Spätestens mit Einführung von ChatGPT nahm der Hype rund um Künstliche Intelligenz Fahrt auf. Künstliche Intelligenz ist aber viel mehr als nur Generative AI. In der Logistikbranche hat man das Potenzial von KI längst erkannt: Laut der Bitkom Studie "Digitalisierung der Logistik" von 2022 nutzt bereits ein Fünftel schon Künstliche Intelligenz. Weitere 27 % möchten entlang der Lieferkette KI einsetzen.
Der steigende Wettbewerbs- und Kostendruck sowie der zunehmende Personalmangel in einem globalen Markt: All das sind der Treiber für Unternehmen aus der Logistik verstärkt in innovative Technologien zu investieren.
Im folgenden Artikel möchte ich daher folgenden Fragen nachgehen:
- Welche konkreten KI-Anwendungen gibt es für Unternehmen?
- Wie sieht es mit ChatGPT in der Logistik aus?
- Welche Vorteile bringt KI der Branche?
- Welche Herausforderung gibt es dabei?
- Welche Unternehmen aus der Logistik nutzen KI schon und wie?
Zunächst sollte der Begriff Künstliche Intelligenz genau definiert werden: KI, AI, GenAI – was steckt eigentlich dahinter?
Definition – was ist Künstliche Intelligenz?
Künstliche Intelligenz (kurz KI oder englisch Artificial Intelligence, kurz AI) ist ein Teilgebiet der Informatik. So definiert das Europäische Parlament KI:
"Künstliche Intelligenz ist die Fähigkeit einer Maschine, menschliche Fähigkeiten wie logisches Denken, Lernen, Planen und Kreativität zu imitieren."
Vereinfacht gesagt, macht man mit KI den Versuch, menschliches Lernen und Denken auf einen Computer zu übertragen. Entscheidend ist, dass KI selbstständig Probleme löst und eigenständig Antworten findet.
Im Vergleich zu einem simplen Programm benötigt KI keine "Wenn, dann" Anweisungen. Stattdessen basiert KI auf komplexen Algorithmen. Diese passen entsprechende Parameter auf bestimmte Probleme an. Somit lernt Künstliche Intelligenz selbstständig aus vorliegenden Daten und kann das Erlernte auf neue Aufgaben übertragen.
Was ist GenAI?
GenAI steht für Generative Artificial Intelligence (deutsch: Generative Künstliche Intelligenz). Diese Form der KI ist darauf spezialisiert, neue Inhalte anhand eines Inputs der Benutzer*innen (Prompt) zu erstellen. Dazu zählen Texte, Bilder, Videos oder Audioinhalte.
KI und RPA: Wo gibt es Unterschiede?
RPA steht für Robotic Process Automation und ist ein Ansatz zur Prozessautomatisierung.
Hierbei übernehmen Softwareroboter repetitive, manuelle, zeitintensive oder fehleranfällige Tätigkeiten. Dabei geben Benutzer*innen strukturierte Daten und Regeln vor, die von der RPA befolgt werden.
KI hingegen dient dazu, Prozesse zu optimieren. Sie ist in der Lage, unstrukturierte Daten zu verarbeiten und daraus Lösungsansätze zu erarbeiten. RPA-Roboter sind für eine bestimmte Aufgabe programmiert, während Künstliche Intelligenz durch Training ihre Leistung verbessern kann.
Wo kann Logistik von KI profitieren?
Viele Unternehmen in der Logistik haben das Potenzial von Künstlicher Intelligenz schon erkannt. Bei der konkreten Umsetzung lassen sich die Unternehmen jedoch Zeit. Dabei sind die Möglichkeiten vielfältig:
Selbst lernende Supply Chains
Künstliche Intelligenz kann logistische Prozesse entlang der gesamten Lieferkette optimieren. Ihr Mehrwert liegt in der selbst lernenden Supply Chain. Diese unterstützt Logistikfachkräfte bei planungs- und zeitintensiven sowie komplexen Aufgaben. Zu den Bereichen zählen:
Lagermanagement
Im Lager gibt es eine Menge Aufgaben, die immer noch von Menschen ausgeführt werden. Gerade hier kann KI die Lagerarbeiter*innen unterstützen. Einige Beispiel sind:
- Automatisierte Bestandserfassung
- Laufwegoptimierung
- Pick-and-Place-Roboter
- Artikelerkennung bei Retouren
- Auswahl des passenden Lagerplatzes
So wird das Lagermanagement von einem arbeits- und ressourcenintensiven zu einem effizienten und technologisch fortschrittlichen Prozess.
Routenoptimierung
Erfolgreiche Logistik braucht einen effizienten Transport. Bei der Lieferung an den Endkunden kann jedoch viel Unvorhersehbares passieren. Somit ist dieser Teil der Lieferkette nur schwer planbar. Damit die letzte Etappe in der Supply Chain keine Blackbox bleibt, kommt KI zum Einsatz.
Privat nutzen wir alle Google Maps, um die beste Route von A nach B zu finden. Was im kleinen funktioniert, kann in der Logistik im großen Maße angewendet werden:
- Mit welcher Route spart man den meisten Kraftstoff?
- Wie kann die Zustellzeit innerhalb der Route optimiert werden?
- Welche Route ist die sicherste für die Fahrer*innen?
Die Analyse großer Datenmengen mit KI bietet Logistikunternehmen die Möglichkeit, in Echtzeit die Lieferroute zu optimieren:
Staus, Fahrzeugpannen, gesperrte Straßen, Mautgebühren, abwesende Kunden, enge Lieferzeitfenster, Unwetter und viele weitere Unannehmlichkeiten werden einfach umfahren.
Somit wird der Kraftstoffverbrauch weniger, die Route sicherer und die Zustellzeit kürzer.
Predictive Analytics
Neben der Lieferung gibt es noch weitere Etappen mit vielen Unbekannten in der Lieferkette. Diese in Gänze ausfindig zu machen, ist selbst für erfahrenen Mitarbeiter*innen unmöglich. Zum Glück bietet Künstliche Intelligenz hier eine zuverlässige Lösung – Predictive Analytics.
Predictive Analytics nutzt sowohl historische Informationen als auch Echtzeitdaten für genaue Prognosen zu zukünftigen Nachfragen, benötigten Ressourcen und Lieferrouten.
Beispielsweise können Logistikunternehmen diese Technologie nutzen, um Nachfragepeaks besser und schneller abzufangen.
Predictive Maintenance
Predicitve Maintenance ist ein proaktiver Ansatz, um Wartungsbedarf dank Datenanalysen und Maschinellem Lernen vorherzusagen. Dabei hilft die Kombination aus historischen und aktuellen Daten Unternehmen, Probleme noch vor ihrem Eintreten zu beseitigen.
Was für den Menschen nicht einfach ist, leistet dabei die KI:
Bei der Predictive Maintenance analysiert sie große Datenmengen und erkennt dabei zusammenhängende Muster.
Wie funktioniert das? KI kann beispielsweise die Daten von Maschinen wie Förderbändern oder Gabelstaplern daraufhin analysieren, wann eine Wartung erforderlich ist. Hinweise sind dabei z. B. Veränderungen der Maschinentemperatur oder Vibrationen.
Wie profitieren Unternehmen der Logistikbranche davon?
- Verringerte Ausfallzeiten
- Bedarfsgerechte Wartungen statt Notfallreparaturen
- Verbesserte Lebenszeit der Anlagen
Diese drei Faktoren sind entscheidend, um die Kosten so gering wie möglich zu halten. So ist die Kosteneffizienz um 8-12 % höher als bei Preventive Maintenance (regelmäßige geplante Instandhaltung) und sogar um bis zu 40 % höher als bei Reacitve Maintenance (sofortige Wartung nach Ausfall).
Bestandsplanung
Bedarfsprognose mit KI? Hier können Unternehmen auf entsprechende KI-basierte Prognosetools zurückgreifen. Diese greifen auf umfangreiche Datensätze zurück, berücksichtigen dabei z. B. Markttrends, historische Verkaufsdaten und externe Einflüsse wie Naturereignisse, regionale Gegebenheiten u. a.
Mithilfe dieser Daten unterstützt die Künstliche Intelligenz Unternehmen bei der Planung von Produktionsmengen, Lagerbeständen und Vertriebsstrategien.
Welche Rolle nimmt ChatGPT in der Logistik ein?
Wie sieht eigentlich ChatGPT seine eigene Rolle in der Logistik? Für eine Antwort habe ich ChatGPT selbst gefragt. Neben diversen Planungs- und Verwaltungsaufgaben nennt es folgenden Bereich: den Kundenservice.
Hier ist ChatGPT rund um die Uhr einsatzbereit und bietet zusätzlich eine Menge Vorteile:
24/7 Verfügbarkeit
Antwort auf häufig gestellte Fragen: Fragen zu Versandkosten, Lieferzeiten, Rücksendungen und Zahlungsmethoden können automatisch beantwortet werden.
Effiziente Bearbeitung von Anfragen
Personalisierte Unterstützung: Information zur letzten Bestellung oder präferierte Lieferoptionen? ChatGPT kann Kundendaten in Echtzeit auswerten und so personalisierte Antworten geben.
Mehrsprachige Unterstützung: ChatGPT kann in verschiedenen Sprachen kommunizieren und somit internationale Kund*innen effektiv unterstützen.
Anfragen und Reklamationen bearbeiten
Retourenmanagement: ChatGPT kann den Rückgabeprozess erklären, Rücksendeetiketten bereitstellen und Tipps zur Rückerstattungen geben.
Schadensmeldungen: Kund*innen können Schäden an ihren Lieferungen melden. ChatGPT kann den Reklamationsprozess einleiten und notwendige Informationen sammeln.
Integration mit anderen Systemen
CRM-Systeme: ChatGPT kann in KundInnenmanagementsysteme integriert werden. So kann es auf historische Kund*innendaten zu greifen und so besser auf individuelle Bedürfnisse eingehen.
Logistiksoftware: Durch die Integration mit Versand- und Bestandsverwaltungssystemen kann ChatGPT genaue und aktuelle Informationen liefern.
Feedback und Verbesserung
Kund*innenzufriedenheit: Nach der Interaktion kann ChatGPT Feedback einholen und so zur kontinuierlichen Verbesserung des Kundenservices beitragen.
Trendanalysen: Alle gesammelten Daten aus der Kund*innenkommunikation kann ChatGPT analysieren. So erkennt es Trends sowie häufig auftretende Probleme und kann gezielte Verbesserungen vorzuschlagen.
Diese Vorteile bringt Künstliche Intelligenz für Logistikunternehmen
Setzen Unternehmen Artificial Intelligence richtig ein, können sie von den Vorteilen profitieren. Welche sind das?
Kosten reduzieren
Mit AI lassen sich nachhaltig Kosten einsparen. So kann der Einsatz in verschiedenen Bereichen zu mehr Effizienz führen. Routen werden optimiert, manuelle Fehler minimiert.
Transparenz und Visibility
Künstliche Intelligenz sorgt für mehr Transparenz innerhalb der gesamten Supply Chain. Wie funktioniert das? Durch beispielsweise Versandtracking oder Überwachung der Lagerbestände können potenzielle Engpässe frühzeitig erkannt und behoben werden.
Zufriedene Kunden
Zufriedene Kunden dank KI? Na klar! Setzt man diese gekonnt ein, können Lieferungen schneller und effizienter abgewickelt werden. Vom Real-Time-Tracking, Routenoptimierung und einem akkuraten Forecast profitieren insbesondere die Kund*innen.
Risiken minimieren
Dank Predictive Analysen können mögliche Risiken innerhalb der gesamten Lieferkette vorhergesagt und vermieden werden. Unternehmen können KI nutzen, um proaktiv Strategien für unvorhersehbare Events zu entwickeln.
Herausforderung bei der Umstellung zu KI
Rechtliche Voraussetzungen
Ob Entwicklung oder Anwendung – der EU AI-Act betrifft Unternehmen entlang der gesamten KI-Wertschöpfungskette. Ihr Unternehmen nutzt bereitgestellte KI-Systeme? Hier ist es empfehlenswert, eine Bestandsaufnahme dieser Systeme vornehmen. Vor allem damit verbundene Risiken sollten dokumentiert werden.
Die richtigen Fachkräfte finden
Expert*innen im Bereich KI und Data Science sind rar gesät. Daher kann es für Unternehmen aus der Logistikbranche eine echte Herausforderung sein, geeignete Fachkräfte zu rekrutieren. Neben der Möglichkeit, intern Wissen durch Schulungen und Fortbildungen aufzubauen, kann man auch externe Fachkräfte oder Firmen beauftragen.
Veränderungen in der Organisation begleiten
Die Einführung von KI bringt zwangsläufig Veränderungen innerhalb eines Unternehmens mit sich. Dazu zählen Prozesse, Rollen und die Unternehmenskultur im Ganzen. Damit die Veränderungen von allen Mitarbeitenden mitgetragen werden, sollten diese aktiv und offen einbezogen werden.
Best Practice – diese Logistikunternehmen nutzen KI
Amazon
Beim global agierende E-Commerce-Riesen ist KI in sämtlichen Bereichen nicht mehr wegzudenken. Ob bei der Bestandsprüfung oder Nachschubplanung oder beim Einsatz von über 200.000 Lagerrobotern – Amazon setzt auf diese Technologie, um die eigene Effizienz zu steigern.
DHL
Vom Lagermanagement über die Routenoptimierung bis hin zum Kundenservice – das deutsche Logistikunternehmen testet und setzt Künstliche Intelligenz schon in vielen Bereichen ein.
HHLA
Auch bei der Hamburger Hafen und Logistik AG hat man die Vorteile von KI längst erkannt. Wie setzt das Unternehmen diese ein? Beispielsweise werden Routen der Container optimiert, der perfekte Stellplatz für diese ausfindig gemacht und Schäden am Container erkannt.
