PREDICTIVE ANALYTICS – Künstliche Intelligenz hält im Wettbewerb

(Foto: E+P)
Predictive Analytics: Kognitive Systeme besitzen die Fähigkeit, zu lernen, Muster zu erkennen und daraus Handlungsempfehlungen abzuleiten. (Foto: E+P)

Die durch den E-Commerce befeuerten Anforderungen der Kunden in Richtung sofortiger Verfügbarkeit der Waren, die Volatilität der Märkte, eine rasant wachsende Artikelvielfalt und immer kürzere Produktlebenszyklen machen eine Langzeitplanung nahezu unmöglich. Der Einsatz von künstlicher Intelligenz,  Predictive Analytics bzw. die kognitive Logistik könnten die Antworten auf diese Herausforderungen sein und Unternehmen im Wettbewerb halten.(Ein Fachbeitrag von Jens Heinrich*, ergänzt durch CR Hajo Schlobach)

Die Digitalisierung und die Vernetzung logistischer Prozesse sind längst keine neuen Themen mehr. Und die Entwicklung geht unaufhörlich weiter in Richtung sogenannter kognitiver Systeme. Sie besitzen die Fähigkeit, zu lernen, Muster zu erkennen und daraus Handlungsempfehlungen abzuleiten. Aufgrund dessen sind sie in der Lage, die Mitarbeiter im Lager bei Entscheidungen zu unterstützen oder sie bereits im Vorfeld auf wahrscheinlich eintretende Ereignisse hinzuweisen. Fähigkeiten, von denen künftig insbesondere die Logistikbranche profitieren kann. Bis der Einsatz selbstlernender Systeme in den Lägern Realität wird, ist es jedoch noch ein langer Weg. Zwar haben viele Unternehmen die Notwendigkeit erkannt, Prozesse und Technologien miteinander zu verbinden, um zukunfts- und wettbewerbsfähig zu bleiben. Die Umsetzung geht aber nur schleppend voran.

Um die kontinuierlich steigenden Anforderungen auch in der Zukunft erfüllen zu können, müssen Unternehmen daher zunehmend auf die Vernetzung aller Systeme entlang der Supply Chain setzen.  

Kundenzufriedenheit im Fokus. Dabei könnten solche Systeme außerordentlich hilfreich sein, Kundenzufriedenheit herzustellen, insbesondere im Bereich des E-Commerce. Dabei spielt es keine Rolle, ob Unternehmen ihren Fokus auf das B2C- oder das B2B-Business legen. Im Zuge der Digitalisierung hat sich nämlich auch das Konsumentenverhalten gewandelt, sowohl beim Endkonsumenten als auch bei Business-Kunden. Die Erwartungen sind hier gleichermaßen hoch: Same Day oder Next Day Delivery, eine hundertprozentige Warenverfügbarkeit und fortlaufende Status-Updates setzen Kunden mittlerweile als selbstverständlich voraus.

Hochperformante IT ist die Basis

Um die kontinuierlich steigenden Anforderungen auch in der Zukunft erfüllen zu können, müssen Unternehmen daher zunehmend auf die Vernetzung aller Systeme entlang der Supply Chain setzen. Dafür brauchen sie ein leistungsfähiges System, das nicht nur die Vernetzung der einzelnen Teilnehmer, sondern auch deren Steuerung übernimmt.

Intelligente Steuerungszentrale. Ein modernes Supply Chain Execution System (SES) stellt als intelligente Steuerungszentrale beispielsweise alle relevanten Daten der gesamten Lieferkette transparent zur Verfügung und verbindet diese miteinander. Nur wenn es gelingt, die unterschiedlichen Daten sichtbar und transparent zu machen, ist eine gesamtheitliche Betrachtung und effizientere Gestaltung der dahinterstehenden originären Prozesse auch tatsächlich möglich. Auf diese Weise entwickelt sich die Wertschöpfungs- und Lieferkette zu einem Wertschöpfungs- und Liefernetzwerk. Schon heute dienen Supply Chain Execution Systems als Werkzeuge zur Produktivitätssteigerung und zur Fehlervermeidung. Damit ist das Potential aber noch nicht ausgeschöpft. Vielmehr dient ein SES als Plattform für die nächste Entwicklungsstufe der Logistik: die der Kognition.

Aus IoT wird LoT

In der Logistikbranche hat analog zum Begriff des Internet of Things (IoT) die Bezeichnung „Logistics of Things“ (LoT) Einzug gehalten. Noch vor wenigen Jahren wurde eine überschaubare Anzahl von Hardwarekomponenten im Lager verwendet. Inzwischen hat eine Fülle von digitalen Gadgets die Lagerhallen erobert. Der Einsatz von Tablets, Smartphones, Scannern, Pick-by-Voice und -Vision und sogar Kommissionieroboter ist heute keine Seltenheit mehr.

Datenmengen explodieren. Mit der steigenden Zahl an Technologien nimmt allerdings auch die Datenmenge zu. Nach einer Schätzung von Experten wie etwa von IBM, sind 90 Prozent der weltweit digital verfügbaren Daten alleine in den vergangenen fünf Jahren entstanden. Der für diese Informationen nötige Speicherplatz soll schätzungsweise von rund 20 Zettabyte – das entspricht fünf Milliarden Festplatten à vier Terrabyte – im Jahr 2018 auf über 40 Zettabyte im Jahr 2020 ansteigen. Der Grund für diese Datenexplosion ist, dass nicht nur die Vielfalt der verfügbaren Datentypen und -quellen rasant gestiegen ist, sondern auch die Frequenz, mit der sie entstehen. Diese entstehen etwa durch den stetigen Fluss von Echtzeit-Daten. Gleichzeitig wachsen die Speichermöglichkeiten.

Jeremy Rifkin über die „Zero Marginal Cost Society“ und die drei Arten des Internets auf der CeBIT 2015.

Wettlauf um Daten voll entbrannt

Ob die Schätzungen nun eine Schwankungsbreite haben oder nicht, Fakt ist, dass sich Asset Manager ganz unterschiedlicher Richtungen und Branchen mit Daten beschäftigen müssen. Denn es geht dabei um die Wettbewerbsfähigkeit der Unternehmen. Und die CeBIT 2018 in Hannover führte jedem Beobachter vor Augen, dass der Wettlauf um die besten Datenquellen und Verarbeitungsmethoden bereits voll entbrannt ist. Dabei wird klar: Wer Daten schneller, umfassender und präziser auswerten kann als die Konkurrenz, hat einen Informations- und damit Wettbewerbsvorsprung. Künstliche Intelligenz, und allem voran die datengetriebenen Methoden im Bereich des maschinellen Lernens, sind dabei prädestiniert, heterogene Datensätze unterschiedlicher Herkunft als Ganzes zu betrachten und darin nach komplexen, auch nicht linearen Mustern zu suchen. Durch diese Eigenschafft können KI-Systeme Zusammenhänge entdecken, wo ein menschlicher Analyst scheitern muss. Das bedeutet nicht, dass die Maschine dem Menschen kognitiv überlegen ist, sondern dass sie in einem begrenzten Raum schneller arbeiten kann.

90 Prozent der weltweit digital verfügbaren Daten sind in den vergangenen fünf Jahren entstanden. Der für diese Informationen nötige Speicherplatz soll von rund 20 Zettabyte – das entspricht fünf Milliarden Festplatten à vier Terrabyte – im Jahr 2018 auf über 40 Zettabyte im Jahr 2020 ansteigen.

Die sieben R’s der Logistik. Auch wenn der Einsatz von Künstlicher Intelligenz daher nicht unkritisch betrachtet werden darf, besteht dennoch die Herausforderung, aus riesigen Datenmengen einen effektiven Nutzen zu ziehen – auch und gerade in der Logistik. Der effektive Nutzen heißt hier, vorausschauend die richtige Ware, zur richtigen Zeit, in der richtigen Menge verfügbar zu haben, ohne dass die Lagerkosten dafür explodieren und das Unternehmen die mittlerweile „Sieben R’s der Logistik“ erfüllen kann. Dabei soll das richtige Produkt, in der richtigen Menge, im richtigen Zustand (z. B. Qualität), zur richtigen Zeit, am richtigen Ort (oder auch beim richtigen Kunden), zu den richtigen Kosten und mit den richtigen Informationen ausgestattet geliefert werden..

Pläne sind „out“. Noch bis in die jüngste Vergangenheit wurden dafür aufwändig Jahrespläne erstellt. Dies war in Zeiten relativ linearer Marktentwicklungen und vergleichsweise überschaubaren Warenangeboten das probate Mittel. Spätestens seit der Wirtschaftskrise im Jahr 2008 regiert die Volatilität die Märkte und die Produktlebenszyklen werden immer kürzer. Gleichzeitig zwingt der härter werdende Wettbewerb Unternehmen, ihre Artikel- und Leistungsvielfalt dramatisch zu erhöhen, denn der Kunde will eine Auswahl haben. Wer das richtige Sortiment zur richtigen Zeit anbietet, der macht heute das Rennen. Umso wichtiger ist es für Anbieter, aus der unendlichen Menge an generierten Daten die richtigen Informationen und daraus die richtigen Schlüsse für ihr Business zu ziehen. Es stellt sich also die Frage, welche Möglichkeiten es gibt, aus der Flut von Angaben diejenigen Informationen herauszufiltern, die relevant sind?

Predictive Analytics (Foto: E+P)
Predictive Analytics: Auch wenn der Einsatz von künstlicher Intelligenz nicht unkritisch betrachtet werden darf, besteht dennoch die Herausforderung, aus riesigen Datenmengen einen effektiven Nutzen zu ziehen. (Foto: E+P)

Predictive Analytics: Die Prognose macht den Wettbewerb

Bisher basierten Prozessoptimierungen auf Erkenntnissen aus der Vergangenheit. In der Ära der kognitiven Logistik ändert sich der Blickwinkel. Im Fokus steht die Frage „Was wird passieren und sind wir darauf vorbereitet?“. Die Antwort darauf gibt die vorausschauende Analyse, die aus Big Data Smart Data macht. Nicht mehr die Menge an Daten, sondern deren Qualität ist ausschlaggebend. Anhand der gefilterten, klassifizierten Daten und zusätzlichem externen Material, wie Wetter- oder Verkehrsinformationen, sind Vorhersagen über wahrscheinlich eintretende Situationen möglich.

Predictiv Analytics. Mit Predictive Analytics erhöht sich die Planungssicherheit, da die Methode wiederkehrende Muster aufdeckt. Das versetzt Unternehmen in die Lage, sich frühzeitig auf wahrscheinliche Szenarien einzustellen. Erkennt das System beispielsweise zu einem bestimmten Zeitpunkt Trendartikel, ist es sinnvoll, die Produktbelegung im Lager darauf auszurichten und dadurch die Kommissionierung zu beschleunigen. Auch anstehende Wartungen oder Verbesserungspotenziale im Materialfluss lassen sich auf diese Weise identifizieren. Dies stellt einen bedeutenden Schritt in Richtung kognitiver Logistik dar.

Predictive Analytics: Trend oder Traum?  

Für die Zukunft ist es denkbar, dass intelligente Systeme Entscheidungen auf der Grundlage von Predictive Analytics vollkommen ohne menschliches Eingreifen treffen. Ein ausgereiftes kognitives, sprich lernendes System kann mit dem Menschen in natürlicher Sprache interagieren, wodurch es zu einem smarten „Kollegen“ wird. Darüber hinaus ist es in der Lage, mitzudenken, die Mitarbeiter bei Entscheidungen zu unterstützen, vor Lieferengpässen zu warnen sowie Ratschläge zu erteilen. Diese künstliche Intelligenz verleiht dem System die Methode des Deep Learning, bei der künstliche neuronale Netzwerke Maschinen das Denken lehren. Die dafür nötige Rechenleistung stellt eine neue Generation von Computern und Algorithmen bereit. Trotzdem steckt die kognitive Logistik noch in den Kinderschuhen. Viele Unternehmen haben die Phase der Digitalisierung und Vernetzung entweder noch nicht abgeschlossen oder mit der Umsetzung gar nicht erst begonnen. Diese Stufe müssen Unternehmen jedoch zwingend erklimmen, um die Weichen für die kognitive Logistik zu stellen – und somit nicht den Anschluss an die Zukunft zu verlieren.

epg.com

Zu den Autoren
Jens Heinrich ist Chief Technology Officer (CTO) beim internationalen Experten für Logistiklösungen, Erhard+Partner Group (E+P) in Boppard.

Hans-Joachim Schlobach ist Herausgeber und Chefredakteur des Magazins BUSINESS+LOGISTIC sowie der Wissens- und Businessplattform für die DACH-Region, blogsitic.net.