„Wenn ich die Leute gefragt hätte, was sie wollen, hätten sie vermutlich gesagt: schnellere Pferde.“ Henry Ford, der Automobilpionier, dem dieses Zitat zugeschrieben wird, beschreibt mit diesen Worten gut, dass Fortschritt manchmal unvorstellbar scheint – und dass es Menschen braucht, die wahrhaftig „out of the box“ denken, um bahnbrechende Technologien zu entwickeln. So verändert unsere Welt sich – ständig und immer. Mal kriegen wir mehr davon mit, mal auch eher weniger. Ebenso verhält es sich in puncto künstliche Intelligenz (KI).
In unserer EIKONA Logistics Cloud haben wir für all Ihre Anforderungen die passende Logistiklösung. Kombinieren Sie die Module individuell so, wie Sie es für Ihre Supply Chain brauchen.
Hohe Wellen in Sachen künstliche Intelligenz hat zuletzt die Nutzung der breiten Masse von ChatGPT geschlagen – vielleicht haben Sie den intelligenten Chatbot auch schon einmal um Hilfe bei einer Präsentation gebeten oder nach guten Restauranttipps in einer unbekannten Stadt gefragt. Doch nicht nur im Privaten, insbesondere im industriellen Umfeld, speziell in der Logistik, hat KI bislang einige bahnbrechende Optimierungsmöglichkeiten mit sich gebracht.
Von der Logistik ist aufgrund von Volatilität, Nachfrageschwankungen und der immer weiter reichenden globalen Vernetzung im Prinzip so etwas wie „punktgenaue Flexibilität“ gefordert – na klar, nichts einfacher als das! Zum Glück eignet sie sich außerdem ideal für den Einsatz von Digitalisierung und Anwendungen, die auf künstlicher Intelligenz basieren. Schließlich geht es für Logistik-Unternehmen zu einem großen Teil um optimale Planung: Bestellungen und Kapazitäten müssen geplant werden, wofür eine aussagekräftige Nachfrageprognose wichtig ist. Auch die optimale Lagerung der Güter will gut geplant sein, um Fehler zu vermeiden und möglichst effizient zu handeln. Wir zeigen, wie Software und Digitalisierung von KI profitieren und wie die Zukunftstechnologie die Logistik langfristig unterstützen kann.
Laut dem Turing-Test wird ein Computer als intelligent bezeichnet, sobald ein Mensch in der Interaktion damit nicht mehr unterscheiden kann, ob er mit einem anderen Menschen oder einer Maschine kommuniziert. Alan Turing prognostizierte außerdem schon in den 50er Jahren, dass nur lernende Maschinen dazu in der Lage seien, wirklich intelligentes Verhalten zu entwickeln. Maschinelles Lernen ist demnach ein Teilgebiet der KI. Während jedoch beim maschinellen Lernen ein Programmierer etwaige Anpassungen vornehmen muss, so verwendet die Software beim Deep Learning künstlich erzeugte neuronale Netzwerke (KNN), um Muster zu erkennen. So bestimmen die Algorithmen selbst, ob gewisse Entscheidungen richtig oder falsch sind – die Software lernt also unbeaufsichtigt.
Konkret auf die Lieferkette angewandt bedeutet das Folgendes: Anwendungen, in denen Deep Learning implementiert ist, sind dazu in der Lage, gewisse Muster in Lieferkettendaten zu erkennen und deren Einflussfaktoren zu identifizieren. So lernt der Algorithmus ständig dazu und kann immer präzisere Prognosen und Empfehlungen aussprechen, was beispielsweise bestimmte Routen und Abläufe im Transport angeht.
Der Turing-Test ist ein Test, der von dem britischen Mathematiker und Informatiker Alan Turing im Jahr 1950 vorgeschlagen wurde. Das Ziel dieses Tests ist es zu bestimmen, ob eine künstliche Intelligenz (KI) oder ein Computerprogramm in der Lage ist, menschliches Verhalten so überzeugend nachzuahmen, dass ein Beobachter nicht mehr zwischen einer Maschine und einem menschlichen Gesprächspartner unterscheiden kann
Der Test besteht normalerweise aus einem textbasierten Chat, bei dem ein Mensch (der Tester) mit zwei Partnern kommuniziert: einem anderen Menschen und einer Maschine. Der Tester weiß nicht, welche der beiden Parteien die Maschine ist. Der Zweck besteht darin, dass der Tester Fragen stellt und basierend auf den Antworten entscheiden muss, ob er mit einem Menschen oder einer Maschine spricht. Wenn die Maschine den Tester überzeugen kann und dieser nicht in der Lage ist, die Maschine von einem Menschen zu unterscheiden, wird der Test als "bestanden" angesehen. Der Test gilt als eine Art Meilenstein für die Entwicklung von künstlicher Intelligenz und dient als Maßstab für die Beurteilung des Fortschritts auf diesem Gebiet.
Wichtig hierfür ist jedoch die Datenübermittlung von möglichst allen Geräten, die Teil der Supply Chain sind. Hier kommt das Industrial Internet of Things (IIoT) ins Spiel. Im Gegensatz zum Internet of Things (IoT), das eine verbraucherorientierte Umgebung meint, beschreibt das IIoT das produzierende industrielle Umfeld, also ausschließlich Geräte und Systeme, die in der Produktion und Logistik eingesetzt werden. Mobile Geräte, die in einem IIoT-Netzwerk miteinander verbunden sind, sind mit Sensoren und eindeutigen Kennungen ausgestattet, sodass sie digitale Daten senden und empfangen können. So kommunizieren sie mit dem zentralen System, wo die Daten mithilfe von KI analysiert und interpretiert werden. Das ermöglicht die intelligente Automatisierung von Workflows und Prozessen.
Die verständliche Sorge, dass KI auf Dauer eine Vielzahl an Tätigkeiten, die heute von Menschen ausgeübt werden, übernimmt, muss nicht begründet sein. Mensch und KI – das ist kein Widerspruch, vielmehr kann die menschliche Sicherheit durch den Einsatz künstlicher Intelligenz gesteigert werden. So können körperlich anspruchsvolle Arbeiten von Maschinen ausgeführt werden, während das Fachpersonal verstärkt darin geschult wird, strategische Entscheidungen zu treffen. Außerdem können Sensoren, die die Mitarbeitenden bei der Arbeit tragen, Optimierungspotenziale bei Bewegungsabläufen ermitteln. Zeigt ein Mitarbeiter zudem Anzeichen von Müdigkeit, so erkennen die Sensoren dies und sprechen eine Empfehlung zur Pause aus – dieses System kennen viele vom Autofahren, wo es schon lange eingesetzt wird. Fehler und Unfälle lassen sich so besser vermeiden, was die allgemeine Effizienz steigert.
Status-Updates in Echtzeit, Planungssicherheit und zuverlässige Prognosen – das ist es, worauf es in puncto resiliente Lieferketten hauptsächlich ankommt. Moderne Datenbanken und selbstlernende Algorithmen helfen dabei enorm, indem sie Daten aus verschiedenen Quellen in Bezug zueinander setzen und daraus konkrete Handlungsempfehlungen ableiten. In diesen Bereichen wird KI schon heute in vielen Unternehmen eingesetzt und optimiert dadurch verschiedenste Prozesse im Bereich Transport und Logistik:
Die Aufgaben, die in der Logistik Tag für Tag anfallen, sind extrem vielfältig – doch mindestens ebenso vielfältig sind für die Unternehmen die Einsatzmöglichkeiten von künstlicher Intelligenz. Schon heute kann KI in der Logistik verwendet werden, um die Nachfrage vorherzusagen, Bestellungen und Kapazitäten zu planen sowie Transportgüter optimal zu lagern. Ressourcen können so effizienter eingesetzt werden, während gesundheitsschädigende Arbeiten sowie Routinetätigkeiten mehr und mehr von Maschinen übernommen werden. Die menschlichen Fähigkeiten lassen sich so zielgenauer nutzen.
Respekt vor neuartigen Technologien und dem Wandel, den sie mit sich bringen, ist sicher angebracht, aber eins sollte klar sein: Aufhalten kann man die Transformation nur in den seltensten Fällen. Daher lohnt es sich, die Potenziale der KI für die Logistik zu nutzen und sich so ein Stück weit passgenauer und gleichzeitig flexibler aufzustellen.
Einen Kommentar schreiben