LOGISTIK express 1/2020 | S22 E-Commerce-Konzerne investieren Milliarden. Maschinelles Lernen revolutioniert Supply Chains in China Das Land der Mitte investiert massiv in Artificial Intelligence (AI) und Maschinelles Lernen. Bis 2030 will die chinesische Regierung weltweit der führende Akteur im Bereich AI mit der Entwicklung einer Billion-Dollar-Industrie werden und unterstützt dabei die bedeutensten Technologie-Konzerne des Landes Baidu, Alibaba und Tencent. REDAKTION: DIRK RUPPIK Foto: algorithm DIRK RUPPIK JOURNALIST LOGISTIK EXPRESS Computerprogramme die auf Machine Learning basieren nutzen Algorithmen, mit denen sich bestimmte Muster in großen Datenmengen herausfinden lassen. Im Falle von Supply Chain-Daten suchen die Algorithmen nach den einflussreichsten Faktoren in Bezug auf die effizienteste Lösung für die vorliegende Versorgungskette. Entscheidend ist, dass sich die Algorithmen ständig durch Hinzulernen verbessern. Deep Learning (tiefes Lernen, mehrschichtiges Lernen) ist ein Teilbereich des Maschinellen Lernens, in dem mehrschichtige künstliche neuronale Netzwerke zu Lernzwecken verwendet werden. Deep Learning hat viele Implementierungen gefunden, wie z. B. die Spracherkennung und Amazon-Kaufempfehlungen. Die amerikanische Forschungs- und Beraterfirma Gartner sieht neben Blockchain, Künstlicher Intelligenz, Internet der Dinge (IdD), Digitaler Zwilling, Advanced Analytics auch Maschinelles Lernen als neuartige Technologien, die die Supply Chain entscheiden verändern werden. Einsatzmöglichkeiten Maschinellem Lernen Die Einführung von Maschinellem Lernen in ihre Versorgungsketten wird für Unternehmen zunehmend wettbewerbsentscheidend.
Fotos: Pixabay Es kann zudem genutzt werden, Probleme in der Supply Chain zu entdecken, bevor Betriebsabläufe gestört werden. Wenn die richtigen Algorithmen genutzt werden, sind die Einsatzmöglichkeiten nahezu unbegrenzt. Maschinelles Lernen kann z. B. für die Voraussage des künftigen Bedarfs für die Fertigung eines Produkts genutzt werden. Weiterhin ist es möglich, durch Erkennen von Synergien innerhalb mehrerer Versandnetzwerke die Frachtkosten zu senken, die Performanz von Zulieferern zu verbessern sowie allgemein das wirtschaftliche Risiko zu mindern. Beim Supply Chain Management kann ein Mangel an Synchronisation oder der Ausfall einer Instanz die gesamte Versorgungskette unterbrechen und zu einem gewaltigen finanziellen Schaden führen. Durch die Verbindung verschiedener algorithmischer Ansätze wie dem überwachten Lernen, unüberwachten Lernen und dem verstärktem Lernen können die Faktoren gefunden werden, die die Versorgungskette am meisten beeinflussen. Somit ist es möglich, entsprechende Vorkehrungen zur Sicherung oder redundanten Auslegung zu treffen. Weitere Anwendungen des Machine Learning finden sich in der Qualitätskontrolle, Schadenserkennung, Senken der Bestände und Betriebskosten, Voraussage der Nachfrage nach einem neuen Produkt, Verlängern der Lebensspanne von Maschinen, Fahrzeugen und Anlagen, etc.. Durch die Kombination von Machinellem Lernen mit Advanced Analytics, IdD-Sensoren und Echtzeit-Überwachung kann die komplette Versorgungskette visuell in Echtzeit dargestellt werden. Chinesische Unternehmen liegen an der Spitze Der chinesische E-Commerce-Konzern JD investiert zunehmend in die Einführung der erwähnten Technologien in sein Supply Chain-Netzwerk. Bisher werden sie in der Entwicklung von intelligenten Fuhrparks, Paketverfolgung, Transport, in unbemannten Lagerhäusern, Liefer-Drohnen sowie autonomen Fahrzeugen eingesetzt. „Die Supply Chain-Technologie hat große Bedeutung für JD. Die Integration von Maschinellem Lernen mit Tiefem Lernen wird große Innovationen hervorbringen“, sagte Zhai Songtao, Leiter von JD Supply Chain-Produkte bei JD-Y smart supply chain. Das Unternehmen etablierte die Y-Firmensparte bereits im November 2016 mit dem Ziel „intelligente“ Supply Chains zu entwickeln. Dabei arbeitet JD auch mit Firmen wie Procter & Gamble und dem bedeutensten chinesischen Milchprodukte-Hersteller China Mengniu Dairy Co Ltd zusammen. Das E-Commerce-Unternehmen will seinen Plattform-Verkäufern den Zugang zu „Big Data“ ermöglichen, damit diese bessere Entscheidungen treffen können.
