Alle Risiken im Lieferantennetzwerk

Große Produktionsunternehmen beschäftigen in ihrem Lieferantennetzwerk oft Tausende von Zulieferunternehmen über den gesamten Globus verteilt. Der Ausfall eines einzigen Lieferanten kann das gesamte Unternehmen in ernsthafte Schwierigkeiten bringen, wenn nicht rechtzeitig Vorkehrungen getroffen werden.

Um dieses Risiko so weit wie möglich zu verringern, sollten Supply Chain Manager alle Zulieferunternehmen kontinuierlich beobachten und so frühzeitig wie möglich erkennen.

Die eigenen Mitarbeiter können diese Monitoring-Aufgabe nicht bewältigen. Die Datenmenge ist so groß, die Risikoszenarien sind so vielfältig, dass nur automatisierte Verfahren in der Lage sind, Bedrohungen so schnell wie nötig zu identifizieren und auf der Basis vorhandener historischer Daten Prognosen zu entwickeln. Alltagstauglich werden diese Analysen durch smarte Visualisierungen, die die wesentlichen Informationen so aufbereiten, dass die aktuelle Gefährdungssituation mit einem Blick erfasst werden kann.

Lösungen für semantische Analysen schließen diese Lücke. Ein Beispiel ist die webbasierte Lösung „Vega“ von Semantic Visions.

Big Data. Vega analysiert täglich automatisch bis zu einer Million Artikel von über 200 000 Online-Quellen in elf Sprachen. Damit wertet die Lösung 90 Prozent des frei verfügbaren Nachrichten-Contents im weltweiten Internet aus. Zu den Quellen gehören Nachrichtenportale, Blogs und Webseiten von Regierungen und von Unternehmen. Die Internetquellen werden „on-the-fly” quantitativ und inhaltlich ausgewertet. Um Veränderungen einschätzen zu können, werden die weltweiten Nachrichtendatenbanken mit über einer Milliarde Dokumenten genutzt. Die zugehörigen Metadaten haben einen Umfang von etwa 40 Terabyte.

Mithilfe von 1,5 Millionen ontologischen Begriffen und anhand zahlreicher vordefinierter Szenarien erkennt die Lösung Risiken und ihren Bedrohungsgrad für die Lieferkette. Besonders Hersteller mit über 1000 Lieferanten im Lieferantennetzwerk profitieren von einem hohen Automatisierungsgrad. Die Lösung erfüllt höchste Sicherheitsstandards und wird in einer On-premise- und als Cloud-Version angeboten.

Folgende Risikoszenarien werden kontinuierlich ausgewertet:

Die Auswertungsergebnisse stehen binnen 10 Minuten nach dem Erscheinen einer Nachricht zur Verfügung.

Metadaten in der Größenordnung von 40 Terabyte können nur mit einer hochperformanten Infrastruktur bewältigt werden. Semantic Visions und Datawatch nutzen dafür die Hochleistungsdatenbank SAP HANA. Mit herkömmlichen Datenbanken wie MySQL würden bestimmte Abfragen mehrere Tage in Anspruch nehmen. SAP HANA ermöglicht Analysen in Echtzeit. Die schnelle Bereitstellung der Daten löst aber nur einen Teil der Aufgabe, ebenso wichtig ist die schnelle Visualisierung der Daten. Semantic Visions hat sich daher für Datawatch entschieden. Ein weiterer Grund: Die Entwicklung eines Standardsets von Visualisierungen dauert mit Datawatch nicht länger als zwei Tage.

Anschauliche Visualisierungen. Mit der Visual-Data-Discovery Plattform können Businessanwender Visualisierungen erstellen, anpassen und für andere bereitstellen. Anomalien und Ausreißer sind so erkennbar und können interaktiv näher untersucht werden. Denn alle Änderungen, zum Beispiel von Filtereinstellungen, werden visuell umgesetzt. Das gelingt mit sehr großen Datenbanken ebenso wie mit Streaming-Daten. Predicitive Analytics ermöglicht die Anreicherung der Daten mit zusätzlichen Informationen.

Für den Business-Anwender wird die Risikosituation erst durch aussagekräftige Visualisierungen schnell erkennbar. Dafür bietet das Tool geeignete Darstellungsformen wie Heatmaps, Treemaps, geografische Karten oder Diagramme. Sie geben mithilfe von Farbkodierungen auf einen Blick Aufschluss über Ort, Art und Ausmaß einer potenziellen Bedrohung für das Lieferantennetzwerk.

Dashboard. Das Foto zeigt ein Dashboard mit prädiktiven Echtzeit-Visualisierungen von frei erfundenen Störungen in der Lieferkette. Der Risikomanager erhält einen Überblick über die gesamte Gefährdungslage und erste Hinweise auf Art, Ursache und Intensität der Gefährdung. In der Supplier Heatmap rechts oben steht jedes Quadrat für ein Unternehmen. Farbig markiert sind alle Zulieferunternehmen, die von einem übergeordneten Bedrohungsszenario betroffen sind.

Die rote Markierung steht beispielsweise für eine unmittelbare Bedrohung, Die orange Markierung deutet auf eine Zunahme der Berichterstattung über ein Unternehmen hin. Nach dem Motto „Only bad news are good news“ lohnt sich in diesen Fällen eine nähere Betrachtung. Bei den violett markierten Lieferanten ergab die Sentiment-Analyse eine Zunahme kritischer Stimmungsindikatoren. Ein Mausklick auf die betroffenen Lieferanten liefert weitere Informationen zu den Hintergründen.

Die Tabelle darunter zeigt aktuelle Daten zu den betroffenen Unternehmen. Die farbigen Kreisflächen entsprechen der Farbcodierung in der Heatmap darüber. Die Spalte „Main Signal“ gibt einen Hinweis auf die Ursache der Risikoeinschätzung. In diesem Fall ist es beispielsweise ein Unfall. Mithilfe der rechts daneben aufgelisteten Filter kann die Darstellung auf bestimmte Szenarien und Bedrohungsarten eingeschränkt werden.

In der Weltkarte links unten symbolisiert jeder Punkt einen Lieferanten. Die Karte zeigt in schematischer Form geografische Risikoschwerpunkte. Der gelbe Kreis zeigt ein Gebiet in Russland, das von einem Unfall in einer Industrieanlage betroffen ist. Der blaue Kreis im Süden Australiens deutet auf eine Naturkatastrophe hin, zum Beispiel ausgedehnte Wald- und Buschbrände.

90 entscheidende Minuten. Das Feld links oben visualisiert den Risikotrend der letzten 90 Minuten. Die rote Farbe des Kreises symbolisiert eine steigende Tendenz. Die kleine Tabelle rechts daneben listet alle Unternehmen, für die in den vergangenen 90 Minuten eine Risikowarnung ausgegeben wurde. Der horizontale Balken darunter visualisiert den Anteil unmittelbar betroffener (rot) und indirekt betroffener Unternehmen (orange).