Knut Alicke, Partner bei McKinsey und Professor für Supply Chain Management, diskutiert über die transformative Kraft von KI und Robotics in Logistik und Supply Chain Management. Er beleuchtet die Herausforderungen der Datenqualität und den kulturellen Widerstand in Unternehmen. Mit Beispielen von autonomen Gabelstaplern zeigt er die Fortschritte bei der Automatisierung auf. Alicke warnt, dass menschliche Expertise trotz technologischer Entwicklungen unverzichtbar bleibt und hebt die Notwendigkeit einer Anpassungsfähigkeit in der Branche hervor.
53:48
forum Ask episode
web_stories AI Snips
view_agenda Chapters
auto_awesome Transcript
info_circle Episode notes
insights INSIGHT
KI senkt Black-Box-Ängste
Künstliche Intelligenz und Robotics werden die Supply Chain ähnlich revolutionieren wie der Container vor Jahrzehnten.
Large Language Modelle senken die Angst vor "Black Box"-Systemen durch intuitive Gesprächsführung deutlich.
volunteer_activism ADVICE
Datenqualität und Neugier wichtig
Unternehmen müssen ihre Datenqualität verbessern, um KI sinnvoll zu nutzen.
Gleichzeitig ist Neugierde und Kompetenzaufbau essenziell, um interne Skeptiker zu überzeugen und Innovationen zu fördern.
question_answer ANECDOTE
Robotics im Lager - Beispiele
Startups entwickeln ferngesteuerte Gabelstapler, digitale Zwillinge und automatisierte Fachbodenlager.
Diese Innovationen zeigen praktische Robotics-Anwendungen trotz Personalmangel und unvollständiger Lagerstruktur.
Get the Snipd Podcast app to discover more snips from this episode
Beim Felgendreher & Friends Supply Chain Community Event in Frankfurt hat Prof. Knut Alicke einen Impulsvortrag zum Thema "Wie KI und der Einsatz von Robotics jetzt das Supply Chain Management und in die Logistik verändern werden" gehalten und danach mit Boris Felgendreher und einem Kreis von Supply Chain Verantwortlichen aus der Region Frankfurt (Main) diskutiert.
Daraus ist diese Felgendreher & Friends Community Live Podcast Episode entstanden, in der es unter anderem um folgende Themen geht:
KI-Entwicklung & Large Language Modelle:
Machine Learning seit über 10 Jahren im Einsatz (z. B. Demand Planning).
LLMs nehmen die "Black Box"-Angst – zugänglicherer Einstiegspunkt für viele.
Diskussion über exponentielles vs. lineares Wachstum von Technologien.
Gründe für langsame Adaption:
Schlechte Datenqualität in Unternehmen (z. B. fehlerhafte Stammdaten).
Felgendreher & Friends - Diskussionen für Supply Chain Fans 