Künstliche Intelligenz : Künstliche Intelligenz in der Logistik
Logistiksysteme sind Ursache-Wirkungs-Zusammenhänge, die zwar eindeutig, aber aufgrund ihrer Komplexität für den Menschen und für herkömmliche Methoden der Operations Research kaum überschaubar sind. Welche Auswirkungen haben ein Stau, ein Materialschaden bei einer Maschine oder ein Streik in einem Hafen an einem anderen Ende der Welt für das Gesamtsystem? Wie kann es rasch erneut in sich abgestimmt werden? Systeme der Künstlichen Intelligenz werden das in Zukunft immer genauer berechnen können.
Mehr noch: Wie werden sich aufgrund von Ernteausfällen oder Rekordernten, Wechselkursentwicklungen oder Themen, die in den Sozialen Medien gerade virulent sind, Angebot und Nachfrage nach bestimmten Gütern (auseinander) entwickeln? Künstliche Intelligenz kann nicht nur Prozesse optimieren, sondern auch in der Bedarfsprognose und der Absatzplanung eingesetzt werden.
Möglich ist dieser Einsatz von Künstlicher Intelligenz durch mehrere Faktoren: Einer hohen und ständig zunehmenden Rechenleistung und Speicherkapazität, Big Data und intelligenten Algorithmen. Die Rechenleistung von Computern und Chips potenziert sich fortwährend – bis zum Jahr 2040 könnte sie gegenüber heute um einen Faktor 1000 zugenommen haben.
Nicht nur durch das Internet und durch soziale Medien, sondern auch über Sensoren und Systeme der Echtzeitdatenübermittlung kann auf gewaltige und stets aktuelle Datenmengen und auch auf aussagekräftige Datenreihen zugegriffen werden. Bei Logistikprozessen selbst werden täglich riesige Mengen an Daten produziert. Basierend darauf können Aussagen getroffen werden, wie sich Systeme über die Zeit hinweg verhalten und auf welche Einflussfaktoren und Veränderungen sie wie reagieren.
Es gibt je länger je mehr Datenquellen, die bald neues Potenzial zur Effizienzsteigerung in der Logistik bieten können. So stellen beispielsweise die B2B-Plattformen wlw (ehemals "Wer liefert was") und Europages grosse Mengen an Daten zu Rohstoffen und Produkten zur Verfügung. Neben detaillierten Spezifikationen sind auch Preise und Lieferzeiten enthalten. Es ist absehbar, dass die Daten dieser beiden Plattformen des Plattformanbieters Visable in Zukunft genutzt werden können, um Lagerbestände durch Künstliche Intelligenz effizient zu bewirtschaften. Es sind dann Nachbestellungen zum besten Preis termingerecht und automatisiert möglich.
Notwendig dafür ist die Verfügbarkeit von qualitativ hochwertigen Daten. Denn Datenquantität ist nicht gleich Datenqualität. "Es ist wichtig, eine adäquate Vorauswahl zu treffen, welche Daten benötigt werden. Zudem muss sichergestellt sein, dass diese Daten in genügender Qualität vorhanden sind", erklärt Visable-CTO Daniel Keller. "Visable hat für die Datensammlung begonnen, Künstliche Intelligenz zu nutzen, um relevante Daten als solche zu identifizieren – im Sinne eines Lernprozesses über intelligente Algorithmen", erklärt Daniel Keller.
Intelligente Algorithmen bedeutet, dass Künstliche Intelligenz, die auf diesen Algorithmen beruht, die Ergebnisse, die sie produziert und die Prognosen, die sie aufgrund einer Auswertung von Daten trifft, mit dem realen Wert vergleicht, aus ihren Fehlern lernt und sich so selbst fortwährend optimiert. Es bedeutet auch, dass Künstliche Intelligenz Echtzeitdaten verarbeiten und so sofort reagieren kann. Das heißt nicht, dass Künstliche Intelligenz deswegen ein Bewusstsein entwickelt. Im Hinblick auf ihre Rechenkapazitäten ist sie den kognitiven Fähigkeiten des Menschen jedoch bei weitem überlegen.
Vielfältige Anwendungsgebiete zur Effizienzsteigerung in der Logistik
Künstliche Intelligenz kann aber noch für viel breitere Anwendungsgebiete als die simple Lagerbewirtschaftung genutzt werden. Zunächst können Systeme der Künstlichen Intelligenz Transportrouten (innerhalb und außerhalb des Lagers) planen und, im Zusammenhang mit unerwarteten Ereignissen, neu berechnen. Ankunftszeiten können noch genauer vorhergesagt werden. Systeme der KI können leicht erkennen, wenn bestimmte Produkte oder Komponenten im Lager rar werden – und die möglichen Auswirkungen auf andere Produkte oder Komponenten im Logistikzyklus vorhersehen – und diese dann rechtzeitig aufstocken. Genauso können Überkapazitäten erkannt werden.
Im Sinne von "Predictive Maintainance" kann Künstliche Intelligenz Maschinenausfälle vorhersehen und darüber hinaus effizient die Timeslots für die entsprechenden rechtzeitigen Wartungsarbeiten innerhalb des Gesamtprozesses einteilen. Autonome Drohnen können Inventuren erledigen und Bilder zur Schadensprüfung aufnehmen. Chatbots können Anfragen von Paketempfängern entgegennehmen. Das Sortieren von Waren und Komponenten im Lager ist für den Menschen eine zeitintensive Aufgabe. Hier können Roboter die Vorsortierung übernehmen. Darüber hinaus können sie besser erkennen, welche Produkte oder Komponenten gerade stärker nachgefragt werden und diese näher am Ein-/Ausgang platzieren, um Wegzeit zu sparen.
Und neben dieser Prozess- und Transportoptimierung kann Künstliche Intelligenz eben in der Bedarfsprognose und Absatzplanung eingesetzt werden. Durch Big Data kann besser vorhergesehen werden, wer wann wo was braucht; wo es in nächster Zeit bei bestimmten Produkten zu einem Nachfrageüberhang oder aber -defizit kommen könnte. Damit kann sie nicht nur in bestehende Prozesse eingreifen und diese optimieren, sondern Ressourcen und Kapazitäten auch in die jeweilige Zukunft hinein besser aufteilen. Das würde bedeuten, dass Künstliche Intelligenz in der Logistik nicht allein innerbetriebliche Probleme und Engpässe sondern vielleicht sogar gesamtwirtschaftliche Abschwünge oder Volatilitäten besser abfedern könnte.
