Supply-Chain-Software mit KI: Nie war sie so wertvoll wie heute

Viele Einkaufsexperten denken wahrscheinlich mit Wehmut an die Zeiten zurück, als Supply-Chains grundsätzlich wie geschmiert liefen und man sich eher um kleinere Verzögerungen kümmern musste. Heute ist die Freude groß, wenn die Lieferungen überhaupt in der bestellten und zugesagten Menge eintreffen und die Produktion nicht ins Stocken kommt. 

Aber das muss nicht sein: Wer jetzt auf KI-gestützte Systeme setzt, die die komplette Supply-Chain End-to-End nahezu vollautomatisch managen, macht seine Lieferketten krisenfest und erhält eine wesentlich höhere Transparenz.

Die eigene Lieferkette ist nicht autark, sie hängt von den Lieferketten der Zulieferer ab. Wer die sekundären und tertiären Lieferketten nicht im Blick hat, wird immer wieder Überraschungen erleben. Mit vielen Zwischenprodukten, verschiedenen Zulieferteilen und diversifizierten Finanzströmen wird das Gesamtsystem extrem komplex ‒ häufig selbst für erfahrene Supply-Chain-Manager zu komplex. Die große Menge der Einflussfaktoren macht das Lieferketten-Management so schwierig ‒ vor allem wenn es zeitgleich an vielen Stellen hakt (wie aktuell durch den Corona-Lockdown in China und die Embargos wegen des Ukraine-Kriegs).

Künstliche Intelligenz schmiert die rostige Lieferkette

Unternehmen sind aktuell also gezwungen, ihre Beschaffungs- und Distributionskanäle in einen integrierten Business-Planungsprozess (IBP) zu transformieren. Dieser bezieht nicht nur menschliche Entscheidungsfaktoren ein, sondern setzt auf Künstliche Intelligenz und Machine-Learning-Methoden, um die vielen Informationen richtig einzuordnen und auszuwerten.

Einmal transformiert, kann die künstliche Intelligenz (KI) nicht nur aufkommende Schwierigkeiten frühzeitig erkennen und darauf automatisiert reagieren, sie kann auch Prognosen über zukünftige Entwicklungen berechnen und Lösungsszenarien entwerfen. Auf Wunsch lassen sich auch Zielvorgaben für gestiegene Nachhaltigkeitsvorgaben (wie verminderte CO2- oder minimale Überproduktionsmengen) einbeziehen.

KI wissenschaftlich fundiert und praxiserprobt

Beim Einsatz von KI scheiden sich die Geister: Vielfach haben Unternehmen bei der KI-Evaluierung eine „Probierphase“ durchlaufen und sind anschließend in das sogenannte „AI Chasm“ gelaufen: Der Übergang von einem vielversprechenden Prototyp in eine produktive Umgebung hat nicht funktioniert. Und genau das macht den Unterschied: Ein Prototyp ist das eine, eine praxiserprobte, sich selbst immer wieder weiterentwickelnde KI-Lösung im laufenden Betrieb das andere. Hier bewähren sich wissenschaftliche fundierte Methoden, die über mehrere Jahre einen Reifeprozess in der Praxis erfahren haben und deren Wurzeln ‒ wie im Fall von Blue Yonder ‒ beim Karlsruher Institut für Technologie (KIT) liegen.

Mit der richtigen Lösung können Unternehmen:

• proaktiv Transportunterbrechungen prognostizieren,
• alternative Bestände automatisiert identifizieren,
• Nachschuboptionen empfehlen, um die Nachfrage bestmöglich zu decken,
• neue netzwerkoptimierte Routen selbstständig initiieren,
• Lkw in den betroffenen Lagern umdisponieren,
• den Personalbedarf neu planen,
• Preis- und Kategoriemanagement-Einstellungen optimieren,
• Kooperationsaktivitäten mit Handelspartnern und Lieferanten auslösen, um weitere Unterbrechungen zu verhindern,
• Produktionsplanung und Materialbeschaffung optimieren und
• die Auswirkung aller Maßnahmen auf das Geschäftsergebnis simulieren.

Dafür sind alle Lieferketten-Unternehmen (auch sekundäre und tertiäre) in die End-to-End-Supply-Chain-Umgebung zu integrieren. So entsteht nicht nur die notwendige Transparenz — Unternehmen können auch zusammen mit ihren Lieferanten nach Lösungen suchen, die für alle passen.

Das alles muss unter einer intelligenten, intuitiven und konsistenten Bedienoberfläche passieren, die es den Anwendenden so einfach wie möglich macht, die komplexen Netzwerke und Datenströme effizient zu steuern. Das vermeidet Fehler und spart Zeit.

blueyonder.com