Beschaffung aktuell: Was bietet Inform im Bereich Machine Learning an?
Peter Frerichs, Inform: Im Bereich Machine Learning unterstützt Inform verschiedenste Prozesse, wie die Prävention von Missbrauch im Versicherungs- und Bankengeschäft, die präzise Vorhersage von Durchlaufzeiten in der Produktion oder exakte Absatzprognosen für schwer zu planende Produkte oder volatile Märkte. Besonders in der Logistik und dem Supply Chain Management forschen wir intensiv an selbstlernenden Systemen, um Unternehmen in ihrer operativen Entscheidungsfindung optimal zu unterstützen. Innovationsförderung und neue Technologien haben bei Inform einen hohen Stellenwert, dafür erweitern wir stetig unsere Ressourcen.
Beschaffung aktuell: Beim maschinellen Lernen unterscheidet man hauptsächlich zwischen drei algorithmischen Ansätzen: überwachtes Lernen (supervised learning), unüberwachtes Lernen (unsupervised learning) und bestärkendes Lernen (reinforcement learning). Nach welchem dieser drei Ansätze geht Inform vor?
Frerichs: In den meisten Prozessen, die wir mit unseren Algorithmen abdecken, liegt am Ende ein überprüfbares Ergebnis vor, etwa ein realer Absatz nach einer Absatzprognose. Die Genauigkeit der Vorhersage ist also validierbar, daher arbeiten wir hier mit Supervised Learning. Um ein brauchbares Ergebnis zu erzielen, gibt der Planer der Maschine bestimmte, mögliche Einflussfaktoren vor, anstatt die Software völlig unkontrolliert alle möglichen Faktoren aus jeder beliebigen Quelle ziehen zu lassen. Bei einer solchen Vorgabe kann es sich beispielsweise um Datensätze aus einer bestimmten Website zur Wetterprognose handeln, die den Absatz von Lebensmitteln beeinflusst.
Beschaffung aktuell: Wie läuft eine optimierte Supply Chain mittels Ihrer Algorithmen ab?
Frerichs: Wir möchten Unternehmen auch in einem sehr volatilen, schwer planbaren Geschäftsumfeld ein Optimum an Prozessstabilität und Termintreue ermöglichen. Unsere Algorithmen liefern hierfür verlässliche Zahlen und kostenoptimale Handlungsvorschläge, die die Basis für eine ganzheitlich solide Supply Chain darstellen. Konkret helfen sie bei der Entwicklung einer unternehmensweiten, verlässlichen Absatzplanung, einer optimierten Produktionsplanung, einer intelligenten Beschaffung sowie Disposition und der Integration der gesamten internen Supply Chain.
Beschaffung aktuell: Wurde der Algorithmus von Inform selbst entwickelt?
Frerichs: Ja, Inform verfügt über eigene, ständig wachsende Forschungs- und Entwicklungsabteilungen. Wir pflegen außerdem intensive Partnerschaften, beispielsweise mit der RWTH Aachen oder der Zürcher Hochschule für Angewandte Wissenschaften (ZHAW) in der Schweiz.
Beschaffung aktuell: Welche Schnittstellen werden eingesetzt?
Frerichs: In den meisten Fällen verwenden wir direkte Datenbankverbindungen als Schnittstellen. Das heißt, wir greifen zum Beispiel auf vergangene Abverkäufe aus dem ERP-System zurück. Ein anderes Beispiel sind CRM-Systeme, die Informationen zu Marketingaktionen, Feiertagen oder über Großevents enthalten, mit denen wir unsere Absatzprognosen verlässlich gestalten können.
Beschaffung aktuell: Welche Schnittstellen werden eingesetzt?
Frerichs: In den meisten Fällen verwenden wir direkte Datenbankverbindungen als Schnittstellen. Das heißt, wir greifen zum Beispiel auf vergangene Abverkäufe aus dem ERP-System zurück. Ein anderes Beispiel sind CRM-Systeme, die Informationen zu Marketingaktionen, Feiertagen oder über Großevents enthalten, mit denen wir unsere Absatzprognosen verlässlich gestalten können.
Beschaffung aktuell: Wie werden diese Schnittstellen abgesichert?
Frerichs: Die Daten werden selbstverständlich verschlüsselt. Das passiert zum einen innerhalb des eigenen Unternehmens-Netzwerks, zum anderen durch eine automatisierte Anonymisierung von Daten aus dem Bereich Betrugsprävention im Austausch mit unserem Kunden.
Beschaffung aktuell: Wie unterstützen intelligente Machine-Learning-Algorithmen den Planer bei seinen Aufgaben?
Frerichs: In der Beschaffungsplanung sieht der Ablauf beispielsweise so aus: Der Disponent erhält durch den Algorithmus bessere Planzahlen, da dieser externe Faktoren, Saisonalität oder Marketingaktionen, mit einbezieht. Das Planergebnis mit Machine-Learning liefert nachweislich um etwa 30 Prozent bessere Absatzprognosen, als Verfahren ohne diese Technologie.
Ganz wichtig ist uns, dass Machine-Learning-Systeme keine Black Box sein müssen, sondern die tagesaktuellen Ergebnisse nachvollziehbar sind. Der Algorithmus erhöht beispielsweise durch eine Wetterveränderung den erwarteten Absatz um 20 Prozent und wegen eines Feiertags nochmals um 10 Prozent. Da der Disponent dies alles transparent dargelegt bekommt, kann er im nächsten Schritt seine Expertise einbringen und das Ergebnis bei Bedarf übersteuern, beispielsweise den Absatz aufgrund seiner Erfahrung um weitere 5 Prozent erhöhen. Für beide Parteien, Mensch und Maschine, ist es ein kontinuierliches Lernen und Controlling: Ist die Planung aufgegangen? Gab es Abweichungen? War der Disponent mit seiner Absatzzahl genauer, so lernt der Algorithmus dies für die nächsten Berechnungen.
Beschaffung aktuell: Welche Rolle spielt in Ihren Überlegungen die Kollaboration innerhalb der internen Supply Chain und mit externen Partnern?
Frerichs: Kollaborationen sind wichtig für verlässliche Ergebnisse. Data Sharing sorgt für ein gesamtwirtschaftliches Organisationsergebnis und verspricht effizientere Prozesse im Gegensatz zum häufig auftretenden „Inseldenken“ in den jeweiligen Abteilungen. Ziele und Anforderungen sind oft nur individuell definiert, nicht in ganzheitlicher Betrachtung mit anderen Bereichen. Unternehmen und ihre Partner müssen gleichermaßen an der Transparenz arbeiten. Nur so wird die Digitalisierung ein gewinnbringender Motor für eine stabilere Planung und effizientere Lieferkette. Unsere IT-Systeme verbinden die einzelnen Bereiche beim Kunden intern und extern. Intern arbeiten Vertrieb, Beschaffung, Logistik, Management und Produktion auf gleicher Datenbasis. In externen Partnerschaften können unsere Kunden zum Beispiel einen definierten Datensatz an einen Lieferanten geben, der mit dieser Information in der Lage ist, seine Planung verlässlicher zu gestalten. Wir sehen eine kontrollierte Verteilung von Informationen zur Optimierung der gesamten Lieferkette als elementar für heutigen und vor allem zukünftigen Erfolg an.
Das Unternehmen
Über Inform
Inform ist spezialisiert auf Softwaresysteme, die nicht bloß Daten verwalten, sondern „mitdenken“ und in Echtzeit intelligente Planungs- und Dispositionsentscheidungen treffen. Die Basis dafür sind wissenschaftlich fundierte, mathematische Optimierungsalgorithmen aus Fuzzy Logic, Operations Research und Statistik, die für das jeweilige Einsatzfeld angepasst werden. Die Software mit Entscheidungsintelligenz optimiert Geschäftsprozesse in der Transportlogistik, im Airport Resource Management, in der Produktion sowie der Material- und Warenwirtschaft. Die über 600 Mitarbeiter der Inform betreuen heute zahlreiche Kunden auf der ganzen Welt, darunter Containerterminals, Verkehrsflughäfen, Finanzdienstleister, Industriebetriebe, Großhändler, Lager- und Umschlagzentren sowie Transportunternehmen.
Alexander Gölz,
Redakteur Beschaffung aktuell
