Künstliche Intelligenz KI verändert Logistikprozesse

Anbieter zum Thema

leogistics GmbH

Malorg Consulting GmbH

Körber Supply Chain Software GmbH

Körber AG Management-Holding

Die Bundesvereinigung Logistik (BVL) hat schon 2017 auf ihrem Deutschen Logistikkongress (DLK) die künstliche Intelligenz (KI) als einen Treiber von Logistikprozessen ausgemacht. Wo stehen wir heute, knapp sechs Jahre später? Diese und andere Fragen haben wir Dr. Kerstin Höfle gestellt. Sie ist VP R&D and Product Management des Geschäftsfelds Supply Chain bei der Hamburger Körber AG. Höfle hatte die Session „Quo vadis, KI?“ auf dem letzten DLK moderiert.

Als die IT vor rund 60 Jahren in den Büros eingeführt wurde, hatten die Menschen die Befürchtung, dass sie bald nichts mehr zu tun haben. Heute gibt es nicht einmal genug IT-Experten auf der Welt. Auch für künstliche Intelligenz (KI) hat es 15 bis 20 Jahre bis zur jetzigen Akzeptanz gedauert. Grundvoraussetzung für den erfolgreichen KI-Einsatz ist natürlich, dass man über die richtigen Daten in einer hohen Qualität verfügt. Und auch entsprechendes Expertenwissen ist in diesem Zusammenhang nicht zu unterschätzen. Dazu haben wir mit Frau Dr. Kerstin Höfle von Körber gesprochen. Ihr Schwerpunkt und die ihres Logistikteams dort sind beispielsweise die Erweiterung von Automatisierungsprozessen sowie der Wissensaufbau und die Implementierung neuer, Robotik-basierter Technologien. Ihr Kernthema bleibt aber „Innovation“ – sei es mit Blick auf den Markt und neue technologische Entwicklungen, aber auch intern, wo sie und ihr Team neue Ideen fördern und vorantreiben.

Frau Dr. Höfle, künstliche Intelligenz hat sich inzwischen in unser aller Alltag geschlichen – Stichwort Smartphone. Auch in die Logistik? Und wenn ja: wie tief?

Dr. Kerstin Höfle: Ganz klar, ja! KI ist auch in der Logistik angekommen. Auf dem letzten BVL-Kongress durfte ich eine spannende Diskussion moderieren zum Thema „Quo vadis, KI?: Vision versus Wirklichkeit – ein Realitätscheck“, bei der wir genau Ihren Gedanken aufgegriffen haben: Wo stehen wir eigentlich heute? Konkrete Use Cases, die vorgestellt wurden, gingen dabei vor allem um Optimierungen und Vorhersagen, sei es von Warenströmungen, sprich die „KI als Disponent“, seien es Ankunftsprognosen, in diesem Falle im Schienengüterverkehr, oder Bedarfsprognosen, um insbesondere bei volatilen Nachfrageverhalten verlässlichere Vorhersagen zu treffen. Natürlich sehen wir KI-basierte Anwendungen in vielen weiteren Prozessen, wie der Optimierung von Maschinen und Anlagen, zum Beispiel im Servicebereich durch prädiktive Wartung. Was wir nicht vergessen dürfen: KI schleicht sich auch in unser aller Arbeitsalltag, sei es die Unterstützung beim Schreiben von E-Mails oder Texten, Übersetzungen, Gestaltungsvorschläge für Präsentationsseiten, aber auch spezielle Anwendungen im Engineering oder der Entwicklung.

Das Sprachverarbeitungsmodell „ChatGPT“ von Open AI bekommt derzeit mächtige Konkurrenz von anderen Big-Tech-Unternehmen. Welche Prozesse entlang der Wertschöpfungskette können KI, Analytics und Machine Learning denn beeinflussen? Denn Lkw fahren kann KI ja noch nicht …

Naja, den Fahrer zumindest ersetzt eine KI noch nicht. Aber auch in den klassischen Bereich des Fahrens, sei es von Lkw oder Pkw, hat die KI bereits heute Einzug gehalten. Autonomes Fahren wird ohne KI nicht möglich sein, sie verarbeitet eine Vielzahl an Daten zu Verkehr, Straßenverläufen, Verkehrsregeln et cetera. Auch die Assistenzsysteme, die wir heute aus unseren Fahrzeugen kennen, sind größtenteils KI-basiert. Grundsätzlich gehe ich davon aus, dass KI sämtliche Prozesse entlang der Wertschöpfungskette beeinflussen kann. Mittlerweile fallen doch fast überall Daten an und dort, wo Daten fehlen, können sie mithilfe entsprechender Sensoren erhoben werden. Meines Erachtens wird sich vielmehr die Frage stellen, wo es Sinn macht und auch wirtschaftlich ist, Prozesse mithilfe von KI zu optimieren. Die Verarbeitung von Daten kostet Speicher- und Serverkapazitäten und auch die Entwicklung entsprechender Applikationen kann mit erheblichen Investitionen verbunden sein.

Wie schätzen Sie den Aufklärungsbedarf hinsichtlich KI als einer Teildisziplin der Informatik bei den Logistikverantwortlichen ein? Gibt es Ängste?

Ich glaube, hier brauchen wir gar nicht zwischen Logistikverantwortlichen und Fach- sowie Führungskräften anderer Disziplinen zu unterscheiden. Ich schätze den Aufklärungsbedarf als sehr hoch ein, insbesondere seit dem Vormarsch generativer KI, also von Modellen wie „ChatGPT“ von Open AI. Aufklärung muss dabei von verschiedenen Blickwinkeln her geschehen und unterschiedlichste Thematiken rund um die KI adressieren und ebenso der Technologie gegenüber unterschiedlich eingestellte Menschen. Sicherlich gibt es Ängste und Bedenkenträger – wie es sie bei der Einführung oder dem Vormarsch sämtlicher neuen Technologien gab und gibt. Hier gilt es vor allem, Aufklärungsarbeit zu leisten. Was kann KI, wo macht ein Einsatz Sinn, wo stößt KI an ihre Grenzen? Wobei die Grenzen in den letzten Monaten enorm ausgedehnt wurden. Die generativen KI können weitaus mehr, als wir es bis dato aus unserem Alltag und Berufsleben gewohnt sind.

Die Geschwindigkeit ist rasant. Fünf Tage hat „ChatGPT“ zur Einführung 2022 gebraucht, um die 1-Millionen-Nutzer-Grenze zu knacken – im Vergleich dazu hat es bei Netflix bei einem Markteintritt 1999 dreieinhalb Jahre gedauert, bei Spotify mit einem Markteintritt 2008 sieben Monate. Nach zwei Monaten waren die 100 Millionen Nutzer geknackt. Ich mag gar keine aktuellen Nutzerzahlen zitieren, denn beim Erscheinen unseres Gesprächs wird diese Zahl bei Weitem überholt sein. Was bedeutet das aber? KI ist in der Gesellschaft angekommen, aber wie genau sie funktioniert, wird selbst für Experten immer schwieriger nachzuvollziehen. In Bezug auf die jüngsten Entwicklungen bleiben viele Fragen noch unbeantwortet, Risiken abzuwägen. Sind die Aussagen von generativer KI verlässlich? Werden mit generiertem Output, sei es zum Beispiel Text oder Bilder, Copyrights verletzt?

Ebenso wichtig ist die Aufklärung über den richtigen Umgang mit KI und den zahlreichen Tools und Applikationen, von denen aktuell tagtäglich zahlreiche auf dem Markt erscheinen. Einerseits ist die Frage nach der Validität der Ergebnisse zu beachten. Auf der anderen Seite lässt sich vermehrt beobachten, dass sensible Unternehmens- oder personenbezogene Daten geteilt werden. Gerade in Unternehmen, sei es in der Logistik oder anderswo, sollte daher für den bewussten Umgang mit solchen Applikationen sensibilisiert werden. Ich persönlich bin dabei gegen strikte Verbote, sondern für Aufklärung. Gerade in Europa, und damit auch in Deutschland, müssen wir uns davor bewahren, Dinge zu überregulieren und damit Innovation zu verhindern. KI ist eine Entwicklung, vor der wir nicht die Augen verschließen dürfen. Wir müssen lernen, sie zu verstehen, zu bewerten und richtig einzusetzen – Vorreiter werden und uns nicht von weniger regulierten Märkten abhängen lassen.

Wo, ganz konkret, kommt KI tatsächlich schon erfolgreich zum Einsatz? Was ist ihr zusätzlicher Nutzen?

Wie eingangs beschrieben, sehen wir heute bereits viele Applikationen in der Logistik, gerade bei Prognosen und Optimierungen. Das ist ein Bereich, in dem auch Körber aktiv ist, gerade für die optimierte Nutzung unserer Maschinen im Lager. Eine Applikation aus unserem Digitalportfolio ist das sogenannte „Operator Eye“. Wie der Name andeutet, unterstützt diese Anwendung den Maschinenführer unseres Layer Pickers, eines Lagenpalettierers. Kamerasysteme nehmen Fotos und Videos vom automatischen Depalletiervorgang auf, die durch eine KI analysiert werden. Häufig lösen überhängende Plastikfolien Sensoren aus, was zu einem Stopp der Maschinen führt. In der Vergangenheit musste der Maschinenführer die Anlage betreten und prüfen, was genau den Stopp ausgelöst hat, und die Anlage dann manuell wieder in Gang setzen. Die KI kann das automatisch, die Zeit für die Fehlerbehebung reduziert sich pro Vorgang von durchschnittlich zwei Minuten auf drei Sekunden. Und das ist nur ein konkretes Anwendungsbeispiel. Durch die Kamera-basiere Datensammlung können wir weitere Prozessschritte optimieren und zusätzlichen Mehrwert schaffen. Auch arbeiten wir daran, die Technologie auf weitere Maschinen aus unserem Portfolio zu übertragen.

KI-Vorhersagen sind ja in erster Linie wichtig für den Handel mit seinen auf das Einzelstück bezogen homöopathischen Gewinnmargen. Wie ist das in der Industrie?

Insbesondere Nachfrageprognosen sind in allen Wirtschaftszweigen relevant, um beispielsweise die Produktionsplanung zu optimieren. Auch Verkehrsströme können durch Verkehrs- und Ankunftsprognosen optimiert werden oder der Betrieb von Maschinen, wie im beschriebenen Depalletier-Use-Case. Wie gesagt, das Potenzial sehe ich entlang der gesamten Wertschöpfungskette, unabhängig ob Industrie oder Handel.

KI hat inzwischen zu hören gelernt, sie hat zu sehen und zu übersetzen gelernt – und malen kann sie auch schon. Wann lernt sie das Denken? Und wollen wir das überhaupt?

Um diese Frage ganz genau zu beantworten, müssten wir vermutlich eine wissenschaftlich-philosophische Diskussion darüber führen, was genau „Denken“ eigentlich bedeutet. Auch wenn es verschiedene Definitionen von KI gibt, haben die meisten doch gemeinsam, dass sie KI die Fähigkeit zusprechen, „menschliche Fähigkeiten wie logisches Denken zu imitieren“. Aktuelle Diskussionen drehen sich bereits um die Frage, ob KI ein Bewusstsein entwickelt, was aus meiner Sicht noch einen Schritt weitergeht. Diese Fragen eindeutig zu beantworten, fällt auch mir schwer. Genauso sehe ich den Diskurs um Wollen oder Nicht-Wollen. Unabhängig davon werden wir die Entwicklungen nicht bremsen können. Umso wichtiger wird also der Punkt Aufklärung und sinnvoller, zum Teil regulierter, aber nicht überregulierter Einsatz der Technologie dort, wo sie Sinn macht und wertstiftend ist.

Der letztendliche Zweck der KI, wenigstens in der Logistik, kann ja immer nur sein, dass Kundenbedürfnisse möglichst zufriedenstellend befriedigt werden. Hier sind besonders die richtige Bedarfsplanung und die Bestandsplanung zu nennen. Zählen dabei das „Bauchgefühl“ erfahrener Einkäufer, Disponenten und Warehouse Manager und deren Routineentscheidungen bald nichts mehr?

Das ist sicherlich eine Befürchtung, die manch ein Stelleninhaber mit sich tragen mag. Bereits in der Vergangenheit wurden Bedarfsprognosen durch statistische Modelle unterstützt, KI-basierte Modelle ermöglichen nun eine noch bessere Planungsgenauigkeit. Das wird sicherlich die Arbeit erfahrener Einkäufer oder Disponenten verändern, diese aber nicht ersetzen. Zum einen basieren die Ergebnisse KI-gestützter Modelle auf Vergangenheitsdaten. Was aber ist in Ausnahmesituationen wie in den vergangenen Jahren, sei es die Coronapandemie oder die Störungen in globalen Lieferketten? Auch KI-basierte Analysen müssen validiert werden, außerdem müssen die Systeme aufgesetzt und gepflegt werden. Kurzum: Das Handwerkszeug eines Einkäufers oder Disponenten wird sich verändern – wie auch für viele andere Berufsbilder. Eine entsprechende Ausbildung wird ein kritischer Erfolgsfaktor zukünftiger Generationen sein.

Supply Chains unterschiedlicher Branchen haben naturgemäß unterschiedliche Charakteristika. Inwieweit lassen sich KI-Modelle darauf trainieren? Wie gut kann die KI auf Standardabweichungen reagieren?

Sie bringen es bereits auf den Punkt: KI-Modelle lassen sich trainieren. Und wenn die unterschiedlichen Charakteristika über entsprechende Daten abgebildet sind, lassen sich damit die KI-Modelle trainieren. Datenverfügbarkeit und -qualität sind dabei entscheidende Erfolgskriterien. Was die Reaktion auf Standardabweichungen betrifft, sprich: die Abweichung in einem erwarteten Bereich liegt und das Modell mit ausreichenden Trainingsdaten trainiert wurde, kann das KI-Modell sicherlich eine angemessene Reaktion oder erwartete Ergebnisse zeigen. Bei großen Abweichungen oder unvorhergesehenen Ereignissen kann die KI weniger gut reagieren, menschliche Expertise und Einschätzung bleiben entscheidend.

Wie steht es um die Akzeptanz von Roll-outs einer KI bei den Mitarbeiterinnen und Mitarbeitern? Gibt es Ängste (um den eigenen Arbeitsplatz oder im Umgang mit der Software)?

Wie bei der Einführung aller neuen Technologien, und sei es nur neu für einen Einzelnen, ist Information, Transparenz und Aufklärung absolut zwingend. Selbst bei der Einführung klassischer Lagerautomatisierungstechnologien, wie sie seit Jahren auf dem Markt Standard sind, können wir auch heute noch Ängste beobachten. Ein begleitender Change-Prozess beim Roll-out ist daher grundsätzlich enorm wichtig. Ich denke, in Bezug auf KI und die jüngsten Entwicklungen stehen wir vor besonders großen Herausforderungen. Das Tempo ist enorm hoch, die Technologie ist schwer greifbar. Aber wir alle, und insbesondere Führungskräfte, müssen uns diesen Herausforderungen stellen und proaktiv nach Lösungsansätzen suchen, gemeinsam mit Mitarbeiterinnen und Mitarbeitern. Welche Fortbildungsmaßnahmen sind notwendig? Welche kulturellen Bedingungen müssen geschaffen werden, damit Mensch und KI im Einklang als Kollegen arbeiten? Wie stellen wir sicher, dass sich unsere Mitarbeiterinnen und Mitarbeiter auch weiterhin mit ihrer Arbeit identifizieren? Wichtig dabei sind aus meiner Sicht vor allem eine transparente und offene Kommunikation sowie frühzeitige Einbindung aller. Auch bin ich ganz klar gegen Verbote, sondern für sinnvolle Regulierung.

Wie treiben KI-Lösungen und -Entscheidungen das automatische Lagermanagement voran?

Sämtliche Prozesse der Wertschöpfungskette und somit auch des automatischen Lagermanagements werden von KI profitieren. Sei es in der Optimierung einzelner Maschinen, aber auch des gesamten Lagerverwaltungsmanagements oder der Steuerung innerbetrieblicher Materialflüsse. Gerade in automatisierten Lagern haben wir so viele verschiedene Datenquellen. Hier stellt sich eher die Frage, wo genau angesetzt werden soll. Wo führt der Einsatz beziehungsweise die Entwicklung KI-gestützter Anwendungen tatsächlich zu einem Mehrwert? Es ist wichtig, entsprechende Expertise im Unternehmen aufzubauen – Stellenprofile verändern sich. Letztendlich müssen wir die Prozesse identifizieren, wo wir KI einsetzen wollen. Und dann geht die Arbeit erst richtig los.

Hat das Modell des Zentrallagers ausgedient in Zeiten, in denen die Konsumenten eine Lieferung am nächsten Tag erwarten?

Ich denke nicht. Ob Zentrallager oder nicht, hängt stark vom gesamten Logistikkonzept eines Unternehmens ab. Aber durch KI-Modelle können wir enorm große Datenmengen und somit verschiedenste Parameter analysieren und optimieren. Nehmen wir den Onlinehandel. Die meisten von uns hinterlassen so viele „Spuren“ im Netz, dass Prognosen möglich sind, was als nächstes bestellt wird. Daraufhin können Lagerbestände des Händlers verbessert oder, kombiniert mit Verkehrsdaten, die Zustellung optimiert werden. Und das sind nur einige von vielen Parametern, die in solch eine Analyse eingebunden werden können.

Darauf basierend lassen sich auch ganze Logistikkonzepte optimieren. Dazu kommen natürlich weitere Parameter wie Standortfaktoren, Kosten, Arbeitskräfteverfügbarkeit, alles mit der Zielsetzung einer termingerechten Belieferung des Kunden. Termintreue wird meines Erachtens sogar einen höheren Stellenwert bekommen als die Zustellung am nächsten Tag. Denn ich als Konsument möchte mich auf den Liefertermin einstellen. Na klar, manche Dinge hätte ich am liebsten sofort, aber Lebensmittel oder andere private Gebrauchsmittel kann ich auch mit entsprechendem Vorlauf bestellen, sofern sie dann termingetreu geliefert werden.

Wer und was treibt die Innovationen in der Logistik derzeit eigentlich voran – die Endkonsumenten oder die Unternehmen?

Dieser Frage könnten wir einen eigenen Beitrag widmen. Grundsätzlich geht es darum, wie Sie auch schon in einer ihrer Fragen beschrieben haben, Kundenbedürfnisse zu befriedigen. Sprich: Viele neue Lösungen werden auf Basis von Kundenanforderungen und -herausforderungen entwickelt. Diese Innovationen werden auch in unserem Hause oftmals in einem ausgewogenen Zusammenspiel mit unseren Kunden getrieben und teilweise auch gemeinsam entwickelt. Inwiefern man gleich von Innovation, Weiterentwicklung oder Produktverbesserung spricht, das liegt im Auge des Betrachters. Ich beziehe mich immer gerne auf das bekannte Zitat von Henry Ford: „If I had asked people what they wanted, they would have said faster horses.“ Zumindest disruptive Innovationen, wirkliche Neuerungen, treiben aus meiner Sicht eher die Unternehmen.

Finden die Innovationen nur noch auf der datengetriebenen Softwareebene oder auch im Hardwarebereich statt?

Aus meiner Sicht finden ein Großteil der „wirklichen“ Innovationen auf der Softwareebene statt. Das sehen wir in vielen Bereichen, sei es im Privaten – Stichwort Smart Home – oder in der Wirtschaft und auch der Logistik. Natürlich sehen wir auch Verbesserungen und Neuerungen im Hardwarebereich, ich betrachte die meisten jedoch als eher inkrementell. Spürbarer Mehrwert wird aktuell primär durch datengetriebene Innovationen generiert, allerdings mit einem starken Bezug zur Hardware. Wir nutzen neue Software und natürlich auch KI-basierte Applikationen, um unsere Hardware beziehungsweise Prozesse, in denen sie eingesetzt wird, zu verbessern. Auch das genannte Beispiel aus unserem Geschäftsfeld, das Operator Eye, ist – um es in meinen Worten kurzzufassen – ein digitales Add-on für Hardwareprodukte. Letztendlich kommt es aber auf die Gesamtlösung an und das ist heutzutage meist ein Zusammenspiel von Hard- und Software.

Welche Rolle spielen bei diesen Entwicklungen Nachhaltigkeit und Energieeinsparungen?

Nachhaltigkeit spielt aktuell in allen Wirtschaftszweigen eine bedeutende Rolle, und das natürlich genauso in der Logistik. Energieeinsparungen sind dabei ein Aspekt, der natürlich auch bei Software-basierten Lösungen von hoher Relevanz ist. Kommen wir zurück zur Optimierung von Maschinen oder gar ganzen Anlagen: Auch hier ermöglichen Software-basierte Lösungen bereits heute einen energieoptimierten Anlagenbetrieb. Abgestimmt auf die aktuelle Auftragslage, muss eine Anlage beispielsweise nicht immer unter Volllast gefahren werden.

Last, not least, Frau Dr. Höfle: Was halten Sie von solchen Aussagen wie der von Elon Musk, der kürzlich ein Moratorium für KI gefordert hat, nur um seine Warnung wenige Monate später wieder zu kassieren und selbst massiv in dieses Feld zu investieren?

Nicht viel. Insbesondere wenn vermutlich wirtschaftliche Eigeninteressen dahinterstecken. Ich glaube auch nicht, dass sich solch ein Moratorium in kürzester Zeit auf globaler Ebene durchsetzen ließe. Die Entwicklungen im Bereich generative KI werden weitergehen. Aber natürlich gibt es, wie bei jeder neuen Technologie, neben vielen Chancen auch Risiken, Herausforderungen und Ängste. Diese müssen auf globaler Ebene adressiert und wohl auch entsprechend reguliert werden. Das ermöglicht die richtige Balance zwischen Innovation und Sicherheit. (bm)

Vielen herzlichen Dank für Ihre interessanten Einblicke, liebe Frau Dr. Höfle!

(ID:48735283)