Intelligente Warenwirtschaft aus der Cloud

Cloud-ERP und KI

Intelligente Warenwirtschaft
aus der Cloud

Bild: ©mikkolem/Fotolia.com

Auch in ERP-Systemen auf Cloud-Basis kann KI-Technologie ihr Potenzial entfalten. Sie analysiert enorme Datenmengen in Sekundenbruchteilen, startet eigenständig Prozesse und gibt Handlungsempfehlungen. Grenzen für ihren Einsatz setzt aber der Gesetzgeber.
Bei den bislang auf dem Markt verfügbaren KI-Lösungen handelt es sich um sogenannte schwache KI-Systeme. Das heißt, sie funktionieren reaktiv auf Grundlage von programmierten Skripten und Algorithmen auf einem oberflächigen Intelligenz-Level. Dabei entwickeln sie kein tieferes Verständnis für eine Problemlösung, sondern nutzen lediglich die Methoden, die ihnen für die Lösung dieses Problems von Menschen zur Verfügung gestellt werden. Die Entscheidungen der KI bleiben damit nachvollziehbar und kontrollierbar. Weak AI wird bereits in vielen Bereichen unseres Lebens eingesetzt. Der große Vorteil liegt in der weitgehenden Automatisierung von Routineaufgaben und -anfragen. Cloud-Services sind aufgrund ihrer Skalierbarkeit dafür prädestiniert, große Datenmengen zu bearbeiten. Durch die Kombination beider Ansätze lässt sich in Unternehmen z.B. die Warenbeschaffung sehr stark automatisieren. Aber auch bei Qualitätssicherungsprozessen im Wareneingang kann Cloud-basierte KI helfen, Schwachstellen zu identifizieren. Gleichzeitig sind beispielsweise Chatbots inzwischen nicht mehr nur bei Banken und Versicherungen zu finden. Auch kleine und mittelständische Unternehmen (KMU) nutzen sie, um Kundenbeziehungen aufzubauen und besser zu pflegen.

Intelligente Warenwirtschaft

ERP-Systeme bieten eine hervorragende Grundlage für künstliche Intelligenz, da sie große Datenmengen enthalten. KI-Technologien sind in der Lage, dieses enorme Datenaufkommen in Sekundenbruchteilen zu analysieren und eigenständig Prozesse zu starten oder Handlungsempfehlungen zu geben. Unternehmen können ihre Prozesse in vielen Fällen verbessern und effizienter sowie kostengünstiger arbeiten. Einige Beispiele für den Einsatz von KI in der ERP-Welt sind:

Bilderkennung: Durch eine KI-basierte Bilderkennung lassen sich fehlerhafte Teile in der Fertigung automatisiert erkennen und damit Reklamationen vermeiden. Gleichzeitig sind in einem ERP-System typischerweise viele Artikel und Produkte gelistet, die mittels Bilderkennung einer bestimmten Warengruppe automatisiert zugeordnet und um Produktbeschreibungen ergänzt werden können. Unternehmen sparen im Umgang mit diesen Artikeln viel Zeit.

Sales Forecast: Anhand von Datenauswertungen aus dem Verkauf und Lagerbestand lassen sich KI-gestützt Verkäufe prognostizieren. Zudem können Unternehmen eine Übersicht über zu erwartende fehlende Lagerbestände gewinnen. Dabei werden auch Sonderverkäufe oder bestimmte saisonale Schwankungen berücksichtigt. Auf Grundlage dieser Planung lässt sich der Wareneinkauf besser regeln und ebenfalls Zeit einsparen.

Wahrscheinlichkeit der Zahlungsverzögerung: Für diese Aufgabe ermittelt eine KI anhand des Zahlungsverhaltens eines Kunden einen Bonitätsindex, wodurch sich mögliche Zahlungsverzögerungen besser einschätzen lassen. Dadurch können Unternehmen ihren Cashflow genauer vorhersagen.

Ethische Komponente diskutieren

Neben den vielen Optionen, die KI bietet, gilt es einige Rahmenparameter zu beachten. Unternehmen müssen etwa sicherstellen, dass personenbezogene Daten in KI-Prozessen DSGVO-konform verarbeitet werden. Gerade beim Einsatz von Cloud-Services besteht das Risiko, dass dies außerhalb der EU geschieht. Deshalb ist es empfehlenswert, immer zuerst zu ermitteln, in welchen Prozessen KI das Unternehmen und die Mitarbeiter unterstützen soll. Das Wort ‚Intelligenz‘ in KI bietet zudem großen Interpretationsspielraum, der oft zu Missverständnissen führt. Falsche Erwartungen an die Leistung von KI sollten vorab aus dem Weg geräumt werden. Denn eine starke künstliche Intelligenz, die Entscheidungen aus eigenem Antrieb trifft, wird es auf absehbare Zeit nicht geben. Doch bereits mit schwacher KI sind dem Grad der Automatisierung künftig technisch kaum Grenzen gesetzt. Diese müssen letztlich von der Gesellschaft und dem Gesetzgeber definiert werden. Damit wird der Einsatz von KI auch eine ethische Frage.

Seiten: 1 2Auf einer Seite lesen

Konica Minolta
www.konicaminolta.de

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