Wert von KI-gestützten Lieferketten überzeugt Unternehmen

Seit 2023 gilt das deutsche Lieferkettengesetz. Es einzuhalten ist eine der größten Herausforderungen für die Unternehmen des Landes. Sie sind verpflichtet, strenge Sorgfaltspflichten zu erfüllen, um Menschenrechts- und Umweltverstöße in ihren Lieferketten zu verhindern. Das Ergebnis sind erhebliche Kosten und Aufwand. Deutsche Unternehmen, insbesondere große Konzerne, erkennen die wichtige Rolle der Lieferkette, um die Nachhaltigkeit zu verbessern. Allerdings ergab eine Umfrage eines deutschen Anbieters von Nachhaltigkeitslösungen für Lieferketten und des Branchenverbandes BME, dass sich Nachhaltigkeitsanalysen hauptsächlich auf kritische Tier-1-Lieferanten konzentrierten. Die Transparenz der Lieferkette stellte ein großes Hindernis dar, da nur 16 Prozent bzw. sieben Prozent der Unternehmen vollständige Transparenz über die Nachhaltigkeitsrisiken ihrer direkten und indirekten Lieferanten hatten.

Weitere Probleme in der Lieferkette sind das erhöhte Risiko von Störungen aufgrund geopolitischer Unsicherheiten, Handelsbarrieren und Klimaereignissen. Darüber hinaus gehören eine starke Abhängigkeit von ausländischen Lieferanten für Halbleiter und Seltenerdmetalle sowie die Erstellung genauer Nachfrageprognosen in einem volatilen Umfeld dazu.

Traditionelle, manuelle verwaltete Lieferketten sind unflexibel und reaktiv sowie von Silos geprägt. Sie sind nicht in der Lage, diese Herausforderungen zu bewältigen – und bieten auch nicht die notwendige Agilität, Marktreaktionsfähigkeit und Benutzererfahrung, die moderne Unternehmen benötigen, um wettbewerbsfähig zu sein. Eine KI-gestützte Lieferkettenlösung kann jedoch die Abläufe transformieren und Unternehmen eine durchgehende Transparenz bieten. Damit sind sie in der Lage, ihre Prozesse weiter zu optimieren, Risiken in der Lieferkette zu antizipieren und sich in Echtzeit an Ereignisse anzupassen. Und so funktioniert es:

Transparenz in der Lieferkette 

Hersteller, zum Beispiel Automobilunternehmen, haben umfangreiche, mehrstufige Lieferketten, deren Transparenz von Stufe 1 abwärts zunehmend schlechter wird. Sie benötigen einen Überblick über ihre Lieferketten, um dieses und weitere Gesetze einzuhalten. Dazu gehört auch die EU-Richtlinie zur Sorgfaltspflicht von Unternehmen (CSDDD). Die Transparenz der Lieferkette ermöglicht es beispielsweise Energieunternehmen und anderen Emittenten, Emissionen zu überwachen und zu reduzieren. Lebensmittelfirmen können die Herkunft und den Zustand ihrer Rohstofflieferungen verfolgen, und Konsumgüterhersteller ihre Logistik optimieren, um Kraftstoff und andere Ressourcen zu sparen. Eine Echtzeit-Übersicht ist für jede Aktivität in der Lieferkette enorm wichtig – von der Bestandsplanung über die Auftragsverfolgung bis hin zum Retourenmanagement.

Um ihre Sichtbarkeitsprobleme zu lösen, können Unternehmen einen KI-gestützten Inventory Control Tower einsetzen, der Planung, Bestellung, Bestandsverwaltung und Transport integriert und einen freien Informationsfluss in Echtzeit entlang der gesamten Lieferkette ermöglicht. Der Control Tower bietet nicht nur direkt Einblicke, sondern unterstützt auch die automatisierte Entscheidungsfindung, um die Kontrolle und Widerstandsfähigkeit der Lieferkette zu verbessern.

 
Intelligente Abläufe unterstützen 

Für Unternehmen, die ihre Abläufe optimieren möchten – Kapazitätsengpässe überwinden, die Produktionsgeschwindigkeit beschleunigen, die Ressourcennutzung verbessern, Engpässe abbauen usw. –, kann eine KI-gestützte Lieferkette als Komplettlösung dienen. Neben der Rationalisierung der Lieferkette überblicken Machine Learning-Algorithmen den gesamten Fertigungsbereich. Sie erkennen ineffiziente, überlastete Prozesse und schlagen Lösungen vor. Dazu gehören beispielsweise eine bessere Maschineneinstellung oder einen überarbeiteten Arbeitsablauf. Beispielsweise untersuchen bei der Siemens Electronics Works Amberg Sensoren historische und Echtzeitdaten, um die Auslastung in verschiedenen Bereichen der Fabrik vorherzusagen. Auf dieser Grundlage passen KI-Algorithmen die Personalzuweisung und die Produktionspläne an.

Die Nachfrageprognose unter schwankenden Bedingungen ist eine große Herausforderung für Unternehmen, insbesondere für solche mit mehreren Produkten oder Niederlassungen in mehreren Ländern. Ungenaue Prognosen können zu Überbeständen oder Fehlbeständen führen – beides wirkt sich nachteilig auf die Effizienz aus. Eine Vielzahl von Parametern, von klimatischen Bedingungen über Großveranstaltungen bis hin zu saisonalen Anforderungen und regionalen Unterschieden, muss berücksichtigt und in Echtzeit in die Analyse einbezogen werden. All dies übersteigt die Möglichkeiten traditioneller Planungsmethoden.

KI-gestützte Tools zur Nachfrageprognose verarbeiten jedoch riesige Datenmengen in Echtzeit: Sie erkennen Nachfragemuster und empfehlen den optimalen Bestand selbst für Tausende von Lagereinheiten. So lassen sich Prognosefehler um bis zu 50 Prozent reduzieren.

Ein europäisches Konsumgüterunternehmen nutzte prädiktive Nachfrageprognosen, um wöchentliche Voraussagen mit einer Genauigkeit von 92 Prozent zu erstellen. Das Unternehmen entwickelte außerdem ein intelligentes Dashboard, mit dem es durch Änderung verschiedener Parameter wie Preis oder Vertrieb Prognosen simulieren konnte.

Unternehmen können KI-Agenten sogar in Lager- und Logistikbetrieben einsetzen, um Nachfragemuster, Verkaufstrends und Lagerbestände zu analysieren. Damit sind sie in der Lage, den Nachschubbedarf zu prognostizieren oder Verkehrsmuster und Wetterbedingungen zu analysieren – und so die Lieferrouten dynamisch zu optimieren. Agentische KI spielt eine wichtige Rolle in der Lieferkette. Sie übernimmt erkennt proaktive Engpässe, hebt Lieferantenrisiken hervor und übernimmt die Überwachung ausgehender Sendungen. So lässt sich die Effizienz, Agilität und Zuverlässigkeit verbessern.

Im vergangenen Jahr hat BMW ein Multi-Agenten-System implementiert, das als zentrale KI-Ressource dient, mit der das Einkaufs- und Lieferantennetzwerk schnell nach Informationen suchen kann. Derzeit decken die zehn Agenten des Systems Themenbereiche von der Qualität über Lieferantendaten bis hin zur Unterstützung des Einkaufsprozesses ab. Der Automobilhersteller plant, das System so weiterzuentwickeln, dass es künftig die Lieferkette autonom überwachen, Verbesserungsmöglichkeiten identifizieren, Prozesse automatisieren und sogar Maßnahmen empfehlen kann.

Reaktionsfähigkeit und Widerstandsfähigkeit aufbauen 

Die Widerstandsfähigkeit der Lieferkette ist kontinuierlich durch die Nichtverfügbarkeit von Teilen, Transportausfälle, Qualitätsprobleme, Lieferverzögerungen und unzählige andere Pannen bedroht. Unternehmen müssen in der Lage sein, solche Ereignisse zu antizipieren und schnell Abhilfemaßnahmen zu ergreifen – bei einem anderen Lieferanten bestellen, Produktionspläne ändern, dem Kunden eine Alternative vorschlagen usw. Dies ist nur mit einer intelligenten Lieferkette möglich, die auf einer fortschrittlichen Architektur, Cloud-nativen Ökosystemen, künstlicher Intelligenz und Machine Learning basiert und in Echtzeit Trigger erkennen, bewerten und darauf reagieren kann.

Während große Unternehmen solche Lösungen bereits implementieren, ist der deutsche Markt für KI in der Lieferkette noch recht überschaubar. Eine Quelle prognostiziert jedoch, dass der Umsatz (der 2023 bei 220,7 Millionen US-Dollar lag) bis 2030 auf 2,04 Milliarden US-Dollar steigen wird. Da KI die Zukunft der Lieferketten ist, sollten deutsche Unternehmen, einschließlich des Mittelstands, die Einführung möglichst beschleunigen.