{{{sourceTextContent.title}}}

Wie KI Lieferketten nachhaltiger gestalten kann

{{{sourceTextContent.subTitle}}}

Robert Boute, Professor für Operations & Supply Chain Management an der Vlerick Business School, und Joren Gijsbrechts, Doktorand am Forschungszentrum für Operations Management an der KU Leuven, diskutieren, wie KI Lieferketten in die Lage versetzen kann, Nachhaltigkeit zu erreichen.

{{{sourceTextContent.description}}}

Die Art und Weise, wie Unternehmen heute die Logistik organisieren, ist nicht nachhaltig. Lieferketten sind nicht immer die umweltfreundlichsten und es ist unmöglich für Unternehmen, einen Balanceakt der bestmöglichen Geschwindigkeit, Flexibilität, Kosten und CO2-Bilanz aufrechtzuerhalten, wenn es um den Versand und die Lieferung ihrer Waren geht. In einer idealen Welt könnten Unternehmen eine nachhaltige, kostengünstige und effiziente Lieferkette für ihre Produkte haben - dies ist jedoch nicht immer mit den derzeit verfügbaren Versandmethoden möglich.

Neue Technologien wie Big Data Analytics und KI können Unternehmen jedoch dabei unterstützen, einen positiven Wandel herbeizuführen und sicherzustellen, dass ihre Lieferketten so effizient und nachhaltig wie möglich funktionieren. Die Nutzung von KI kann dramatische Auswirkungen auf die Lieferketten haben, indem sie Unternehmen dabei unterstützt, von den schnellsten, billigsten und nachhaltigsten Routen für die Schifffahrt zu profitieren und diese nahtlos zu kombinieren.

Wie können Unternehmen dies also umsetzen? Nun, es konzentriert sich alles auf Organisationen, die in Bezug auf ihre Lieferketten auf eine gemeinsame Wirtschaft umsteigen. Mit Hilfe von KI können Daten und innovative Algorithmen die Nachhaltigkeit und Effizienz von Lieferketten drastisch verbessern, indem sie es Organisationen ermöglichen, zusammenzuarbeiten. Tatsächlich gibt es drei sehr spezifische Bereiche, in denen diese Technologien eingesetzt werden können, um eine intelligente, effiziente Logistikkette zu schaffen.

Kollaborativer Versand

Collaborative Shipping, auch bekannt als Sharing Shipping, bezieht sich auf die gemeinsame Nutzung von Schifffahrt und Transportmethoden zwischen Unternehmen. Dies ist etwas, das wir an der Vlerick Business School und der KU Leuven erforscht haben, indem wir einen Algorithmus entwickelt haben, der Organisationen hilft, Möglichkeiten zur Weitergabe ihrer Schiffsdaten besser zu identifizieren und mit anderen Transportunternehmen zusammenzuarbeiten.

Anhand von GPS-Daten protokolliert dieser Algorithmus die Abhol- und Abladestellen von Transportunternehmen. Das System ist jederzeit über den Zustand der Umwelt informiert, was Versand, Bestände, Transportmittel und Kosten betrifft. Durch die Einbeziehung des Sharing Economy-Aspektes können Unternehmen Details ihrer Lieferkette mit anderen Unternehmen teilen.

Wenn ein Lkw beispielsweise Waren und Dienstleistungen an einen bestimmten Ort liefert, kennt das System durch Eingabe dieser Daten in den Algorithmus die Bestandsmenge im Lkw, wohin er fährt und die Kosten dieser Fahrt. Wenn der LKW zum Beispiel teilweise leer ist, können sich Organisationen, die am gleichen Ort oder an einem anderen Ort unterwegs sind, ihre Lieferungsmethode teilen, um nicht nur Kosten zu senken, sondern auch die Umweltverschmutzung zu reduzieren - so wird ihre Versorgung viel nachhaltiger. Dies könnte auch bei der effektiven Nutzung von LKW-Rückfahrten mit leeren Ladungen der Fall sein. Mit Hilfe des KI-Algorithmus und der dazu eingegebenen Daten können Unternehmen diese leeren Rückläufer identifizieren und für ihre eigenen Lieferzwecke nutzen.

Synchromodalität

Nicht alle Pakete sind gleichermaßen dringend zu verteilen. Tatsächlich haben viele absichtlich lange Lieferzeiten und einige Pakete können sich tatsächlich in ihrer Dringlichkeit ändern, nachdem sie ursprünglich verschickt wurden. Mit Hilfe des physischen Internets können Unternehmen ein Synchromodalitätssystem anpassen, bei dem verschiedene Transportmethoden nachhaltig kombiniert werden und die Dringlichkeit dieser Lieferungen berücksichtigt wird, ohne die Flexibilität des Transports zu beeinträchtigen.

Mit Hilfe eines Echtzeit-Datensystems kann die Transportmethode einer Lieferung angepasst werden, während eine Sendung unterwegs ist, was bedeutet, dass der Algorithmus während des gesamten Transports die kostengünstigste und umweltfreundlichste Lieferkette in Echtzeit auswählen kann, wobei er sich kontinuierlich auf die effizienteste und nachhaltigste Lieferungsmethode umstellen kann

Tiefes Verstärkungslernen

Deep Reinforcement Learning ist ein spezifisches Element des maschinellen Lernens und beinhaltet die Schulung eines Algorithmus, um die bestmöglichen Entscheidungen zu treffen. Dies geschieht durch einen Trial-and-Error-Prozess, bei dem der Roboter durch positive Rückmeldungen über seine Aktionen zur richtigen Entscheidung geführt wird. Indem er den Roboter positiv belohnt, lernt er, seine zufälligen Aktionen einzugrenzen und nur solche zu wiederholen, die ein gutes Ergebnis für die Organisation haben

Unternehmen, die dieses tiefe Verstärkungslernen nutzen, sind in der Lage, KI zu trainieren, um komplexe und positive Entscheidungen in der Lieferkette zu treffen, die eine Reihe von Variablen beinhalten. Auf diese Weise könnte die KI die genaue Anzahl der zu versendenden Produkte, den Zeitpunkt des Versands und das beste Transportmittel bestimmen. Dies könnte auch dazu genutzt werden, intelligente Algorithmen zu trainieren, um Unternehmen dabei zu unterstützen, gemeinsam zu versenden, Synchromodalität zu nutzen und das Inventar einer Organisation intelligent aufzufüllen, indem alle Aspekte der KI miteinander verknüpft werden, um eine möglichst nachhaltige und effiziente Lieferkette für die Organisation zu schaffen.

Die Integration von KI und neuen Technologien in die Lieferketten kommt nicht nur der Organisation zugute, sondern kann auch aus ökologischer Sicht die Umweltverschmutzung und den CO2-Fußabdruck der Organisation verringern, wodurch eine viel nachhaltigere Lieferkette geschaffen wird und ein Unternehmen in die Lage versetzt wird, einen positiven Einfluss auf viele der weltweit drängenden Umweltprobleme auszuüben.