#230: Wie KI die Rolle der Supply Chain Planer verändert (Prof. Dr. Kai Hoberg, Kühne Logistics University)
Oct 2, 2024
auto_awesome
Kai Hoberg, Professor für Supply Chain und Operations Strategy an der Kühne Logistics University, taucht tief in die Welt der Künstlichen Intelligenz ein. Er diskutiert den Stand der KI und Automatisierung in der Supply-Chain-Planung und beleuchtet Herausforderungen für traditionelle Softwareanbieter. Die Bedeutung von Daten und die Notwendigkeit eines 'Data Lake' für KI-Training stehen ebenfalls im Mittelpunkt. Praktische KI-Anwendungen wie Nachfrageprognosen und die Interaktion zwischen Mensch und Maschine werden greifbar gemacht. Außerdem gibt er wertvolle Tipps für Supply-Chain-Planer.
Die Integration von KI in die Demand-Planung ermöglicht präzisere Prognosen durch die Berücksichtigung komplexer Faktoren wie Wetter und Feiertage.
Die Schulung der Planer und die Entwicklung transparenter Schnittstellen sind entscheidend, um Vertrauen in KI-Systeme zu schaffen und deren Akzeptanz zu fördern.
Deep dives
Die Rolle von KI in der Supply Chain Planung
Der Einsatz von künstlicher Intelligenz (KI) in der Supply Chain Planung wird als zunehmend notwendig beschrieben, insbesondere angesichts der durch die steigende Komplexität der Entscheidungen, die Planer treffen müssen. Traditionelle Systeme stoßen an ihre Grenzen, da moderne Planung eine enorme Anzahl an täglichen Entscheidungen erfordert, was die Unterstützung durch KI dringend erforderlich macht. In den letzten Jahren hat sich die Landschaft der Planungssysteme erheblich erweitert, und verschiedene Anbieter integrieren zunehmend KI-Funktionen, um präzisere Nachfrageprognosen zu ermöglichen. Unternehmen erkennen den Wert von KI nicht nur für schnellere Planungsprozesse, sondern auch für eine effektivere Nutzung diverser Datenquellen, um die Prognosesicherheit zu verbessern.
Herausforderungen der Nachfrageprognose mit KI
Die Nachfrageprognose ist ein zentraler Aspekt der Supply Chain Planung, und die Integration von KI wird als Schlüssel zur Verbesserung der Prognosegenauigkeit angesehen. Ein Beispiel ist ein britischer Supermarkt, der täglich Millionen von Prognosen für eine Vielzahl von Artikeln in mehreren Filialen erstellen muss. KI ermöglicht es, verschiedene Faktoren wie Wetter, Feiertage oder Marketingaktionen in die Prognosen einzubeziehen, die für traditionelle Systeme oft unzugänglich sind. Trotz des Potenzials gibt es auch Risiken, da jede Prognose ungenau ist und es notwendig ist, die Grenzen von KI zu erkennen, um unrealistische Erwartungen zu vermeiden.
Fortschritte in der KI und ihre Implikationen
Die Entwicklung der Rechenleistung und die Verbesserung von Algorithmen haben den Einsatz von KI in der Supply Chain Planung erheblich vorangetrieben. Unternehmen haben begonnen, ihre Daten besser zu nutzen, um KI-Modelle effizient zu trainieren, was zu einer höheren Erfolgsquote bei KI-Projekten führt. Eine aktuelle Studie zeigt, dass Unternehmen, die KI in ihren Planungsprozessen implementieren, positive Ergebnisse erzielen, während andere Technologien wie Blockchain stagnieren. Diese Fortschritte erfordern jedoch auch ein Bewusstsein für die Notwendigkeit einer umfassenden Datenmanagementstrategie, um die Fähigkeiten von KI voll auszuschöpfen.
Vertrauen in KI-Systeme aufbauen
Das Vertrauen in KI-Systeme ist entscheidend für deren erfolgreiche Implementierung in die Supply Chain Planung. Planer stehen oft vor der Herausforderung, sich an neue Systeme zu gewöhnen, die in ihrer Funktionsweise und Datennutzung als Blackbox erscheinen. Durch gezielte Schulungen und Feedback-Schleifen können Unternehmen den Planern helfen, das System besser zu verstehen, was zu einer höheren Akzeptanz und Zuversicht führen kann. Die Entwicklung von Schnittstellen, die die wichtigsten Faktoren klar darstellen und die frühzeitige Einbindung von Planern in Entscheidungsprozesse sind entscheidend, um Vertrauen und effektive Zusammenarbeit mit den neuen KI-Lösungen zu fördern.
