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

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