KI-gestützte Nachschubplanung

KI-gestützte Nachschubplanung

Für mehr Transparenz in der Lieferkette vernetzt sich BASF immer stärker mit seinen Partnern, Lieferanten und Kunden. Ziel ist es, die Lieferzuverlässigkeit zu verbessern und Kosten zu reduzieren. Zusammen mit IBM untersuchte die Division Nutrition & Health in einem Proof of Concept, was kognitive Systeme dazu beitragen können.


Viele Produktionsanlagen in der chemischen Industrie sind weitgehend – teils sogar vollständig – automatisiert. Auch viele Geschäftsprozesse wurden bereits digitalisiert. Ohne hochintegrierte und rechnergestützte Produktion wäre ein chemischer Produktionsstandort bereits heute nicht mehr denkbar. Dennoch fehlt vielen noch die engere Verzahnung der Produktion mit produktionsfernen Leistungen wie Supply Chain und Kundenmanagement. BASF zählt durchaus zu den digitalen Frontrunnern der Branche: Beim Chemie- und Pharma-Roundtable von VCI und KPMG Anfang Dezember 2018 beschrieb ein Referent, wie Machine-Learning-Technologie die Produktivität in der Forschung und Entwicklung deutlich steigern kann. Kognitive Systeme integrieren vorhandenes internes und externes Wissen und verschaffen eine schnelle und zuverlässige Übersicht. Und in der Produktion unterstützt KI die Instandhalter. Die beiden Steamcracker und die Kraftwerke im Stammwerk Ludwigshafen sind mit Sensoren bestückt, deren Daten kontinuierlich bewertet werden. Mit Hilfe von KI erstellen Rechner einen Gesundheitsindex für die Anlagen. Das ermöglicht gezielte Instandhaltungsmaßnahmen und verringert ungeplante Stillstandszeiten.

Integrierte digitale Supply Chain

Mit einer integrierten digitalen Supply Chain will BASF nun auch die Lieferkette transparenter und kostengünstiger gestalten, liegt doch der Anteil der Logistikkosten am Umsatz in der chemischen Industrie immerhin zwischen acht und zwölf Prozent. Seit 2015 loten bereichsübergreifende Teams in der BASF die Möglichkeiten der intelligenten Nutzung von Daten und digitaler Technologien aus, testen diese in Pilotprojekten und setzten einige davon auch bereits um. Um all diese Aktivitäten zu bündeln, hat BASF zum 1. Januar 2019 den Funktionsbereich ‚Digitalization & Information Services‘ gegründet. Dabei wurde die Frage aufgeworfen, ob kognitive Systeme helfen können, bessere Entscheidungen für eine reibungsfreie Supply Chain zu treffen. Um Antworten darauf zu finden, hat das Unternehmen mit IBM und dessen System Watson einen ‚Proof of Concept‘ realisiert.

Die Matrix vergleicht Auswirkungen und maximal erwartete Effizienzgewinne durch KI in der chemischen Industrie. Bild: Deloitte/VCI

Regionale Lagerhaltung verbessert

Realisiert wurde das Projekt bei der BASF Nutrition & Health. Der Geschäftsbereich mit seinem Produkt- und Dienstleistungsportfolio für die Human- und Tierernährung, Pharma-, Ethanol-, Aroma- und Duftstoffindustrie unterhält eng am Kundenbedarf orientierte, regionale Lager. An dieser Stelle zeichnete sich Optimierungspotenzial durch künstliche Intelligenz und Machine Learning ab. Dr. Bernd Lohe, Director Supply Chain Operational Excellence & Digitization bei BASF Nutrition & Health: „Die Machbarkeitsstudie ‚Nachschubplanung / Auftragsdisposition‘ hat demonstriert, dass künstliche Intelligenz und maschinelles Lernen mit IBM Watson die globale Lieferkette deutlich transparenter machen können.“

Seiten: 1 2Auf einer Seite lesen

IBM Deutschland GmbH
www.ibm.com

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