LOGISTIK express 5/2021 | S56 jetzt zur weiten Verbreitung. Zweifelsohne, der umfangreiche Einsatz von künstlicher Intelligenz in der Logistik steckt noch in der Entwicklung und wird erst in den nächsten Jahren das volle Potenzial ausschöpfen können. Bis heute haben sich, und das nicht grundlos – jedoch schon einige Möglichkeiten der Anwendungen etabliert. Fallbeispiel: Konsumabsichten durch KI vorausschauend planen So ist es beispielsweise möglich, Vorhersagen über Konsumabsichten von Endkunden zu machen. Werden Daten aus Verkaufsstatistiken und/oder sozialen Netzwerken mit in die Planung einbezogen, können etwa Über- oder gar Fehlbestände in der Lagerhaltung vermieden und letzten Endes Kosten eingespart werden. Fallbeispiel: Lagerhaltung flexibel anpassen dank KI Auch die Lagerhaltung bei größeren Unternehmen ist mittlerweile automatisiert und KI-gestützt, indem zu den typischen Aufgaben auf Veränderungen reagiert wird und die folgenden Abläufe flexibel angepasst werden. So erkennt die Technik etwa Ware, welche häufig ein- und ausgelagert wird und platziert diese näher am Beginn eines Regals und spart dadurch Wege und wertvolle Zeit ein. Des Weiteren können beispielsweise Korrelationen in Daten gefunden werden, welche die Qualität von Produkten oder Dienstleistungen betrifft. Die daraus neu abgeleiteten Metriken können dann zu einer weiteren Qualitäts- bzw. Serviceverbesserung führen. Vereinfacht gesagt: Wer hätte vor zwei Jahren gedacht, dass ausgerechnet die Arbeit im Homeoffice die Zahl der Krankmeldungen reduzieren würde. Eine KI, wäre sie mit den entsprechenden Daten trainiert worden, hätte dies voraussehen können. Fallbeispiel: LKW-Zulauf und Wartungen KI-gestützt optimieren Weit verbreitet sind ebenfalls Systeme, die die voraussichtliche Ankunftszeit durch Beobachtung von Telemetriedaten eines Fahrzeugs an einem bestimmten Zielort vorhersagen. Diese Daten werden zur vorausschauenden Wartung genutzt. Reparaturen erledigt man doch besser, bevor ein Schaden entsteht. Das senkt die Wartungskosten, macht Wartungszeiten planbar und erhöht die Ausfallsicherheit. Fallbeispiel: Auslastung der Lagertore durch Objekterkennung vorausschauend planen Die weiter oben erwähnte Deep-Learning-Technologie, also die visuelle KI, kann zur Objekterkennung eingesetzt werden. Dies ermöglicht beispielsweise einen vollautomatisierten Wareneingang, ohne dass es Baroder QR-Codes benötigt. Produkte, Abmessungen, Gewicht oder beschädigte Kartons sind mit dieser Technik identifizier-, mess- und zählbar geworden. Eine weitere Möglichkeit ist, Ladetore wie bei einem Kunden von leogistics von einer Kamera überwachen zu lassen. Die Objekterkennung identifiziert, welches Tor frei bzw. besetzt ist und ermöglicht auch hier eine bessere Planbarkeit und Auslastung der Tore. Ein Blick in die Zukunft – Science Fiction oder Realität? In den nächsten Jahren wird die Logistik sicherlich von Datenbrillen unterstützt. Es werden zunehmend Waren von autonomen Fahrzeugen in den Lagern bewegt. Inventuren könnten autonome Drohnen übernehmen. Bis allerdings die Lieferroboter die Produkte zum Endkunden an die Haustür bringen, ist es noch ein weiter Weg. Aber die Anfänge sind gemacht! Denn es gilt: Jeder Schritt in Richtung „Maschinen verdienen für uns (die Gesellschaft) das Geld“ – und sei er noch so klein – ist ein Schritt in die richtige Richtung. Wer erst einmal verstanden, dass lernende Systeme mit den Eingangsdaten und den gewünschten Antworten erstellt werden und sich daraus die Regeln zur Datenverarbeitung ergeben, ist in der Lage, seine Logistikprozesse zu optimieren, wenn nicht sogar zu revolutionieren! Es lohnt sich also, sich mit KI näher zu befassen, neue Technologien einzusetzen und damit auch signifikant Geld zu sparen. (RED)
