KI als Werkzeug in der Problemzone Intralogistik

Von   Marcel Queng   |  Senior Produktingenieur EMEA   |  GreyOrange
22. März 2022

Nicht nur die Retail-Branche weiß: Von Anfang bis Ende der Supply Chains warten an jedem Abschnitt in den nächsten Jahren gewaltige Herausforderungen. Ich möchte hier das Ende der Lieferketten, das Fulfillment, in den Fokus nehmen. Dort sorgt vor allem ein künftiger Mangel an Personal – die „neue Arbeiterlosigkeit“ – für Kopfzerbrechen. Doch glücklicherweise stehen hier bereits heute umsetzbare Abhilfen bereit.

Fragt man Logistik-Entscheider aus Handelsunternehmen danach, was sie innerhalb der nächsten Jahre im Supply Chain Management als einen der wichtigsten Erfolgsfaktoren sehen, dann lautet die Erwartung der meisten, dass dies Künstliche Intelligenz (KI) ist. Das Interesse der Unternehmen an solchen Projekten ist dementsprechend schon heute riesig, die tatsächliche Umsetzung steht jedoch zumeist noch aus.

Dass diese Projekte demnächst aber angegangen werden, darauf können wir ruhigen Gewissens sichere Wetten abschließen. In wirtschaftlicher Hinsicht versprechen sie vor allem große positive Auswirkungen hinsichtlich Bestandsoptimierung, Warenverfügbarkeit und Steigerung der Liefer-Zuverlässigkeit. Und der Handel weiß: Er muss sein Personalproblem lösen.

Die Personalknappheit zwingt Händler zur Automatisierung

Händler möchten heute wieder näher an ihren Kunden sein. Dark Stores und Mikro-Fulfillment-Centren innerhalb von Wohngebieten versprechen ein Ausliefern von Waren nicht nur Same-Day, sondern innerhalb von zehn Minuten. Schnell und natürlich zum günstigen Preis – Der Konkurrenzkampf im Handel erschafft ein Umfeld, in dem alle Beteiligten jedes Detail optimieren müssen. Händler wissen: Zu lange Lieferzeiten gehören zu den häufigsten Gründen für einen Kaufabbruch.

Um die Lieferversprechen aber auch einzuhalten, auch angesichts immer größerer Volumina im E-Commerce, benötigt es Personal. Viele Lager funktionieren heute noch rein mit menschlicher Arbeit. Arbeitskräfte werden wegen ihrer gesunkenen Verfügbarkeit des steigenden Mindestlohns aber nicht nur teurer, sie werden davon abgesehen auch zunehmend knapp und immer schwieriger zu rekrutieren. Schon heute führt der Personalmangel in über einem Viertel der Unternehmen mit eigenen Logistik-Operationen zu Störungen.

Jeder Arbeitsabschnitt, der sich automatisieren lässt, macht Händlern das Leben also leichter und ist künftig ohne Alternative. Im Fulfillment ist dies am einfachsten zu realisieren, von daher werden wir in diesem Bereich immer öfter beobachten können, dass eine Kombination aus Robotik, Machine Learning und KI zum Einsatz kommt.

KI-Unterstützte Software wird Mittelpunkt und Gehirn des Lagers

Als Mittelpunkt des Warehouse-Managements in der Intralogistik kann KI-gestützte Software viele Prozesse vereinfachen und beschleunigen. Objektive Daten als Basis aller logischen Entscheidungen ermöglicht den idealen Einsatz aller verfügbaren Ressourcen und die bestmögliche Verwendung des verfügbaren Raums. Ideal bedeutet in diesem Fall eine Kombination aus Kosteneffizienz und Geschwindigkeit. Jede Entscheidung soll zur besten Entscheidung werden.

Das System muss dabei in der Lage sein, sich auf die individuellen Gegebenheiten eines Lagers anzupassen, wie Warentypen, Umschlagsmenge und räumliche Gestaltung. Eine Cookie-Cutter-Lösung, die sofort überall gleich und mit maximaler Effizienz funktioniert, gibt es nicht. Daher ist es entscheidend, dass Software als „Gehirn des Lagers“ kontinuierlich die jeweils vorhandenen Daten nutzt und durch Machine Learning effizienter wird. So entwickelt sie über Zeit immer intelligentere Strategien, um den Umschlag im Lager zu orchestrieren. Dadurch hält sie das Warenhaus permanent in einem agilen Fluss, indem sie Abläufe und Prioritäten fortwährend neu evaluiert und ordnet. 

Entscheidungen über den Warenfluss müssen in Echtzeit getroffen werden: Welche Bestellungen und auch Retouren gehen ein, wann gibt es Bestellspitzen einer bestimmten Ware? Unter Umständen müssen auch Premiumkunden berücksichtigt werden. Je mehr Daten zu Fragen wie diesen vorliegen, umso effektiver reguliert das System Prioritäten und Wege im Lager und umso besser und flexibler reagiert es auf Auslastungsspitzen – All das Real-Time. Für das menschliche Auge nachvollziehbar bleiben diese Aktivitäten dank einer umfassenden Zusammenführung und Visualisierung aller Daten im Dashboard.

Zu den Leistungen, die eine solche Software dabei übernimmt, zählen aber auch Monitoring, Diagnose und Troubleshooting bei Problemen. Hier hilft die erlernte Datenbasis dabei, sie schon im Entstehen zu erkennen. Systemkritische Komponenten bleiben so geschützt und korrektive Maßnahmen werden automatisch rechtzeitig eingeleitet, so dass die Operationen im Lager weiter ungestört und wie geplant ablaufen können.

Das volle Potential: Machine Learning und intelligente Fulfillment-Roboter

Der interessanteste Anwendungsfall eines solchen KI-unterstützten zentralen Warehouse Management Systems aber entsteht dann, wenn es mit Lagerrobotern als Ergänzung zu den menschlichen Mitarbeitern zusammenarbeitet. Erst dann kann es seine volle Wirkmacht entfalten.

Mit KI und Machine im Hintergrund wird aus simpler Robotik eine intelligente Robotik, die neue Standards im Fulfillment setzt. Sowohl für den Warentransport im Lager als Goods-to-Person-Ansatz als auch für das Picking und schließlich für die finale Kommissionierung stehen geeignete Roboter zur Verfügung. Gesteuert werden sie von der KI der zentralen Software, die wie ein Puppenspieler die Fäden des gesamten Lagers zieht. Hierbei ist unerheblich, ob dieses vollständig automatisiert wird oder ob Roboter und Menschen in Kooperation arbeiten. Das Goods-to-Person-System optimiert das Zusammenspiel so, dass die Transportwege optimiert sind und den menschlichen Mitarbeitern die körperlich schwersten sowie die eintönigsten Arbeiten abgenommen werden. Die freigewordene Arbeitskraft kann somit in vollem Umfang auf Einsatzbereiche und Situationen konzentriert werden, an denen menschliche Entscheidungsfindung und Interaktion noch unersetzbar ist.

Ziel des Einsatzes von Robotern sind dabei unter anderem immer auch das Steigern der Flexibilität sowie die Bewältigung von Auftragsspitzen, für die nicht genügend Mitarbeiter zur Verfügung stehen. Ein vollautomatisiertes Fulfillment-Center kann schließlich rund um die Uhr betrieben werden, ohne dass zusätzliche und unplanbare Kosten entstünden.

Für Entscheider relevant: Was ist mit der bestehenden Infrastruktur?

Ein ganz entscheidender Faktor bei der Überlegung, solche Systeme einzusetzen, ist für viele Entscheider dabei die Möglichkeit zur Integration in die existierende Infrastruktur – sowohl mit Blick auf die Technik als auch mit Blick auf die vorhandenen Räumlichkeiten.

Es ist bei weitem nicht mehr so, dass einzig speziell konstruierte Lager mit einer bestimmten Mindestgröße automatisiert werden können. Die Technik ist hier so flexibel geworden, dass für sämtliche Warehouse-Typen Möglichkeiten vorhanden sind: Reine E-Commerce-Fulfillment-Center, Dark Stores, Omnichannel-Lagerflächen oder auch In-Store Micro-Fulfillment-Center, um nur einige Unterarten zu nennen. Die Möglichkeiten, Automatisierung zu integrieren, wachsen und wachsen.

Auch auf technischer Seite spielt Integration eine große Rolle. Oft sind Entscheider aus nachvollziehbaren Gründen abgeneigt, im Zuge einer Modernisierung gleich ihre kompletten Systeme auszutauschen. Eine Schlüsselrolle spielt deshalb die Möglichkeit, via APIs zuverlässig und in vollem Umfang auf die Daten aus allen bestehenden IT-Systemen des Unternehmens zuzugreifen. Die KI braucht diese Informationen zu Bestelleingängen, Lieferungen und Warenbestand, aus welchen Quellen auch immer diese kommen.

 Das Fulfillment der Zukunft kann nur automatisiert sein

Dass ein immer breiterer Einsatz von fortwährend mehr KI und Machine Learning unumgänglich ist, machen sämtliche aktuellen Entwicklungen klar: Der demographische Wandel wird den bereits bestehenden Fachkräftemangel weiter befeuern. Paketvolumen und Kundenerwartungen steigen dessen ungeachtet gleichzeitig aber kontinuierlich weiter an, angeheizt durch die bestehende Konkurrenzsituation. Und als vielleicht wichtigster Faktor verbessert der rapide Fortschritt solcher Technologien deren Wirtschaftlichkeit und Umsetzbarkeit in einem Maße, dass solche Lösungen bald nicht nur für immer mehr und auch kleinere Handelsunternehmen erschwinglich, sondern sogar zur rentabelsten Option werden.

Innovative Unternehmen, die ein erfolgreiches Anschauungsbeispiel bieten, sind wichtige Treiber des Fortschritts im Fulfillment. Aber auch die Anbieter von Intralogistik-Angeboten stehen in der Verantwortung, ihre Produkte einer breiten Masse an Entscheidern zu präsentieren und die Vorteile aufzuzeigen, um die Verbreitung der Technologie zu fördern.

Entscheiden sich Händler, ihr Warehouse Management neu aufzustellen und durch KI zu unterstützen, muss von der Konzeptionierung bis zum Go-Live aktuell etwa mit sechs bis neun Monaten Arbeit gerechnet werden. Dieser Prozess wird sich wahrscheinlich beschleunigen, dennoch ist es ratsam, das Thema Fulfillment lieber früh als spät anzupacken.

Marcel Queng ist Senior Produktingenieur EMEA bei GreyOrange. Dort verantwortet er die Implementierung der GreyOrange-Systeme in der EMEA Region. Er verfügt über langjährige Berufserfahrung in Design und Umsetzung von Prozessen im Bereich Logistik & Automatisierung.

Um einen Kommentar zu hinterlassen müssen sie Autor sein, oder mit Ihrem LinkedIn Account eingeloggt sein.

25362

share

Artikel teilen

Top Artikel

Ähnliche Artikel