Wie Künstliche Intelligenz Unternehmen bei der Optimierung ihrer Logistikprozesse unterstützt

Veröffentlicht am 27 Februar 2024 • Lesen: 8 min read

In dem aktuell angespannten globalen Umfeld stehen Supply-Chain-Manager vor immer größeren Herausforderungen: Arbeitskräfte- und Rohstoffmangel, hohe Transportkosten etc.
Um ihre Lieferkette belastbarer aufzubauen, hat die Mehrheit der Entscheidungsträger eine Wahl getroffen: die technologische Innovation.

Inhaltsverzeichnis

• Logistische oder generative Künstliche Intelligenz: Aber von welcher Intelligenz sprechen wir?
  • Machine Learning
  • Deep learning
• Die relevantesten Anwendungen Künstlicher Intelligenz für den Logistiksektor
  • Die vorausschauende Analyse der Nachfrage
  • Die intelligente Lagerverwaltung
  • Die automatisierte Kommissionierung
  • Bestandsaufnahme per Drohne
  • Die Auslieferung von Waren durch Drohnen oder autonome Fahrzeuge
  • Die Optimierung von Transporttouren

Künstliche Intelligenz verwandelt die Herausforderungen der heutigen Logistik in Chancen. Für Lieferkettenmanager sind technologische Innovationen der Schlüssel zum Aufbau einer widerstandsfähigeren Lieferkette.

Wie die Descartes-Umfrage über den Transport-Management aus dem Jahr 2023 zeigt, fördern 44% der Führungskräfte die Automatisierung von Arbeitsabläufen, und die intelligente Nutzung von Informationen scheint für die Wertschöpfung von entscheidender Bedeutung zu sein.
Unter den Werkzeugen zur optimalen Nutzung der verfügbaren Ressourcen nimmt die Künstliche Intelligenz (KI) einen hohen Stellenwert ein. Doch zwischen Werbeeffekten und Science-Fiction-Szenarien ist es nicht immer leicht, den Durchblick zu behalten.
Seit schon fast 10 Jahren setzt unser Unternehmen Künstliche Intelligenz zur Optimierung von Touren ein. Heute fassen wir für Sie wichtige Fakten über diese Technologie und ihre relevantesten Anwendungen in der Logistikbranche zusammen.

Logistische oder generative Künstliche Intelligenz: Aber von welcher Intelligenz sprechen wir?

In nur wenigen Monaten haben generative KI-Programme wie ChatGPT, DALL-E und Midjourney bereits Hunderte von Millionen von Nutzern weltweit begeistert.

Alle diese KI-Anwendungen, die in der Lage sind, einzelne Aufgaben oder Aufgabefolgen zu reproduzieren, die bisher von Menschen ausgeführt wurden, werden als schwach bezeichnet. In Anlehnung an die Definition der UNESCO bedeutet dies, dass sie „in der Lage sind, bestimmte präzise Aufgaben selbstständig, aber ohne Bewusstsein, innerhalb eines vom Menschen definierten Rahmens und aufgrund von Entscheidungen, die allein vom Menschen getroffen wurden, auszuführen“.

Bisher existiert die starke KI, die mit Vernunft und Sensibilität begabt ist und Probleme selbstständig lösen kann, nur in der Fantasie!

Und doch sind die Leistungen dieser schwachen KIs bereits sehr beeindruckend. Um besser zu verstehen, wie sie funktionieren und was Sie von ihnen erwarten können, kann man zwischen zwei Methoden des maschinellen Lernens unterscheiden: Machine Learning und Deep Learning.

Machine Learning

Mit dieser Methode kann man einer Maschine beibringen, aus strukturierten oder halbstrukturierten Daten wie geografischen Koordinaten, Kundendatenbanken, Informationen über eine Fahrzeugflotte usw. ein Ergebnis zu erzeugen.

Im Alltag enthalten viele Systeme eine Ebene des maschinellen Lernens, wie z. B. die Werbealgorithmen von E-Commerce-Websites, Streaming-Plattformen etc.

Mit jedem Klick verfeinert die Maschine ihr Wissen über Ihre Vorlieben und Ihre Einkaufsgewohnheiten, um dann immer individuellere Vorschläge zu erstellen.

Auch unsere Softwarelösung für die Tourenoptimierung basiert auf maschinellem Lernen und wird von zwei unserer Kollegen – promovierten Experten im Bereich der Operationsforschung – ständig weiterentwickelt.
Dank dieser selbstlernenden Algorithmen kann AntsRoute sehr komplexe Touren unter Berücksichtigung einer beträchtlichen Anzahl von Daten immer feiner optimieren, ohne dass der Mensch eingreifen muss.

Angenommen, Ihre Fahrer müssen bei dem einen und selben Kunden immer wieder eine lange Wartezeit in Kauf nehmen müssen, bevor sie entladen dürfen. Lieferung für Lieferung lernt die Software aus diesen „Fehlern“ und berechnet eine immer realistischere Entladezeit.

Deep Learning

Diese Technologie beruht auf der Verwendung neuraler Netze, welche in der Lage sind, Verknüpfungen zwischen riesigen unstrukturierten Datensätzen herzustellen, um Entscheidungen zu treffen oder Prognosen zu machen.

Dank Deep Learning ist es Ingenieuren gelungen, besonders revolutionäre Lösungen wie maschinelle Übersetzungssoftware, Bilderkennung oder autonome Roboter zu entwickeln, die noch vor wenigen Jahren unvorstellbar gewesen wären!

Diese Systeme, die also bei der Nachahmung des menschlichen Gehirns sehr weit gehen, benötigen dennoch starke Computerressourcen und phänomenale Datenmengen, um richtig trainiert zu werden und zufriedenstellende Ergebnisse zu liefern.

Die relevantesten Anwendungen Künstlicher Intelligenz für den Logistiksektor

Sehr schnell hat sich die Logistik mit ihren riesigen Datensätzen, die durch gut erforschte Ursache-Wirkungs-Zusammenhänge miteinander verknüpft sind, als ideales Anwendungsgebiet für Systeme der künstlichen Intelligenz angezeigt.
Hier finden Sie eine Zusammenfassung der interessantesten Anwendungsfälle, von bereits einsatzfähigen Werkzeugen bis hin zu sehr vielversprechenden Experimenten in naher Zukunft.

Die vorausschauende Analyse der Nachfrage

Eine der größten Herausforderungen für Handels- und Vertriebsfachleute ist es, sich in Echtzeit an die Kundennachfrage anzupassen, ohne dabei einen Bruch oder unnötige Lagerhaltung zu riskieren.

Dies gilt insbesondere für sogenannte „wetterempfindliche“ Produkte, deren Verbrauch je nach Wetterbedingungen schwankt: Textilien, Getränke, Speiseeis, Heizungs- oder Klimaanlagen usw.
Ein paar Grad mehr oder weniger, und die Käufe dieser Produkte schießen in die Höhe oder brechen ein, manchmal auf dramatische Weise.
Daher ist es für Fachleute dieser Branchen von Vorteil, ihre Business-Historie anhand der Wetterdaten der vergangenen Jahre zu analysieren, um das Verhalten der Käufer besser einschätzen und ihre Bestellungen anpassen zu können.

Die Analyse der Nachfrage in Verbindung mit der Typologie des „Point of Sale“ (POS) ist ein weiterer sehr interessanter Anwendungsfall für Künstliche Intelligenz: der Verbrauch bestimmter Produkte kann abhängig vom Geschäftsstandort, von der soziologischen Kundenherkunft usw. sehr unterschiedlich ausfallen.

Durch die Verknüpfung all dieser Daten mithilfe von Künstlicher Intelligenz können Handelsketten und Supermärkte die Verwaltung und Versorgung der verschiedenen Verkaufsstellen mit mehr Geschick optimieren.
Diese Informationen sind auch sehr hilfreich, um die Transportpreise je nach Dringlichkeit der Bestellungen auszuhandeln.

Die intelligente Lagerverwaltung

Damit die Waren schnell in den Geschäften oder bei den E-Commerce-Anbietern ankommen, müssen sie aber schon im Vorfeld in ausreichender Menge in Logistiklagern verfügbar und so nah wie möglich am Endverbraucher sein.

Auch hier ist eine Queranalyse der historischen Bestellungen der vergangenen Jahre mit online gesammelten oder von Ihren Kunden bereitgestellten Daten für ein optimales Bestandsmanagement von entscheidender Bedeutung.

Die meisten Lagerverwaltungsprogramme (WMS) enthalten nun maschinelle Lernalgorithmen, die den Mensch bei der Entscheidungsfindung unterstützen, indem sie ihm relevante Produktbestellungen vorschlagen.

Manche Unternehmen gehen bei der Nutzung künstlicher Intelligenz sogar noch einen Schritt weiter und setzen auf digitale Zwillinge. Hinter diesem Begriff verbergen sich hochentwickelte Simulationslösungen, die eine Art digitales Double Ihrer Lieferkette erstellen werden.

Das Ziel dieser Systeme ist es, Ihre Lieferkette in ihrer ganzen Komplexität zu modellieren und alle möglichen Szenarien und Bewegungen zu berechnen, um die verschiedenen Warenströme dynamisch zu optimieren.

Die automatisierte Kommissionierung

Angesichts der angespannten Personalsituation fällt es Unternehmen oft schwer effiziente Disponenten und Lagermitarbeiter zu rekrutieren und an sich zu binden.
Dies ist nicht wirklich überraschend, da diese körperlich anspruchsvollen und sehr repetitiven Arbeitsplätze oft auch schlecht bezahlt sind.

Immer mehr Akteure im Logistiksektor entwickeln daher innovative Lösungen, um die Arbeitsbedingungen der Mitarbeiter zu verbessern oder diese Arbeitsplätze sogar vollständig zu automatisieren.

Um die Wege der Mitarbeiter im Lager zu reduzieren, bestimmen schon viele Lagerverwaltungsprogramme für jede Produktreferenz einen idealen Standort anhand von Parametern wie Saisonalität, Umschlagshäufigkeit, Artikeltyp usw.

Andere Lösungen nutzen die Ressourcen der künstlichen Intelligenz, um automatisch die beste Picking-Route zu berechnen, damit jeder Kommissionierer alle bestellten Artikel effizient einsammeln kann, ohne auch nur einen zu vergessen.

Um die Kosten für die Kommissionierung weiter zu optimieren, experimentieren die größten Akteure auch mit autonomen, also KI-gesteuerten Robotern und Fahrzeugen.

In einem normalerweise sehr gut organisierten Raum wie einem Lagerhaus mit wenig Verkehr gelingt es diesen Systemen bereits, komplexe Aktionen durchzuführen, wie z. B. ein Paket in großer Höhe zu platzieren oder abzuholen.
Einige Roboter können sogar das bestellte Produkt automatisch greifen und ablegen, da Sensoren mit den Paketen verbunden sind.

Eine weitere KI-Anwendung, die gerade boomt, sind automatisch geführte Fahrzeuge (AGV). Sie können sich autonom in Lagerhäusern bewegen und Paletten mit Produkten durch Regale, zu einer Laderampe usw. transportieren.

Bestandsaufnahme per Drohne

Die Inventur ist mühsam und zeitraubend, dennoch ist sie eine unumgängliche Aufgabe, um unvermeidlich auftretende Fehler in den Beständen zu korrigieren.

Um diese unbeliebte Aufgabe zu automatisieren, entwickelten die in Grenoble ansässigen Unternehmen Hardis Group und Squadrone System ab 2015 eine Drohne mit dem Namen Eyesee.

2022 übernahm das Startup-Unternehmen Darwin Drones Eyesee, um die Produktion zu industrialisieren und die kommerzielle Einführung des Produkts zu beschleunigen.

Denn diese Technologie, die lange Zeit Science-Fiction war, ist mittlerweile ausgereift und hat bereits multinationale Konzerne wie L’Oréal, Bayer und Ikea überzeugt.

Diese Drohne kann manuell oder automatisiert in Lagerräumen im Innen- oder Außenbereich gesteuert werden. Mithilfe einer an Bord befindlichen Kamera, die mit Ihrer Lagerverwaltungssoftware verbunden ist, kann sie automatisch alle Arten von Barcodes erkennen und so Ihre Bestandsdaten in Rekordzeit aktualisieren.

Dieses System arbeitet mit computergestützter Objekterkennung und erkennt auch das Vorhandensein von Paletten, Gestellen oder Hindernissen, indem es vertikale Linien und deren Unterbrechung analysiert.

Die schrittweise Verbreitung dieser Lösungen dürfte die Kosten schnell senken und schließlich die Inventur der Lagerbestände mit einer sehr geringen Fehlerquote automatisieren.

Die Auslieferung von Waren durch Drohnen oder autonome Fahrzeuge

In ähnlicher Weise haben einige Unternehmen wie Amazon, Walmart oder Kroger mit der Zustellung mit autonomen mobilen Robotern auf der Straße oder in der Luft experimentiert.

Derzeit bergen diese Technologien für den Transport von Waren noch zu viele Unfallrisiken in einer offenen Umgebung. Einige Waren sind auch zu schwer oder zu zerbrechlich für eine solche Transportart, ganz zu schweigen von der Frage des Datenschutzes.

Die sehr schnellen Fortschritte im Bereich der künstlichen Intelligenz dürften jedoch dazu führen, dass diese Systeme, die weniger futuristisch sind, als sie scheinen, bald allgemein verbreitet werden…

Die Optimierung von Transporttouren

Bis dahin wird der Warentransport in Fahrzeugen, die von menschlichen Fahrern gesteuert werden, immer noch den größten Kostenfaktor für Logistikunternehmen darstellen.
Die letzte Meile allein macht 20 % der tatsächlichen Kosten einer Lieferung aus, in Innenstädten kann dieses Verhältnis auf 50 % steigen.

Um die zurückgelegten Entfernungen und damit die Transportkosten zu optimieren, haben unsere beiden promovierten Experten im Bereich der Operationsforschung leistungsstarke Algorithmen entwickelt, die auf der kombinatorischen Optimierung beruhen. Dieser Zweig der Mathematik beschäftigt sich damit, die beste Lösung aus einer endlichen, aber sehr großen Anzahl von Möglichkeiten zu berechnen.

Dank dieser Algorithmen in Verbindung mit Machine Learning ist unsere Softwarelösung für die Tourenplanung in der Lage, für jeden Zusteller die ideale Route unter Berücksichtigung spezifischer Einschränkungen zu ermitteln.
Je nach Tätigkeitsbereich Ihres Unternehmens können dies die Öffnungs- oder Anwesenheitszeiten des Endkunden, ein bestimmtes Wiederholungsrythmus, bestimmte Eigenschaften der Waren, die Fähigkeiten der Fahrer usw. sein.

Wenn Sie beispielweise 100 Kunden pro Tag beliefern und die Anforderungen von Kunde zu Kunde unterschiedlich sind, wird die Optimierung der Touren von Hand oder mit einer Tabellenkalkulation schnell zum Puzzle.

Nur mit einer leistungsfähigen IT-Lösung können Sie alle Abläufe optimieren und dabei die riesigen Datenmengen berücksichtigen, die Ihnen zur Verfügung stehen.

Um unsere Softwarelösung für die Tourenplanung 7 Tage lang zu testen, müssen Sie sich nur hier anmelden. Der Test ist kostenlos, unverbindlich und Sie müssen nicht einmal Ihre Kreditkartennummer angeben!

Möchten Sie eine Software zur Routenoptimierung kostenlos ausprobieren und das Beste aus Ihren Lieferungen herausholen? Melden Sie sich jetzt an!