Die Anwendung datenzentrierter K\u00fcnstlicher Intelligenz (KI) und von Machine Learning (ML) hat f\u00fcr Beschaffungsmanager:innen die h\u00f6chste Priorit\u00e4t. Das ergab bereits im Fr\u00fchjahr 2022 die Gartner-Studie Digital Business Impact on Supply Chain Survey. KI kann grosse Datenmengen verarbeiten und analysieren und damit menschliche Entscheidungen in Bereichen wie Lieferkettenplanung, Bedarfsprognose, Beschaffung, Lagerhaltung und Lieferung unterst\u00fctzen. Sie bietet auch das Potenzial, Gesch\u00e4ftsprozesse f\u00fcr die Automatisierung umzugestalten. Dank KI-gest\u00fctzter Software ist es m\u00f6glich, Daten aus allen Kontaktpunkten zu zentralisieren. Dies erleichtert die Nutzung funktions\u00fcbergreifender Kapazit\u00e4ten, b\u00fcndelt Daten, erh\u00f6ht die Agilit\u00e4t und st\u00e4rkt die Resilienz eines Unternehmens, was zu besseren Entscheidungen und h\u00f6herer Rentabilit\u00e4t f\u00fchrt.<\/p>\n
Doch trotz der Vorteile, die K\u00fcnstliche Intelligenz mit sich bringt, haben Unternehmen immer noch Schwierigkeiten bei der Umsetzung, wobei die Verf\u00fcgbarkeit der Technologie meist nicht die eigentliche Herausforderung ist. Viel mehr Energie bedarf es, das Management zu \u00fcberzeugen und bestehende Datenmanagementpraktiken zu st\u00e4rken, um KI- und ML-Technologien effektiv einzusetzen und gleichzeitig die richtigen M\u00f6glichkeiten f\u00fcr den Einsatz dieser L\u00f6sungen in Planungsprozessen zu identifizieren.<\/p>\n
An erster Stelle steht nicht die Einf\u00fchrung neuer Technologien, sondern eine klare Vision und definierte Ziele f\u00fcr die Einf\u00fchrung einer KI-gest\u00fctzten Lieferkette sind. Sie geben die Richtung vor und helfen, Ressourcen effizient zuzuweisen. Welche konkreten Herausforderungen sollen mit KI gel\u00f6st werden? Soll das Bestandsmanagement optimiert, die Nachfrage besser eingesch\u00e4tzt oder die Transportlogistik verbessert werden? Oftmals sind die Erwartungen aufgrund von Unerfahrenheit falsch ausgerichtet. Indem die Ziele definiert und alle Erwartungen aufeinander abgestimmt sind, k\u00f6nnen die Bem\u00fchungen gezielter und produktiver werden.<\/p>\n
Ebenso wichtig ist es, die Verantwortungen im Vorfeld festzulegen. Bringen Sie die wichtigsten internen Ansprechpartner:innen zusammen und stellen Sie detaillierte Fragen, um die Ziele der geplanten Implementierung genau zu durchleuchten. Sprechen Sie gemeinsam \u00fcber die kurz- und langfristigen Erwartungen. W\u00e4gen Sie diese gegen die voraussichtlichen Kosten der Implementierung ab, einschliesslich der Ausgaben f\u00fcr die Anschaffung der Technologie, der Auswirkungen vor\u00fcbergehender Produktivit\u00e4tsunterbrechungen und der Arbeitskosten f\u00fcr Installation, Einrichtung und Schulung.<\/p>\n
Beziehen Sie in den Digitalisierungsprozess auch die Personalabteilung ein, um die potenziellen Auswirkungen des technologischen Wandels auf die Mitarbeitenden zu ber\u00fccksichtigen. Die Wahrscheinlichkeit ist hoch, dass Sie Spezialist:innen f\u00fcr die neuen Aufgaben in Ihrem Unternehmen ben\u00f6tigen. Schulen Sie auch bestehende Mitarbeitende, um sicherzustellen, dass sie verstehen, wie sich ihre Aufgaben und Arbeitsabl\u00e4ufe w\u00e4hrend und nach der Implementierung \u00e4ndern werden.<\/p>\n
KI- und ML-Modelle ben\u00f6tigen zum Trainieren und Testen eine grosse Menge relevanter Daten. Die meisten Unternehmen produzieren, speichern und vergessen Daten in grossem Umfang. Die Herausforderung besteht meist nicht darin, neue Daten zu sammeln, sondern die vorhandenen Daten zu finden, zu konsolidieren und zu analysieren. Interne Daten aus verschiedenen Bereichen wie Vertrieb, Marketing, Qualit\u00e4tsmanagement und Finanzen m\u00fcssen zusammengef\u00fchrt und daraus ein umfangreicher Datenpool aufgebaut werden. Eine abteilungs\u00fcbergreifende Koordination hilft bei der Datenerhebung. Diese internen Daten sollten m\u00f6glichst mit Kunden- und Lieferantendaten verkn\u00fcpft werden, um einen besseren Einblick in Nachfragemuster, Best\u00e4nde, Verkaufszahlen und Mengen zu erhalten. Durch den Austausch relevanter Daten und Leistungskennzahlen k\u00f6nnen Sie engere Partnerschaften mit ihren Lieferanten eingehen. Dies f\u00f6rdert nicht nur eine bessere Kommunikation und gegenseitiges Wachstum, sondern f\u00fchrt auch zu k\u00fcrzeren Lieferzeiten, besserer Produktqualit\u00e4t und mehr Innovation.<\/p>\n
Die Implementierung von KI und ML zum Aufbau intelligenter Lieferketten ist eine anspruchsvolle, aber notwendige Aufgabe. In einer Zeit st\u00e4ndigen Wandels m\u00fcssen Lieferketten widerstandsf\u00e4hig und flexibel sein. Hinzu kommen die immer gr\u00f6sser werdenden Anforderungen an Nachhaltigkeitsaspekte. Unternehmen, die keine KI- und ML-gest\u00fctzten Planungsprozesse implementieren, werden eher fr\u00fcher als sp\u00e4ter einen Wettbewerbsnachteil erleiden, da sie auf die Marktdynamik nicht angemessen agil reagieren k\u00f6nnen.<\/p>\n