Logistikunternehmen stehen vor einer Fülle einschneidender Veränderungen – künstliche Intelligenz (KI) und branchenübergreifende Plattformen sind die maßgeblichen Antriebsfaktoren.

Die Digitalisierung und das Auftreten neuer Akteure wie Jodel, Whistl und Radial haben zur Umgestaltung des Logistik- und Transportmarktes beigetragen. Für die neuen Player ist es einfach sich fortschrittliche Technologien wie Augmented Intelligence, Automatisierung und robotergestützte Prozessautomatisierung (RPA) zu erschließen. Alteingesessene Logistikunternehmen jedoch laufen angesichts veralteter IT-Systeme und komplexer Prozesse Gefahr, den Anschluss zu verpassen.

KI und maschinelles Lernen (ML) können eine wichtige Rolle bei der Optimierung automatisierter Lagersysteme für die Produktauffüllung spielen. Auf diese Weise lassen sich kostspielige Überbestände oder Fehlbestände vermeiden, die zu Umsatzeinbußen führen. Aber wo kann die Logistikbranche KI sonst noch einsetzen?

Hier sind einige Beispiele:

  • Prädiktive Logistik und Big Data könnten genaue Vorhersagen des Nachfragevolumens basierend auf Kundenverhalten, Wettervorhersagen und Produkttrends liefern.
  • Maschinelles Sehen (Computer Vision) ermöglicht es Computern, in Verbindung mit kontextbezogener KI und ML zu sehen, digitale Bilder zu analysieren und damit laserbasierte Barcode-Scanner zu übertreffen. Dies ließe sich zur Unterstützung von Anwendungen für Inspektions- und Wartungsprobleme nutzen, bei denen algorithmische Regeln weniger präzise sind – beispielsweise mechanische Inspektionen, Materialsortierung und -transport oder das Aufspüren von zufälligen kosmetischen Mängeln.
  • Das Internet der Dinge (Internet of Things, IoT) wird eine Schlüsselrolle spielen und kritische Daten in KI-basierte Systeme einspeisen, um Ausfallzeiten zu reduzieren und die Überwachung und Rückverfolgbarkeit der Lieferkette zu verbessern.
  • KI-basierte Kundenerfahrungen durch sprachgesteuerte KI-Schnittstellen (z. B. Amazon Alexa oder Google Home) werden zur Weiterentwicklung und Verbreitung von Raum- und Ressourcen-Sharing-Plattformen für die On-Demand-Lagerung, -Abholung und -Zustellung beitragen und gleichzeitig Kommunikationskomplexitäten eliminieren.

Einige Unternehmen konzentrieren sich auf Projekte, die durch die Migration kritischer Arbeitslasten in die Cloud den Wert vorhandener Assets freisetzen. KI und ML können ungenutzte Daten in Erkenntnisse umwandeln, um die Markteinführungszeit zu verkürzen, neue Lösungen zu entwickeln, Ausfallzeiten zu reduzieren und die Erfahrung und Sicherheit von Kunden sowie Mitarbeitern zu verbessern.

Dies war auch das Ziel der DB Cargo (Teil des Deutsche Bahn-Konzerns). Die DB Cargo hat ein neues Frachtmanagementsystem eingeführt, um die Logistik und den Datenaustausch mit den IT-, Telematik- und Prozessleitsystemen der Geschäftspartner zu vereinfachen.

Im Einzelhandel hat Ocado, der Online-Supermarkt-Gigant, für seine logistischen Prozesse in KI, ML, Big Data, Simulationstechnologie und Cloud-Plattformen investiert. Die durchgängige Ocado Smart Platform (OSP) deckt alles ab; von automatisierten Lagersystemen bis hin zur Bestellung und Lieferung. Darüber hinaus kann die OSP über eine KI/ML-gestützte E-Commerce-, Logistik- und Fulfilment-Plattform die Kundennachfrage vorhersagen und so sicherstellen, dass nicht zu viele Lebensmittel eingelagert und verschwendet werden.

Platform Sharing (z. B. Trucksonthemap oder Uber Freight) ermöglicht die gemeinsame Nutzung von Logistik- und Transportkapazitäten über digitale Plattformen. Diese Sharing-Plattformen bieten Services wie Echtzeit-Dateneinblicke und -Kommunikation zwischen Verladern, Spediteuren, Anbietern und Kunden, um einen umfassenden Überblick über Ladekapazitäten, Leerlaufzeiten, Verkehrsstörungen, Nachverfolgung, Ineffizienzen, Kosten und Inkasso zu erhalten.

Das Sharing-Modell ist nicht neu. Anfang der 2000er Jahre begann der Wechsel von einem linearen Ansatz zu einem Netzwerkansatz, bei dem die gemeinsame Nutzung von Ressourcen, Software und On-Demand-Verhalten im Mittelpunkt stehen. Heute können Logistikspezialisten durch die Nutzung von Sharing-Geschäftsmodellen zur Verbesserung der Anlagen- und Kapazitätsauslastung beitragen und neue Umsatzchancen schaffen.

Amazon ist vor kurzem ins digitale Frachtvermittlungsgeschäft eingestiegen. Dabei setzt das Unternehmen auf sein Versprechen der Lieferung am gleichen Tag oder innerhalb eines Tages und unterbietet die Marktpreise um 26 bis 33 Prozent. Diese neue Sharing-Plattform für Ladekapazitäten ist für Transporteure gedacht, die die Amazontarife für volle Lkw-Trockenfracht-Ladungen nutzen wollen. Amazon kann so Kosten in Erlöse und in Möglichkeiten für Skalierung und Innovation umwandeln.

Sharing-Plattformen machen über Software-as-a-Service-Anwendungen (SaaS) umfassenden Gebrauch von mobilen Geräten, um Verladern und Spediteuren einen Echtzeitüberblick über die Geschäftsprozesse sowie eine nahtlose, intelligente Abstimmung der jeweiligen Ladung mit den verfügbaren Volumen zu ermöglichen. Darüber hinaus bieten Online-Fahrerbörsen wie Driver Exchange (DX) eine automatisierte Plattform – mit weniger Bürokratie und geringeren Gebühren – für freiberufliche Fahrer.

Wie also können Logistikunternehmen sichergehen, dass sie sich auf der richtigen Seite der Disruption befinden?

  • Binden Sie IT-Teams und das Unternehmen im Allgemeinen frühzeitig in den Einführungsprozess von Augmented Intelligence oder in die Entwicklung einer Sharing-Plattform ein. Stellen Sie sicher, dass das Kernteam engagiert ist und mit den Systemintegratoren zusammenarbeitet.
  • Ziehen Sie cloudbasierte Lösungen wie SaaS in Betracht, um Skalierbarkeit, erhöhte Flexibilität, kürzere Markteinführungszeiten, Kosteneinsparungen und personalisierte Kunden- und Mitarbeitererfahrungen zu ermöglichen.
  • Überwachen Sie die Prozesseffizienz mit einem multimodalen Ansatz. Bevor eine Skalierung erfolgt, sollte in der ersten Phase ein umfassender Plan erstellt, in der zweiten Phase dessen Wirksamkeit bewertet und Bereiche ermittelt werden, in denen Änderungsbedarf besteht.
  • Nutzen Sie das bisher ungenutzte Potenzial maschinell generierter Daten. Neue Softwarefunktionen, IoT und mobile Geräte erzeugen Daten, die sich in verwertbare Erkenntnisse verwandeln lassen.
  • Stellen Sie sicher, dass Sie das Problem genau kennen, bevor Sie KI als Lösung in Betracht ziehen. Überlegen Sie während des gesamten Projekts, wie das KI-Modell mit dem umfassenderen Service verbunden sein soll, bewerten Sie die Datengenauigkeit und die Art und Weise, wie die Daten gesammelt wurden, und berücksichtigen Sie die Einhaltung gesetzlicher Auflagen.