Supply Chain und Logistik Daten und KI in der Praxis (Dr. Thomas Schamberg, SVP Supply Chain, Evonik)
Feb 25, 2025
auto_awesome
Dr. Thomas Schamberg, SVP Supply Chain bei Evonik, teilt fundierte Einblicke in die Integration von KI und Daten in der chemischen Industrie. Er erläutert, wie Evonik auf SAP S4 HANA umgestiegen ist und innovative Modelle zur Verbesserung der Nachfrageprognose entwickelt hat. Auch die Herausforderungen durch Mergers & Acquisitions und die Notwendigkeit der Digitalisierung werden thematisiert. Besonderes Augenmerk liegt auf der Effizienzsteigerung durch Automatisierung im Order Intake und der strategischen Anpassung des Supplier-Portfolios.
Die chemische Industrie muss die Digitalisierung in der Supply Chain vorantreiben, um Daten aus traditionellen Systemen effektiver zu nutzen.
Der Umstieg auf moderne Planungssysteme wie SAP S4 HANA erfordert nicht nur Technologieinvestitionen, sondern auch eine umfassende Umstrukturierung interner Prozesse.
KI kann durch vorausschauende Wartung und Datenanalysen die Effizienz erhöhen, Wartungskosten senken und die Verfügbarkeit kritischer Maschinen optimieren.
Deep dives
Die Bedeutung von Daten in der Supply Chain
Die moderne Supply Chain wird zunehmend durch die Erhebung und Analyse großer Datenmengen geprägt. Unternehmen stehen vor der Herausforderung, diese Daten effektiv zu nutzen, um handlungsrelevante Erkenntnisse zu gewinnen. Ein Beispiel ist die chemische Industrie, in der die Integration von Daten in den Planungsprozess bereits begonnen hat, um Vorhersagen genauer zu machen. Durch die Harmonisierung der Planungsprozesse und die Verwendung zentraler Systeme wie SAP können Unternehmen die Qualität ihrer Prognosen verbessern und deren Genauigkeit messen.
Herausforderungen und Chancen der Prozessdigitalisierung
Die Digitale Transformation bringt zahlreiche Herausforderungen mit sich, insbesondere für Unternehmen, die historisch in traditionellen Arbeitsweisen verankert sind. Viele Firmen nutzen veraltete Planungssysteme wie Excel, welche die Datenverfügbarkeit und -qualität beeinträchtigen. Der Umstieg auf moderne Systeme erfordert nicht nur technologische Investitionen, sondern auch eine Umstrukturierung der internen Prozesse. Unternehmen, die diese Herausforderungen erfolgreich meistern, können jedoch eine Chance nutzen, ihre Effizienz zu steigern und ihre Wettbewerbsfähigkeit zu verbessern.
Vorausschauende Wartung als Anwendungsbeispiel
Ein praktisches Beispiel für den Einsatz von KI in der Supply Chain ist die vorausschauende Wartung, bei der Daten von Maschinen analysiert werden, um mögliche Fehler frühzeitig zu erkennen. Durch die Analyse von Schwingungsdaten kann vorhergesagt werden, wann ein Maschinenfehler wahrscheinlich ist. Dies hat es Unternehmen ermöglicht, Wartungsintervalle zu optimieren, wodurch Kosten gespart und Ausfallzeiten reduziert werden. Solche Anwendungen zeigen, wie KI Unternehmen dabei helfen kann, ihre Betriebskosten zu senken und gleichzeitig die Verfügbarkeit kritischer Maschinen zu erhöhen.
Transportmanagement und Datenintegration
Das Management von Transportdienstleistern wird zunehmend durch die Notwendigkeit einer verbesserten Datenintegration herausgefordert. Viele Unternehmen sind mit einer Vielzahl kleiner Dienstleister konfrontiert, was zu einer fragmentierten Datenlandschaft führt. Eine Strategie zur Vereinheitlichung der Daten und zur Auswahl weniger, größerer Dienstleister kann die Effizienz steigern und die Datentransparenz erhöhen. Die Implementierung von Tracking-Daten und transparenter Kommunikation mit diesen Partnern ist entscheidend, um einen reibungslosen Ablauf und hohe Kundenzufriedenheit sicherzustellen.
Zukunftsausblick: KI-Agenten und Entscheidungsfindung
In Zukunft könnten KI-gestützte Systeme und Agenten entscheidende Rollen in der Supply Chain-Entscheidungsfindung übernehmen. Diese Systeme könnten in der Lage sein, komplexe Datenanalysen durchzuführen und Vorschläge zur Optimierung von Prozessen zu bieten. Der Einsatz solcher Technologien verspricht nicht nur Effizienzgewinne, sondern auch eine bessere Resilienz von Unternehmen gegenüber unvorhersehbaren Änderungen im Markt. Um jedoch das volle Potenzial dieser Technologien auszuschöpfen, müssen Unternehmen sicherstellen, dass relevante Datenorganisation und -integration stattfinden, um präzise Analysen und Entscheidungen zu ermöglichen.
Dr. Thomas Schamberg, SVP Supply Chain beim Chemiekonzern Evonik, war zu Gast bei unserem Felgendreher & Friends Supply Chain Community Event in Düsseldorf und hat uns einen Praxisbericht mitgebracht, der erklärt, wie Thomas und sein Team Daten aus Logistik und Supply Chain mit Hilfe von KI "actionable" macht.
Danach haben wir gemeinsam im Kreis von Logistik und Supply Chain Verantwortlichen aus unterschiedlichen Branchen wie Chemie, Maschinenbau, Großhandel, Stahl, FMCG, Pharma, Einzelhandel und Online-Handel über diesen Praxisbericht diskutiert.
Dabei ging es unter anderem um folgende Themen:
Impulsvortrag von Thomas Scharnberg:
Einführung in die Supply Chain bei Evonik:
Überblick über die Komplexität der Supply Chain (150 Produktionsanlagen in 100 Ländern, teilweise 18 Monate Produktionsdauer).
Chemische Industrie hat Nachholbedarf in der Digitalisierung der Supply Chain
Traditionelle Planungsmethoden (Excel, MES-Systeme) vs. moderne Lösungen
Herausforderungen durch Mergers & Acquisitions und die Integration verschiedener Systeme.
Digitalisierung und KI in der Supply Chain:
Umstellung auf SAP S4 HANA (mit Brownfield Approach, bestehende Probleme wurden übernommen). Einführung von IBP for Demand zur besseren Planbarkeit. Entwicklung eines KI-gestützten Entscheidungsmodells zur Optimierung von Forecasts.
KI und Machine Learning für Demand Forecasting:
Nutzung von vorgefertigten ML-Modellen, die an Evonik-spezifische Forecast-Daten angepasst werden.
Verbesserung der Forecast Accuracy durch datengetriebene Optimierung
Zusammenarbeit mit Forschungspartnern für noch präzisere Vorhersagen.
Order-to-Cash-Prozess & Automatisierung:
Automatisierung der Auftragserfassung durch Schrifterkennung und direkte SAP-Integration. Abbau manueller Prozesse (z.B. Faxbestellungen)
Auswirkungen auf die Workforce: Schrittweise Optimierung statt plötzlicher Einsparungen.
Fokus auf No-Touch oder Less-Touch-Order Processing.
Transportmanagement & Visibility:
Herausforderung: Sehr fragmentierte Dienstleisterstruktur (ca. 700–800 Partner).
Strategie: Konsolidierung auf wenige große Partner (4PL).
Implementierung eines globalen Transportmanagementsystems (TMS).
Tracking-Integration mit GPS- und Geofencing-Daten.
Optimierung von Lead Times & Working Capital durch bessere Transportplanung.
KI für Entscheidungsfindung & Automatisierung:
Einsatz von ChatGPT und Co-Pilot zur internen Wissensorganisation
Protokollerstellung & Aufgabenverwaltung mit KI-Assistenz in Meetings
Zukunft: KI-gestützte Entscheidungsfindung (z. B. Netzwerkoptimierung, alternative Lieferstrategien). Ausblick auf KI-Agenten, die selbstständig Prozesse auslösen.
Diskussionsrunde mit dem Publikum:
Frage 1: Automatisierung & Auswirkungen auf die Belegschaft → Schrittweise Optimierung, keine plötzlichen Entlassungen.
Frage 2: Transportmanagement & Visibility in Asien → End-to-End-Tracking als Ziel, Herausforderungen durch regionale IT-Schnittstellen.
Frage 3: Akzeptanz von KI in der Belegschaft → Wichtigkeit von Schulungen, IT-affine Mitarbeiter als Botschafter.
Frage 4: Strategische vs. kurzfristige Transport-Tender → Fokus auf langfristige Partner für bessere Datenqualität und Stabilität.
Hilfreiche Links:
Thomas Schamberg auf LinkedIn: https://www.linkedin.com/in/thomas-schamberg/
Boris Felgendreher auf LinkedIn: https://www.linkedin.com/in/borisfelgendreher/
Unterstützt wurde diese Diskussionsrunde von Logward, der No-Code Supply Chain Execution Plattform: https://logward.com/
Remember Everything You Learn from Podcasts
Save insights instantly, chat with episodes, and build lasting knowledge - all powered by AI.
