Mit IoT, KI und Blockchain zur autonomen Lieferkette

Technologien rund um autonomes Fahren und Connected Car gehören zu den am schnellsten wachsenden Bereichen in der Automobilbranche. In Folge dessen gewinnt auch die autonome Lieferkette an Bedeutung. Zahlreiche disruptive Technologien rund um Künstliche Intelligenz (KI), Internet der Dinge (IoT), Wearables, Drohnen und Blockchain spielen beim Thema Supply Chain 4.0 eine entscheidene Rolle. Mit ihrer Hilfe kann das bisher noch nicht genutzte Potenzial in diesem Feld erschlossen und voll ausgeschöpft werden.

Bild: Open Text Software GmbH

Viele Anbieter und Analysten haben den Einsatz dieser „neueren“ Technologien als Einzellösungen in der Lieferkette bereits untersucht und auch Mehrwerte für ihre jeweiligen Kunden liefern können. Doch das größte Potenzial liegt darin, die verschiedenen Bereiche und Technologien zu verknüpfen – also sowohl Künstliche Intelligenz, IoT-Sensorik und -Analyse als auch Blockchain miteinander zu kombinieren. Eine weitgehend autonome Supply Chain entwickelt sich erst, wenn die Erfassung von Daten via IoT-Sensorik mit der Distributed-Ledger-Technologie (Technik der verteilten Buchführung) der Blockchain verbunden wird. Durch die Integration von Machine Learning werden solche Plattform intelligenter, vernetzter und zuverlässiger in ihrer Funktionsweise. Die meisten Unternehmen nutzen bereits alle drei Technologien losgelöst voneinander. Um den Return on Investment (ROI) bei der digitalen Transformation der Supply Chain zu maximieren, ist es allerdings wichtig, über die richtige Grundlage dafür zu verfügen: digital aufbereitete Daten. Denn so attraktiv diese Technologien auch erscheinen – findet kein elektronischer Informationsaustausch mit dem externen Unternehmensnetzwerk der Lieferkette statt, lässt sich ein schneller ROI kaum erreichen.

Grundvoraussetzung: Digitales Business Ökosystem

Oft ist es für Unternehmen mühsam, sicherzustellen, dass die relevanten Geschäftspartner Informationen im notwendigen Umfang elektronisch austauschen können. Eine Lösung wäre es, alle Handelspartner, unabhängig von ihrer Größe oder technischen Leistungsfähigkeit, an das gleiche Geschäftsnetzwerk anzuschließen. Das trägt dazu bei, dass B2B-Transaktionen nahtlos ausgetauscht werden. Was noch wichtiger ist: Diese Informationen stehen nachgelagerten Analyse- oder KI-Plattformen zur Verfügung. Der Aufbau des digitalen Backbones, also des elektronisch vernetzten Ökosystems, sollte deshalb bei jedem digitalen Transformationsprojekt Priorität haben. Natürlich bedarf es hier gehobenen Sicherheitsanforderungen und -konzepten die den jeweiligen Bedürfnissen der teilnehmenden Unternehmen gerecht werden.

IoT: Sensordaten entlang der gesamten Produktions- und Lieferkette erfassen und nutzen

Ebenfalls auf der Transformationsagenda eines Unternehmens sollte die Erstellung einer digitalen Darstellung (eines digitalen Zwillings) der Produktionsanlagen stehen. Mit dieser Technologie lassen sich digitale Abbilder des Produkts und/oder der Produktionslinie anfertigen, und für Analysezwecke verwenden. IoT-Sensorinformationen, die in die Fertigungslinie oder die Produkte integriert sind, können genutzt werden, um nicht nur den Standort einer Sendung überall in der globalen Lieferkette zu identifizieren, sondern auch deren Zustand zu überwachen (z.B. über eine Temperatur- und Feuchtigkeitsmessung). IoT steht auch für die Transformation vieler Lieferkettenprozesse: Von der Erleichterung der Nachschubbestellung über die Verbesserung der Betriebszeit bis zur Verfügbarkeit von verwendeten technischen Anlagen – von der Hebebühnen bis zum Roboter.

Seiten: 1 2Auf einer Seite lesen

Open Text Software GmbH
www.opentext.com

Das könnte Sie auch Interessieren

Bild: Fraunhofer IGD
Bild: Fraunhofer IGD
Software Arrange beschleunigt Absortierprozesse

Software Arrange beschleunigt Absortierprozesse

In Kombination mit einer Augmented-Reality-Brille bietet eine neue Software des Fraunhofer IGD digitale Unterstützung von Absortiervorgängen. Zusammengehörige Bauteile werden direkt im Sichtfeld der Beschäftigten an der Produktionslinie farblich überlagert. Anwender im Automotive-Bereich können so etwa durch beschleunigte Prozesse und eine minimierte Fehleranfälligkeit Kosten reduzieren.

Bild: Coscom Computer GmbH
Bild: Coscom Computer GmbH
Software-Plattform für KI und maschinelles Lernen

Software-Plattform für KI und maschinelles Lernen

Vermehrt interessieren sich Unternehmen dafür, auf Basis ihrer Fertigungsinformationen Verbesserungspotenziale in der Produktionsplanung und -steuerung zu heben. Maschinelles Lernen und künstliche Intelligenz (KI) kann aber nur dann wirtschaftlich sinnvoll eingesetzt werden, wenn alle relevanten Daten im Zugriff sind und deren Struktur zu den Anwendungen passen. Das Coscom-ECO-System soll eine Plattformökonomie als Basis für Business Intelligence (BI) bieten.

Bild: Benteler International AG
Bild: Benteler International AG
Produktionsfehler: KI findet die Nadel im Heuhaufen

Produktionsfehler: KI findet die Nadel im Heuhaufen

In der Qualitätsprüfung ist Zeit ein wichtiger Faktor: Wer Fehler rechtzeitig findet, kann sie effektiv und kostensparend beheben. Gemeinsam mit dem Fraunhofer IEM setzt der Automobilzulieferer Benteler dafür in der Warmumformung von Fahrzeugteilen auf Echtzeit-Sensordaten und Künstliche Intelligenz. Damit können Produktionsfehler schneller erkannt, behoben und zukünftig sogar vermieden werden.

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.