Revolution der Logistik: Denkende Computer erhalten Einzug

Künstliche Intelligenz oder Artificial Intelligence revolutioniert derzeit fast alle Branchen. Auch die Logistik und das Management von Lieferketten bleibt von dieser Entwicklung nicht unberührt. Trotzdem ist noch immer unklar, wohin die Reise geht. Viele Entwicklungen versprechen enorme Effizienzgewinne und Kosteneinsparungen. Was sie letztlich wirklich leisten können, ist derweil noch völlig unbekannt. Möglicherweise ist diese Entwicklung jedoch auch mit Risiken und Nachteilen verbunden.

 

KI als Werbefaktor

Schon heute werben zahlreiche Logistik Unternehmen damit, effizient künstliche Intelligenz einzusetzen, um damit ihre Prozesse zu optimieren und Kosten einzusparen. Das Versprechen gilt dem Kunden, der für weniger Geld einen besseren Service erwartet. Für Außenstehende ist schwer erkennbar, ob sich dahinter ein reiner Marketing-Hype verbirgt, oder ob die Technologie wirklich leisten kann, was sie verspricht. Schon heute haben mehr als die Hälfte aller Logistik Unternehmen künstliche Intelligenz in ihre Prozesse eingebaut oder planen dies in sehr naher Zukunft. Das Versprechen der Technologie lautet vor allem, gigantische Datenmengen, die bisher ungenutzt blieben, nutzbar zu machen und so bisher unsichtbare Zusammenhänge und ineffiziente Strukturen aufzudecken.

 

Datenanalyse für den Erfolg der Zukunft

Künstliche Intelligenz klingt zunächst einmal nach Computern, die quasi menschliche Eigenschaften entwickeln. Das ist in diesem Bereich jedoch keinesfalls so. Vielmehr geht es um zwei wesentliche Entwicklungen. Zum einen werden Maschinen von linearen Algorithmen abgekoppelt und so programmiert, dass sie ihre Modelle selbstständig entwickeln und anpassen. In der Praxis bedeutet das, dass Maschinen Daten aus der Vergangenheit auswerten, daraus Regelmäßigkeiten ableiten und mit diesem Handwerkszeug Daten aus der Gegenwart verarbeiten können. Daraus lassen sich dann Vorhersagen für die Zukunft treffen, die andernfalls von Ingenieuren modelliert werden müssten. Der zweite wichtige Punkt in der Entwicklung künstlicher Intelligenz ist die Verarbeitung extrem großer Datenmengen. Gemeinsam können beide Entwicklungen enormes Potenzial entfalten. Besonders in der Logistik Branche blieben bisher Unmengen an Daten völlig ungenutzt, teils sogar völlig ungesehen.

 

Praxisbeispiel: Optimierung von Kommissionierung

Ein Beispiel aus dem Alltag des Logistikers ist die Verknüpfung von Kommissionierung und künstlicher Intelligenz. Der Computer wird hier mit Daten aus der Vergangenheit gefüttert. Anschließend wird das Machine Learning, der lernende Algorithmus, genutzt, um Daten aus der Gegenwart mit Strukturen aus der Vergangenheit abzugleichen und Prozesse entsprechend zu optimieren. In der Praxis ermöglicht diese Technologie die Verkürzung von Kommissionierzeiten. Auch Fehlkommissionierungen können so häufig vermieden werden.
Darüber hinaus gibt es noch zahlreiche Anwendungsfelder. So lassen sich ganze Logistikbereiche mit fiktiven Daten simulieren und Best-Practice Modelle ohne den Einsatz echter Ressourcen entwickeln. Auch die Wartung von Geräten und Fahrzeugen kann durch den Einsatz künstlicher Intelligenz optimiert werden. All diese Technologien sind schon heute im Einsatz und entfalten ihre Wirkung.

 

Risiken beim Einsatz von Machine Learning

Machine Learning in der Logistik verspricht eine Revolution der gesamten Branche. Doch beim Einsatz dieser Technologien ist auch Vorsicht geboten. Die Systeme beruhen auf dem Input von historischen Daten. Diese müssen vollständig und korrekt eingegeben werden, um den Output entsprechend nutzbar zu machen. Fehlen hier Daten oder werden sie fehlerhaft verknüpft oder eingegeben, “lernt” der Computer falsch und zieht anschließend falsche Schlüsse. Statt Effizienzsteigerungen kann das dann zu hohen Kosten und Verlusten führen. Ein weiteres Problem ist die Intransparenz der Technologie. Entscheidungsprozesse innerhalb des Algorithmus sind nicht nachvollziehbar. Man muss dem Computer also blind vertrauen und hat kaum Möglichkeiten, die Entscheidungen unabhängig zu überprüfen.

 

Weitere Anwendungsfelder von KI in der Logistik

Die Anwendungsfelder von künstlicher Intelligenz und Machine Learning sind nahezu unbegrenzt. Neben der Optimierung von Prozessen und Abläufen in der Logistik kommen viele andere Detailbereiche infrage. So beruht beispielsweise auch die Entwicklung autonomer Fahrzeuge auf dem erfolgreichen Einsatz von KI. Die Systeme müssen in extrem kurzer Zeit extrem viele Daten auswerten und Entscheidungen treffen. Nur wenn dieser Mechanismus reibungslos funktioniert, können Fahrzeuge wirklich autonom fahren. Auch die optimierte Kundenbetreuung ist ein wichtiges Anwendungsfeld. KI könnte es Speditionen künftig ermöglichen, die Bedürfnisse des Kunden bereits zu kennen, bevor dieser sie kommuniziert. Auch im Bereich der Sicherheit auf Straßen und in Logistik Anlagen verspricht KI deutliche Verbesserungen.

 

Beitragsbild-Quelle: Pixabay: geralt