Dr. Sven Flake, ein Experte bei OPTANO im Bereich mathematischer Optimierung in der Logistik, diskutiert mit Boris Felgendreher spannende Ansätze zur Verbesserung von Supply-Chain-Prozessen. Er erklärt, wie mathematische Optimierung über reines Kostenmanagement hinausgeht und auch den Kundenservice verbessert. Themen wie softwarebasierte Entscheidungsunterstützung, die Herausforderungen der Datenqualität und der agile Proof of Concept-Prozess stehen im Mittelpunkt. Sven verdeutlicht die Wichtigkeit von transparenten Entscheidungen und anpassungsfähigen Strategien in der Logistik.
43:44
forum Ask episode
web_stories AI Snips
view_agenda Chapters
auto_awesome Transcript
info_circle Episode notes
insights INSIGHT
Mathematische Optimierung erklärt
Mathematische Optimierung kann komplexe Planungen und Entscheidungen in Logistik und Supply Chain verbessern.
Sie ermöglicht nachvollziehbare, transparente Ergebnisse, die über reine Intuition hinausgehen.
volunteer_activism ADVICE
Standardsoftware versus Custom-Lösung
Prüft zuerst, ob am Markt passende Standardsoftware für euer Problem verfügbar ist.
Erst bei sehr komplexen, spezifischen Herausforderungen lohnt sich der Bau einer individuellen Lösung.
volunteer_activism ADVICE
Effiziente Softwareentwicklung mit Frameworks
Nutzt Frameworks, um individuelle Software schnell und kosteneffizient zu entwickeln.
Fokussiert die Entwicklung auf die spezifischen Entscheidungsprobleme eures Unternehmens.
Get the Snipd Podcast app to discover more snips from this episode
In der Logistik und im Supply Chain Management wimmelt es geradezu von Prozessen, die mit Hilfe von mathematischer Optimierung verbessert werden können. Sei es in Netzwerkplanung, der Logistikplanung, der Personaleinsatzplanung oder in der Supply Chain Planung.
In der heutigen Folge des BVL Podcasts spricht unser Host Boris Felgendreher mit Dr. Sven Flake von OPTANO über die Anwendung von mathematischer Optimierung in der Logistik und im Supply Chain Management. Unter anderem geht es dabei um folgende Themen:
"Mathematische Optimierung" und die Abgrenzung zu "KI" und "Big Data".
Wie funktioniert softwarebasierte Entscheidungsunterstützung auf Basis mathematischer Optimierung?
Der Mehrwert von transparenten, nachvollziehbaren Entscheidungen.
Vorgehensweise bei Projekten: Erste Analyse mit Kunden (Fachplaner). Dann Proof of Concept auf Basis vereinfachter Modelle. Bei Erfolg: Entwicklung einer Softwarelösung mithilfe vorhandener Frameworks.
Auch Unternehmen mit Excel-gestützter Schatten-IT können geeignete Kunden sein.
Fokus liegt eher auf Reifegrad und Optimierungspotenzial als auf eingesetzten Tools.
Ziele über Kostensenkung hinaus: Auch Verbesserung des Kundenservices und Erhöhung von Flexibilität können Ziele sein. Mathematik ermöglicht dabei z. B. Service-Level-Optimierung.
Die Grenzen mathematischer Optimierung: Menschliche und politische Faktoren (z. B. Silos) können die Umsetzung behindern.
Mathematische Modelle können helfen, aber nicht alle Probleme lösen.
Datenqualität als wiederkehrendes Problem: Garbage-in/Garbage-out ist Realität. Nutzung von "Schattendaten" als Workaround.
Zukünftiger Einsatz von KI: Unterstützung bei Benutzerführung (z. B. via Sprache). Datenqualität verbessern, Unstimmigkeiten erkennen. Extraktion von implizitem Wissen aus historischen Daten. Rolle von KI in der Softwareentwicklung
und vieles mehr
Hilfreiche Links:
OPTANO: https://optano.com/optano-bvl-podcast/
Sven Flake auf LinkedIn: https://www.linkedin.com/in/sven-flake-33886481/
Boris Felgendreher auf LinkedIn: https://www.linkedin.com/in/borisfelgendreher/
BVL Podcast 