KI Teil 2: KI im Einkauf und Lager

Künstliche Intelligenz – Trend, Chance und Zukunft. KI wird seit ein paar Jahren immer relevanter und immer mehr Unternehmen beschäftigen sich mit der Thematik, werben damit. Doch bleibt KI weiterhin für viele nur ein eher abstrakter Begriff – ein undurchsichtiges Thema mit wenig konkreten Vorstellungen.

In unserer KI Reihe haben wir hierzu im vorhergehenden Beitrag bereits die Grundlagen von KI betrachtet, denn zumindest ein grobes Verständnis für die Thematik ist essenziell. In den fortführenden Beiträgen möchten wir nun auf die verschiedenen Geschäftsbereiche eines Unternehmens eingehen und die jeweiligen Möglichkeiten mit KI verständlich aufzeigen – und vor allem auch die von SAP angebotenen, unterstützenden Möglichkeiten.

Im folgenden Beitrag betrachten wir dabei KI im Einkauf sowie im Lager – und nennen ein paar anschauliche Beispiele.

KI im Einkauf

Ganz klassisch starten wir mit der Einkaufsprognose in den ersten KI-Beispielsfall im Einkauf. Durch meist sehr transparente Daten können Bedarfe aktuell und in der Zukunft ziemlich genau berechnet werden – und entsprechend bestellt werden. Dies kann etwa durch eine KI übernommen werden. Dabei werden sämtliche Variablen einbezogen und es kann eine ziemlich genaue Bedarfsprognose erstellt werden.

Die Ermittlung von Bedarfen für den Einkauf ist so schon länger bekannt: Durch die klassischen MRP Läufe im SAP System oder dem neuen MRP Live werden Bedarfe schnell und effizient ermittelt.

Der Einkaufsprozess verfolgt heutzutage jedoch weit mehr Strategien und zu berücksichtigende Aspekte als vor einigen Jahren. Zwangsläufig entstehen so Konflikte zwischen Zielen, wie etwa Nachhaltigkeit, Risikomanagement und natürlich den Kosten: regionale Produkte sind beispielsweise deutlich nachhaltiger, jedoch sind vergleichbare Produkte aus Fernost maßgeblich günstiger und dabei von ähnlicher Qualität. Dasselbe Problem ergibt sich bei dem Risikomanagement und den Kosten: Bei lediglich einem Zulieferer kann das Einkaufsvolumen auf genau diesen gebündelt werden und entsprechend gute Preise ausgehandelt werden, sollte dieser jedoch mal Probleme bereiten, ist dies mit einem hohen Risiko behaftet, da so schnell auf keinen anderen Zulieferer gewechselt werden kann. Mehrere Zulieferer senken das Risiko, jedoch steigen dabei die Kosten.

All diese Zielsetzungen folglich zu kombinieren, ist hoch komplex. Voraussetzung ist für entsprechende Analysen und Berechnungen vor allem erstmal, dass die Lieferkette digitalisiert und transparent ist. Dann können benötigte Daten gezogen und verarbeitet werden. Helfen kann hier die SAP Entwicklung MALISSA. Das steht für MAchine Learning based Intelligent Supply Strategy Application. Malissa kann durch einen sogenannten “Zieldiamanten” die verschiedenen Ziele eines Unternehmens abbilden und gegeneinander abwägen. Dafür gibt es 12 verschiedene „Einkaufshebel“. Malissa merkt sich dabei die Wirkung jeden Hebels und auch die Erfolge und Misserfolge. Je mehr solcher Hebel definiert und analysiert wurden und je mehr Unternehmen die Technologie einsetzen, desto einfacher wird es für Anwender (auch anderen Unternehmen, denn die Daten werden übergreifend verwertet), die Einkaufsstrategie zu optimieren. Mit Hilfe künstlicher Intelligenz werden so die Maßnahmen, die getroffen werden sollten, um die Ziele zu erreichen, transparent. Technologien wie diese machen somit insgesamt auch deutlich wettbewerbsfähiger.

Laut der SAP können Validierungsworkshop, Roadmap, Implementierung und erste Piloten für definierte Warengruppen innerhalb von drei bis sechs Monaten durchgeführt werden. Die Vollendung für das gesamte Projekt benötigt in der Regel zwischen neun und zwölf Monaten. Ist Malissa dann fertig aufgesetzt, können die Unternehmen selbst ihre Ziele immer wieder individuell anpassen.

KI im Lager

Vom Einkauf kommend möchten wir nun KI im Lager betrachten. Dabei bietet sich ein Beispiel als Überleitung besonders gut an: KI beim Wareneingangsprozess von bestellter Ware. Kommt hier die Ware am Lager an, können etwa über Bilderkennung die Informationen des Lieferscheins erkannt werden und somit zur Bestellung zugeordnet werden. Zusätzlich können optional benötigte, weitere Informationen erkannt werden, etwa auch der Zustand und genaue Größe des Pakets von außen betrachtet oder theoretisch auch eine automatische Qualitätskontrolle. Ist dies überprüft, kann zudem der optimale Lagerplatz nach der eingestellten Lagerplatzfindung vorgenommen werden.

Die KI findet dann folglich vor allem etwa bei der chaotischen Lagerhaltung Anwendung, indem sie durch verschiedenste Faktoren den aktuell besten Lagerplatz ermittelt. Durch Erfolg und Misserfolg kann sich die KI selbst optimieren, oder aber Mitarbeitende im Lager korrigieren getätigte Fehler, sodass die KI daraus lernen kann. Insgesamt wird so über mehrere Iterationen die Fehlerquote immer weiter minimiert und das Personal wird entlastet.

Einige der genannten Grundfunktionen sind so auch schon in den meisten SAP Systemen in der Anwendung. Die „richtige KI“ kommt eben dann wieder ins Spiel, wenn aktive Selbstoptimierung und Lernprozesse stattfinden und tiefergreifende Analysen durchgeführt werden. Oder im ebenfalls ganz klassischen Beispiel, dem autonomen Fahren. Denn auch das wird vor allem in großen Lagerhallen immer häufiger eingesetzt, durch selbstfahrende Lastenträger. Diese können autonom und teilautonom agieren und einfache Inventur-, Kommissionierungs- oder Verteilungsaufgaben übernehmen. Fehlfahrten und Wartezeiten können so reduziert und das Personal entlastet werden.

Auch sonst finden sich um Umfeld des Lagers einige Anwendungsmöglichkeiten für künstliche Intelligenz. Folgende sind ebenfalls denkbar:

• Kapazitätsoptimierungen: präzisere Ermittlung der Bedarfe, Reduzierung der Unter- und Überdeckung, kaum Restbestände, Lagerkostenoptimierung durch komplexe Auswertungsmöglichkeiten der Daten
• Kommissionierung: Über autonom fahrende Lastenträger, aber auch z.B. Pick-by-Vision Systeme mit Augmented Reality, Sprachsteuerung und Bewegungsanalysen
• Transporte: Anbindung des Lagers und des Yard- und Transport Managements, zur Koordination der Ein-, Aus- und Umladearbeiten von Waren an mehreren Orten mit mehreren nötigen Kapazitäten, oder z.B. zur Ladungsbildung und Transportmittelauswahl

Fazit

Künstliche Intelligenz kann in nahezu jedem Prozess Anwendung finden. Es besteht jedoch immer die Frage, an welcher Stelle KI tatsächlich benötigt wird und einen entsprechenden Mehrwert geben kann. Gerade im Einkauf und der Lagerhaltung finden sich enorm viele Daten, verschiedenste Aspekte und Prozesse, die in Verbindung gebracht werden können. Und genau dort bietet sich die KI hervorragend an: in der Erkennung von komplexen Zusammenhängen, die so auf den ersten, zweiten und dritten Blick durch den Menschen gar nicht zu finden sind. Ebenfalls bringt die KI im Zusammenspiel der Prozesse und Aktoren große Vorteile: sie kann dort den Überblick behalten und koordinieren, wo Menschen mit ihren Planungsfähigkeiten ebenfalls an ihre Grenzen stoßen.

Wir hoffen Ihnen einen spannenden, konkreten und verständlichen Einblick in die Möglichkeiten mit KI in Lager und Einkauf vermittelt zu haben. Wenn der Beitrag Ihnen gefallen hat, schauen Sie auch bei unserem nächsten Beitrag der Serie rein: hier werden die Bereiche Produktion und Vertrieb beleuchtet.