Künstliche Intelligenz lässt sich ideal einsetzen, um die richtige Menge an Rohstoffen für die Produktion im Lager vorrätig zu haben. Dabei ist es unerheblich, ob es sich um Rohstoffe für die Lebensmittelproduktion, für Bekleidungsartikel oder für Konsumgüter handelt. Eine große Rolle spielt allerdings die strategische Unternehmensausrichtung. Dabei muss das Unternehmen folgende Abwägung treffen: Riskiert es leere Lager, erhöht es im besten Fall seine Marge. Geht das Unternehmen das Risiko ein, auf Ware sitzen zu bleiben, schließt es Lieferengpässe aus. Das kann jedoch auf Kosten der Marge gehen. Logistiker und Händler müssen diese Risikoentscheidung selber bewerten. Doch die Einzelfallentscheidungen zur Bestückung des Lagers kann KI abnehmen. Je länger der zu prognostizierende Zeitraum ist, desto komplexer ist der Prozess für eine genaue Vorhersage. KI kann diese Komplexität mithilfe von Algorithmen schnell auflösen und eine hohe Menge an Daten analysieren.
Daten als Basis für den Erfolg
KI-Lösungen benötigen vor allem Daten. Dabei ist nicht nur die Menge ausschlaggebend, sondern auch die Granularität. KI arbeitet mit aktuellen und historischen Daten. Eine Historie von sechs Monaten ist oft schon ausreichend, um eine Vielzahl an Fragen zu bearbeiten. Dabei ist eine breite Datenbasis wichtig. Wenn es sich um das Management von Rohstoffen und Rohmaterialien im Lager handelt, stehen Daten zu aktuellem und historischem Auftragseingang im Vordergrund, genauso wie Verbrauch und Haltbarkeit der Rohstoffe, aber auch Kennzahlen zur Beschaffung, wie die Preise verschiedener Lieferanten. Auch externe Daten, wie Wetter, Jahreszeit oder Feiertage, ja sogar große Sportereignisse, können für das Kalkulieren der richtigen Rohstoffmenge relevant sein. Der Bedarf an bestimmten Rohstoffen variiert dabei je nach Industrie und Rohstoff, aber auch je nach individueller Nachfrage. Aufgabe der eingesetzten KI-Lösung ist es, den Bestand verschiedener Rohstoffe zu planen, damit die richtige Menge im Lager vorhanden ist.
Beispiel Lebensmittelindustrie
Rohstoffmanagement in der Lebensmittelproduktion unterliegt besonders kurzen Zyklen, da in der Regel verderbliche Ware verarbeitet wird. Außerdem ist nicht jede Zutat grundsätzlich verfügbar. Hersteller sind davon abhängig, wie viel von einem Rohstoff wächst. Um auch das Wegwerfen von Lebensmitteln zu verhindern, verbessert KI die Rohstoffbeschaffung. Sie kalkuliert, wie viel von welchem Rohstoff wann gebraucht wird und wann die fertigen Produkte in welcher Menge im Handel benötigt werden. Hier ist das Verfallsdatum eine wichtige Kenngröße. Dabei hat auch die Nachfrage direkten Einfluss auf die benötigte Rohstoffmenge. Die KI-Lösung ist auch in der Lage, mögliche Unwägbarkeiten zu berücksichtigen, zum Beispiel ein plötzlich eintretender Rückgang der Nachfrage oder ein Lieferengpass bei einzelnen Zutaten. So optimiert die KI-Lösung die Bestellmenge sowie den Zeitpunkt der Bestellung im Einklang mit der Strategie und den Zielen des Unternehmens automatisiert.
Beispiel Modebranche
Die Zyklen der Modebranche sind naturgemäß saisonalen Schwankungen unterworfen. Gleichzeitig werden die Modezyklen immer kürzer. Dies stellt den Handel vor die Herausforderung, die Ware abverkauft zu haben, bis die neue Kollektion kommt. Deren Lieferzeit beträgt dabei meist drei bis sechs Monate.
Mithilfe von KI können Unternehmen den Abverkauf optimiert steuern. Auf Basis von Datenanalysen können sie genau bestimmen, wann der ideale Zeitpunkt ist, um neue Ware zu bestellen und in welchen Mengen. Auch hier kann es zu Unwägbarkeiten kommen, welche dafür sorgen, dass zu viele oder zu wenige Artikel in den Handel gelangen. KI-Lösungen liefern Prognosen und zeigen Wahrscheinlichkeiten auf, wie viel Ware wann verkauft wird, sodass nicht nur Händler ihre Lagerbestände optimieren, sondern auch Hersteller und Zwischenhändler planen können, wie viel Ware sie wann beschaffen müssen. Um die Produktion proaktiv zu steuern, ist wichtig, dass die künstliche Intelligenz möglichst die ganze Supply Chain abdeckt. So lässt sich die gesamte Wertschöpfungskette effizienter gestalten. Nur so werden die benötigten Bestandteile rechtzeitig und passend geliefert, wird die richtige Menge an Kleidung pro Markt produziert und rechtzeitig in die entsprechenden Filialen weltweit geliefert. Dies optimiert nicht nur den Bestand in einzelnen Shops, sondern auch im Zwischenhandel. So ermöglicht KI aufgrund der kurzen Modezyklen, exakt zu prognostizieren, wie viel Ware der Zwischenhandel braucht und wie viel von dort in den Handel kommt, bis die nächste Kollektion eintrifft.
Beispiel Konsumgüterindustrie
Produzenten von Konsumgütern arbeiten mit zum Teil sehr langen Zyklen. Gerade in der Unterhaltungselektronik müssen viele verschiedene Komponenten rechtzeitig beschafft werden, oft auch aus anderen Kontinenten, bevor Artikel gefertigt und in die einzelnen Zielmärkte verkauft werden können. Im Lagerbestand ist daher das Timing wichtig, dass alle Teile zum gleichen Zeitpunkt für die Produktion vorhanden sind. KI hilft hier, die einzelnen Komponenten, wie Chips, Displays, Stromversorgungsmodule etc. in den richtigen Mengen zur richtigen Zeit zu bestellen, damit die Geräte anschließend in den Handel gelangen können. Zudem muss genügend Zeit für Produktion und Abverkauf eingeplant werden, bevor die nächste Gerätegeneration hergestellt wird und in den Verkauf kommt. Zusätzlich kann KI prognostizieren, wie viele Geräte über den Produktlebenszyklus produziert werden müssen. Für den Großhandel stellt sie auch Prognosen, wie viele Geräte für einen Markt bestellt werden müssen. Auch hier ist die Lösung in der Lage, Unsicherheiten in der Nachfrage zu berücksichtigen und Zufälle in die Wahrscheinlichkeitsberechnungen einzubeziehen. So wird verhindert, dass unzureichend Geräte in den Handel gelangen oder anschließend überschüssige Ware verschrottet werden muss.
Verbesserte Prognosen auf allen Ebenen
Künstliche Intelligenz trägt dazu bei, den optimalen Lagerbestand an Rohstoffen und Materialien zu gewährleisten. Ihr Einsatz verhindert, dass Produkte aufgrund von Rohstoffmangel nicht mehr hergestellt oder geliefert werden können. Sie verhindert zudem, dass zu viele Rohstoffe oder Produkte da sind, sodass sie letztlich entsorgt werden müssen, mit allen wirtschaftlichen Konsequenzen.
Der KI-Spezialist Blue Yonder ist in der Lage, die Unsicherheiten, die entlang der gesamten Supply Chain auftreten können, genau zu bewerten. Dabei bezieht Blue Yonder immer die Strategie des KI-einsetzenden Unternehmens in Betracht, beispielsweise, wenn ein möglicher Warenüberschuss in Kauf genommen wird, dafür aber auf Marge verzichtet wird, genauso wie bei Verknappung die Marge erhöht wird. Die Lösungen von Blue Yonder treffen dann die Entscheidungen zur Beschaffung der benötigten Mengen an Produkten und verringern das Risiko des Unternehmens.
Bernd Baumgartner,
Senior Solution Consultant bei Blue Yonder
Dunja Riehemann,
Director Marketing bei Blue Yonder
