Interne und externe Daten
Die Voraussetzung für einen funktionierenden Umgang mit KI sind umfassende Datensätze – beispielswesie aus dem ERP-System oder Logfiles von Maschinen. Je größer und umfangreicher die Datenbasis, auf welche die KI zurückgreifen kann, desto besser sind die Prognosen. Stehen die Daten aller beteiligten Akteure für die Analyse zur Verfügung, lassen sich hochpräzise Vorhersagen treffen. Hinzu kommen externe Informationen wie beispielsweise Wetterdaten. Ziel ist es, die gesamte Wertschöpfungskette zu optimieren. Der Schutz der Daten wird dabei durch Cloudplattformen mit hohen Sicherheitsstandards, wie beispielsweise Microsoft Azure sichergestellt. Zudem unterliegen die Daten strikten Zugangsberechtigungen.
Signale interpretieren
Um die gesamte Lieferkette zu verstehen, müssen Milliarden von Informationen sowie komplexe Signale interpretiert werden. Dazu hat der Supply-Chain-Management-Plattformanbieter JDA den Luminate ControlTower entwickelt. Dieser basiert auf einer einheitlichen, kognitiven und vernetzten Plattform und ermöglicht eine Überwachung der Lieferungen in Echtzeit. Der ‚digitale Kontrollturm‘ hilft dabei dabei, den Überblick zu behalten und Lieferkettenabläufe von Anfang bis Ende zu visualisieren. So ist die Supply Chain transparent und eine lückenlose Rückverfolgung möglich. Gerade wenn es darum geht, die Herkunft von Waren nachzuweisen oder menschenwürdige Produktionsbedingungen, ein nachhaltiges Endprodukt oder Warenechtheit zu garantieren, nimmt dieser Faktor immer mehr Bedeutung an. Auch für Gewährleistungsfragen ist es wichtig, den Weg der Einzelteile zurückverfolgen zu können. Darüber hinaus verbinden die KI-gesteuerten Kontrolltürme scheinbar unabhängige Signale miteinander. Auf dieser Basis können dann nicht nur Lieferkettenstörungen vorhergesagt, sondern auch intelligente Handlungsempfehlungen abgegeben und zukünftige Nachfrageänderungen berücksichtigt werden.
Die Kette im Blick
Zeichnet sich beispielsweise die Verspätung einer Schiffslieferung auf Grund des Wetters ab, wird dies für alle Beteiligten angezeigt. Die KI kann eingreifen und beispielsweise Produkte aus einem anderen Verteilerzentrum anfordern. Bei diesem Eingriff behält die KI weiterhin die komplette Supply Chain im Blick und verhindert so, dass an anderer Stelle Probleme auftreten. Kommt es zu größeren Eingriffen, ist eine Autorisierung des zuständigen Disponenten notwendig. Irgendwann soll die KI dann gänzlich autonom arbeiten. Mithilfe von Machine Learning erlernt der autonome Planungsassistent eigenständig Lösungsstrategien zu entwickeln, zu optimieren und umzusetzen.
