Herausforderungen und Chancen für die Branche

KI und Logistik: It’s a match

Fragt man Apples Sprachassistentin Siri, ob sie eine künstliche Intelligenz (KI) ist, antwortet sie: „Ich bestehe aus Speicher, Silizium und meinen Überzeugungen“. So richtig mit der Wahrheit rausrücken will Siri also nicht. Dabei ist es kein Geheimnis, dass sprachgesteuerte Digitalassistenten selbstlernende, künstliche Intelligenzen sind. Im Consumer-Bereich ist KI also längst etabliert. Jetzt hält die Technologie auch Einzug ins Lager – und optimiert die Logistik. Doch bei vielen Unternehmen ergeben sich beim Thema künstliche Intelligenz noch viele offene Fragen: In welchen Bereichen lohnt sich der Einsatz von KI heute schon? Welche Basis muss ich in meinem Unternehmen überhaupt schaffen? Und nicht zuletzt die Frage: Welchen konkreten Nutzen bringt KI in der Logistik?

Bild: Ehrhardt + Partner GmbH & Co. KG

Künstliche Intelligenz ist heute längst keine Fiktion mehr. Neben den bekannten virtuellen Assistenten im privaten Bereich arbeiten auch Gesichtserkennungssysteme, mit denen sich Computer und Smartphones entsperren lassen, mit KI. Ein weiteres Beispiel aus dem Consumer-Bereich sind Sprach-Apps, die Anwender mittels Natural Language Processing beim Erlernen einer neuen Sprache unterstützen. Im Business-Bereich sorgt KI vor allem für eine höhere Produktivität und Effizienz. Chatbots z.B. helfen Unternehmen als virtuelle Agenten dabei, den Kundensupport zu optimieren, da mit ihnen die Beantwortung von Kundenanfragen automatisiert werden kann. Online-Produktempfehlungen im Retail oder vorausschauende Wartung im Maschinenbau sind weitere Anwendungsfelder.

KI und Logistik: die Herausforderungen von heute meistern

Auf KI basierende kognitive Systeme besitzen die Fähigkeit, zu lernen, Muster zu erkennen und daraus Handlungsempfehlungen abzuleiten oder selbst Prozesse anzustoßen. Aufgrund dessen sind sie in der Lage, die Mitarbeiter im Lager bei Entscheidungen zu unterstützen oder sie bereits im Vorfeld auf wahrscheinlich eintretende Ereignisse hinzuweisen. Und genau von diesen Fähigkeiten – nämlich der unterstützenden Funktion von KI – kann die Logistikbranche bereits jetzt schon profitieren. Denn nie waren die Anforderungen so hoch. In nahezu keiner anderen Branche ist der Wettbewerbs- und Zeitdruck so groß. Die Kundenerwartungen steigen. Lieferverzögerungen oder Fehler werden nicht toleriert. Hier kommt auch das Thema Datenqualität ins Spiel: Mangelhafte Artikelstammdaten z.B. können zu Fehllieferungen führen, was sich wiederum auf die Kundenzufriedenheit auswirkt. Für die Steuerung der Supply Chain und die stetige Optimierung von Prozessen ist heute ein enormes Expertenwissen gefragt. Dieses ist jedoch oft nur auf einzelne Personen verteilt, so dass es für Mitarbeiter nicht immer verfügbar ist, z.B. während der Urlaubszeit oder Krankheit eines Vorgesetzten.

Digitalisierung der Supply Chain: die Basis für KI

Die Basis für den Einsatz von KI-gestützten Systemen ist die Digitalisierung der Prozesse. Viele Unternehmen haben die Chance bereits erkannt und damit begonnen, alle Teilnehmer und eingesetzten Systeme der Supply Chain miteinander zu vernetzen, um den steigenden Anforderungen gerecht zu werden. Dadurch stehen alle relevanten Daten der Lieferkette transparent zur Verfügung. Der Einsatz von KI verspricht eine smarte Nutzung dieser Daten und somit eine Effizienzsteigerung. Kurz: Die Integration von KI hebt die Logistik auf ein neues Level. Innerhalb des Lagers bieten sich viele Einsatzbereiche, in denen KI als Assistenzsystem die Mitarbeiter effizient unterstützt.

Visual Recognition

Die Prozessunterstützung mittels Bilderkennung auf Basis von KI bringt einen entscheidenden Vorteil mit sich: Als Assistenzsystem sorgt KI dafür, dass der Einfluss des ‚menschlichen Faktors‘ und somit die Fehlerquote reduziert wird. Das steigert die Prozesssicherheit um ein Vielfaches. Dabei spielt Visual Recognition ihre Vorteile vor allem im Wareneingang, bei der Qualitätskontrolle und am Warenausgang aus. Mit einem MDE oder einer App auf einem Smart Device wird ein Artikel fotografiert. Die KI erlernt anhand dessen den neuen Artikel mit allen relevanten Daten und erkennt diesen ab sofort selbständig wieder. Am Wareneingang bewährt sich Visual Recognition vor allem bei der Stammdatenerfassung und wenn ein Artikel später wieder eindeutig identifiziert werden soll. Die KI bestätigt den Artikel und die gepackte Menge eines Auftrags. Außerdem werden die Qualität und Beschaffenheit überprüft. Entspricht der Artikel nicht der gewünschten Qualität, kann entsprechend reagiert werden. Fehler lassen sich so bereits frühzeitig vermeiden. Am Warenausgang erfolgen die Kontrolle und die Verladung mittels Visual Recognition und mit den zuvor erlernten Daten.

Seiten: 1 2 3Auf einer Seite lesen

Ehrhardt + Partner GmbH & Co. KG

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige