Fünf Wege, wie KI Störungen in der Lieferkette beheben kann

Durch die Coronavirus-Pandemie verursachte Geschäftsunterbrechungen – von leeren Regalen in Lebensmittelgeschäften bis hin zu langen Verzögerungen bei E-Commerce-Lieferungen – haben die Schwächen der Lieferkette und eine wachsende Chance für künstliche Intelligenz beleuchtet.

Ein Teil des Problems war die Umstellung auf Just-in-Time-Fertigung (JIT), die schlanke Lieferketten mit geringeren Lagerbeständen geschaffen hat, um das mit Überproduktion und Überschuss verbundene Risiko zu beseitigen. Diese von der Automobilindustrie übernommene Strategie hat es den Zulieferern ermöglicht, ihre Kosten durch niedrige Lagerbestände und reduzierte Produktionskosten zu senken. Wenn jedoch etwas wie eine Pandemie oder eine Naturkatastrophe eintritt, die einen Nachfrageschub verursacht, ist es schwierig, die Produktion hochzufahren oder überschüssige Vorräte anzuzapfen, um die Pipeline zu füllen – insbesondere wenn ganze Werke wegen einer Infektion geschlossen werden. Stattdessen ist heute ein neues Modell erforderlich, das eine bedarfsorientierte Fertigung in Echtzeit über JIT ermöglicht.

KI-gesteuertes Toolkit

Immer mehr Lieferanten wenden sich verschiedenen Formen der KI zu, um die Herausforderungen der Unterbrechung der Lieferkette jetzt und in Zukunft besser zu bewältigen. Betrachten Sie die folgenden fünf Anwendungen:

• Predictive Analytics. Damit Unternehmen durch sich ändernde Markt-, Wirtschafts- oder Verbraucherveränderungen nicht blind werden, ermöglichen KI-basierte Predictive Analytics genaue Prognosen durch die Analyse von Mustern in historischen Daten. Es verwendet Data Mining, statistische Modellierung und maschinelles Lernen, um riesige Datensätze zu ermöglichen, um zukünftige Ergebnisse vorherzusagen. Ein Einzelhändler kann damit beispielsweise die Wahrscheinlichkeit bestimmen, dass bestimmte Artikel wann nicht auf Lager sind oder ob ein Verbraucher Papierhandtücher der Marke X noch kaufen wird, wenn die Produktion bei Bounty eingestellt wird. Es könnte auch Lieferanten analysieren, um festzustellen, welche sich in einer Notfallsituation am zuverlässigsten erweisen.
• Deep Learning. Während der Pandemie ist es von entscheidender Bedeutung, einen Filialstandort aus der Ferne einzusehen. Heute kann Videoüberwachung in Kombination mit Deep-Learning-basierten Lösungen Managern dabei helfen, festzustellen, ob Sicherheitsprotokolle befolgt werden, z. Außerdem können diese Arten von KI-basierter Videoüberwachung bei Filialaudits für die Bestandsverwaltung helfen, um festzustellen, wo sich die leeren Regale befinden und was nicht verkauft wird.
• Lagerroboter. Roboter auf Lagerböden, Kommissionieren und Verpacken von Artikeln erhöhen die Geschwindigkeit und Effizienz von Lagern erheblich. Während der Pandemie, als es aufgrund von kranken Arbeitern oder Menschen mit beeinträchtigtem Gesundheitszustand, die sie zwangen, zu Hause zu bleiben, zu einem Mangel an menschlichen Arbeitskräften kam, haben Roboter die Lücke geschlossen.
• Robotische Prozessautomatisierung (RPA). Sich wiederholende Aufgaben wie Rechnungsstellung, Auftragsbearbeitung, Dateneingabe und andere administrative Aufgaben können eine Hauptursache für Unterbrechungen der Lieferkette sein. RPA hat es vielen Unternehmen ermöglicht, diese Aufgaben zu automatisieren und menschliche Mitarbeiter für strategischere Aufgaben freizugeben sowie direkt mit Partnern, Kunden und anderen zu verhandeln. RPA kann beispielsweise verwendet werden, um Bestellungen zu verarbeiten, erforderliche Lagerbestände zu identifizieren und sie mit dem tatsächlichen Bestand abzugleichen – alles ohne menschliches Eingreifen, außer um Ausnahmen zu beheben.
• ComputerVision. Diese KI-gesteuerte Form der Bilderkennung kann in Transport und Logistik verwendet werden, um stark frequentierte Bereiche zu identifizieren und die besten LKW-Routen zu planen. ComputerVision-basierte Algorithmen analysieren digitale Bilder oder Videos von Satellitenbildern, um beispielsweise Autos und Busse in bestimmten Gebieten zu erkennen und zu zählen, und helfen Lkw-Fahrern, diese Gebiete zu vermeiden. In anderen Anwendungen kann damit festgestellt werden, wo möglicherweise beschädigte Bahngleise vorhanden sind, die eine reibungslose Warenversorgung mit der Bahn behindern könnten.

MicroWarehouse-Ansatz

Zu einem Markenzeichen zukünftiger Lieferketten wird neben der Automatisierung die kundennahe Lager- und Lagerhaltung. Sogar von Amazon oder Walmart werden große Lager durch viele kleinere ersetzt – die einen Kundenstamm im Umkreis von drei Kilometern bedienen. Anstelle von wenigen großen Lagern können Unternehmen viele haben, um den Distributionsprozess zu dezentralisieren, Waren schneller zu Einzelhändlern und Verbrauchern zu bringen und sogar Nachhaltigkeitspraktiken mit weniger Luft- und Autobahnemissionen zu fördern.

Tatsächlich wird die Lieferkette der Zukunft sehr wohl aus weniger menschlichen Arbeitskräften bestehen; stärkere KI-gesteuerte Automatisierung für die Verwaltung und Vorhersage des Bestandsbedarfs, die Verarbeitung von Daten und die Abwicklung von Back-Office-Aufgaben und Lagervorgängen; und neue Lieferkanäle, einschließlich Drohnen, für sicherere, kontaktlose Lieferungen nach Hause.

Die Lieferkette der Zukunft muss wichtige Hürden überwinden, um Realität zu werden. Interoperable, integrierte Systeme müssen Daten über die gesamte Lieferkette hinweg austauschen, um effektiv zu sein. Aber Unternehmen müssen für diese Interoperabilität offen sein, um erfolgreich zu sein. Eine weitere Herausforderung ist die Angst vor dem Verlust von Arbeitsplätzen, die die Automatisierung mit sich bringt. Unternehmen müssen diese Ängste zerstreuen, indem sie den Arbeitnehmern Möglichkeiten eröffnen, neue, strategischere Rollen zu übernehmen und Aus- und Weiterbildungsunterstützung anbieten; und die Vorteile der KI zu verstärken, ohne den unerschütterlichen Vorteil aus den Augen zu verlieren, den Menschen gegenüber KI immer haben werden.

COVID-19 hat die Schwachstellen der Lieferkette ins Rampenlicht gerückt, aber durch seine Lehren beginnen wir, die Lieferkette der Zukunft neu zu denken, die von KI angetrieben und durch menschlichen Einfallsreichtum gestärkt wird.

Carlos Melendez ist Chief Operating Officer von Wovenware.