Wie künstliche Intelligenz die Logistik revolutioniert

Künstliche Intelligenz kann zwar nach wie vor nicht wirklich denken, ihr Vor­teil ist aber, dass sie gigantische Daten­mengen verarbeiten kann – Stichwort «Big Data». Aus diesen Datenmengen und aus historischem Wissen, wie sich welche Faktoren normalerweise zueinander verhalten und sich gegenseitig entwickeln, kann die künstliche Intelligenz dann Zustandsanalysen und Zukunftsprognosen von immer höherer Treffsicherheit abgeben. Das ermöglicht in der Logistik eine bessere Planung und Terminierung von Aktivitäten, eine Vorhersage der Nachfrage und des Absatzes, eine Prognose der Transportankunftszeiten und nicht zuletzt eine effizientere Lagerung.

Plötzliche – und globale – Lieferengpässe stellten und stellen die Logistikbranche in Coronazeiten vor erhebliche Probleme – und tun das umso mehr in der aktuellen Situation des Krieges Russlands gegen die Ukraine.

Dabei handelt es sich um ausserge­wöhnliche Situationen, für die wohl etliche ­Erfahrungswerte noch fehlen – die dabei aber wohl neue Daten und ein vertieftes Wissen generieren, wie ­Liefer­ketten und regionale bis globale Ab­hängigkeiten ineinandergreifen, Wissen, das in der Zukunft zur Anwendung ­kommen kann – und am besten durch Systeme der künstlichen Intelligenz zur Anwendung kommt.

Nachfrage voraussagen

«Predictive Logistics» bezeichnet Systeme, die anhand von Big Data Lieferengpässe und Änderungen in der Nachfrage vorhersagen. Eine Influencerin beispielsweise trägt ein auffallendes Kleid in ihrem jüngsten viralen Tiktok-Video: Eine künstliche Intelligenz wird berechnen, wie sich in den kommenden Wochen wohl die Nachfrage nach diesem Artikel (und seinen Vorprodukte) erhöhen wird und wie betreffende Firmen das Lager dementsprechend aufstocken sollten. Sie könnte sogar berechnen, was dadurch weniger nachgefragt werden könnte und wie sich die Nachfrage nach Mode ins­gesamt verschiebt.

Ernsthaftere Beispiele betreffen Lieferengpässe durch Pandemien, Ernteausfälle (durch Klimawandel), geopolitische Un­sicherheiten oder aufgrund eines Streiks in einem bedeutenden Hafen oder einer bedeutenden Logistikdrehscheibe.

Das letzte Beispiel (Streiks in der Lieferkette) ist ausserordentlich zeitnah und unmittelbar dringlich. Wie zum Beispiel auch Staus oder Verkehrsunfälle, die die Ankunftszeiten von Lkw verändern. Eine künstliche Intelligenz kann deren ­Effekte auf das Gesamtsystem berech­nen und wie man es an die neue Gege­benheit spontan anpassen könnte (zum Beispiel, indem man in dieser Wartezeit andere Arbeiten erledigt und welche).
 
Zeit ist Geld und vor allem in der Logistik ist die effiziente Nutzung von Zeit das eigentlich zentrale Thema. Gerade Systeme der künstlichen Intelligenz können hier wertvolle Beiträge liefern und dadurch erheblichen zusätzlichen Wert schaffen – beziehungsweise Kosten und Energie sparen.

Mehr Effizienz

Ein anderes zentrales Thema in der Logistik ist: Wie organisiert man das Waren­lager? Auch hier kann künstliche Intel­ligenz zu effizienteren, rascheren und ­flexibleren Lösungen verhelfen. KI kann identifizieren, welche Produkte und Komponenten in der Zeit wie stark gebraucht werden und sie dementsprechend an ­zugänglicheren oder weniger prominenten Lagerplätzen (um)positionieren. Es kann Produkte und Komponenten, die (derzeit) oft gemeinsam nachgefragt werden, in der Nähe unterbringen und dadurch Wegzeit einsparen.

Zum Einsatz kommen dabei KI-Roboter oder Drohnen, die mit Visual Artificial Intelligence ausgestattet sind. Eine solche kann allein an der Verpackung erkennen, um welchen Artikel es sich ­handelt, und ihn entsprechend einordnen. Das betrifft auch den Umgang mit Gefahrengut. ­Mittlerweile sind KI-Ro­boter in der Lage, auch bei spiegelnden Oberflächen Komponenten punktgenau zu greifen und in den ­Versandkarton zu platzieren.

Roboter und Mensch

Derartige KI-Roboter werden auch «Cobots» (kollaborativer Roboter) genannt. Sie führen beispielsweise die Lagermit­arbeiter zu den Artikeln. Eine solche Lösung unterstützt die Kommissionierer ­dabei, schneller und genauer zu arbei­ten, und steigert die Kommissionierraten ­bereits jetzt um 200 bis 300 Prozent.

«Cobot» bedeutet auch: Zu einem grossen Kahlschlag bei den Arbeitsplätzen dürfte es – so – (noch) nicht kommen. Die menschliche Tätigkeit ist nach wie vor wichtig und kann aufgrund der Kom­plexitäten, die sie bewältigen muss, nicht so leicht durch künstliche Intelligenz ­ersetzt werden.

Künstliche Intelligenz kann zwar de­finierte Aufgaben grandios bewältigen – ist aber darüber hinaus ­vollkommen «dumm». Sie lernt auch nur, was ihr vorgegeben ist zu lernen: ­anders als der Mensch.

Das «Smart Warehouse» dürfte zwar ­weniger Menschen beschäftigen – die aber dafür auch in höheren und attrak­tiveren Positionen. Zudem können KI-­Roboter auch unattraktive und gefährliche Ar­beiten übernehmen – oder auch Gefahren verringern, indem sie Schwachstellen umso leichter identifizieren («Predictive Maintenance»).

Der künstlichen Intelligenz wohnt also nicht allein ein Reformpotenzial, sondern ein gleichsam revolutionäres Potenzial inne, Logistikprozesse deutlich zu optimieren. Dennoch zögern viele Unternehmen, KI breit zum Einsatz kommen zu lassen. Laut einer Fraunhofer-Studie zum Thema «Künstliche Intelligenz in der ­Logistik» hat die Mehrzahl der Unter­nehmen, die KI implementiert haben, das mit einem spezialisierten externen Partner getan. Das ist – wie sowieso immer, wenn neues Terrain beschritten werden soll – auch anzuraten.

Eine Sache der Datenqualität

Da ein System der künstlichen Intelligenz nur so gut sein kann wie die Daten, mit denen es arbeitet, ist eben genau die Qualität dieser Daten am wichtigsten. Welche Daten sind bereits vorhanden, welche müssen erst – und wie – generiert oder eingeholt werden? Werden solche Daten eventuell von anderen Unternehmen angeboten?

Bereits heute stellen auch die B2B-­Plattformen Wlw (ehemals «Wer liefert was») und Europages grosse Mengen ­solcher Daten zur Verfügung. Das Un­ternehmen Visable als Träger der beiden Platt­formen nutzt selber KI-Programme zur Pflege der Daten, beispielsweise zur Bereitstellung von Schlüsselwörtern für die Datensuche oder zur Eliminierung von Daten-Duplikaten.

Notwendig dafür ist allerdings auch eine adäquate Abfrage von relevanten Daten: Datenquantität ist nicht gleich Daten­qualität. Zu oft wird bei Projekten zu ­wenig Vorauswahl getroffen, welche Daten eigentlich notwendig sind. Auch hier kann künstliche Intelligenz helfen, re­levante Daten als solche zu identifizieren – im Sinne eines Lernprozesses über ­intelligente Algorithmen.

Grosse Potenziale

Vielleicht haben Firmen, vor allem kleinere, einstweilen noch recht, wenn sie in Bezug auf den Einsatz von künstlicher Intelligenz noch eine abwartende Haltung einnehmen. Dabei sollte allerdings im Auge behalten werden, ob andererseits nicht Chancen und Startvorteile vertan werden.

Die Möglichkeiten, Logistikprozesse zu optimieren und Kosten zu senken durch künstliche Intelligenz, sind enorm. Und der Wettbewerb wird früher oder später KI-Lösungen in diesem Bereich gerade­zu aufdrängen.