung und Informationsextraktion – etwa zur Diskrepanzidentifikation. Eine initiale Metrik für diesen Nutzen könnte einfach verarbeitete Rechnungen oder gesparte Zeit sein, aber es gibt ein größeres Bild. Wenn ein AP-Buchhalter eine zusätzliche Stunde pro Tag gewinnt, könnte er diese für Ursachenanalyse und Korrektur von Bestellproblemen oder für die Verwaltung seiner Arbeitslast aufwenden, um Lieferantenrabatte besser zu nutzen.

KI-Investitionen für maximale Wirkung sequenzieren

Schließlich, mit gut definierten Anwendungsfällen in der Hand, ist Ihr Team bereit, KI-Investitionen für maximale Wirkung zu sequenzieren, indem drei Ziele ausbalanciert werden:

• Sofortige nächste Schritte mit wertvollen, umsetzbaren Projekten einrichten,
• Größere Gewinne mit einem bewussten Plan für den Aufbau und die Skalierung von Fähigkeiten über Zeit einrichten, und
• Unterstützung und Budget freischalten, indem Führungskräfte um eine gemeinsame Vision ausgerichtet werden.

Die ersten beiden Ziele betreffen die Balance zwischen kurz- und langfristigem Wert. Das dritte geht darum, Fortschritte zu entblocken, indem Buy-in von der Geschäftsführung über die realistischen Kosten und Nutzen von KI-Investitionen in der Lieferkette gesichert wird.

Während die Lieferkette in ein neues responsives, Push-and-Pull-Normalzustand kippt, wird es für Entscheidungsträger zunehmend entscheidend, schnell zu handeln, um den Schwung zu nutzen. Die Komplexität des Lieferkettenmanagements diktiert jedoch, dass das Rebalancieren des Lieferkettengleichgewichts keine einmalige Aktivität ist. Sich die Zeit zu nehmen, KI-Investitionen zu entdecken, zu analysieren und zu priorisieren, wird den Unterschied ausmachen zwischen Vorankommen – oder Zeitverschwendung.

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