Logistik 4.0 Künstliche Intelligenz in der Logistik: Beispiele, Chancen, Gefahren

Hier lernen Sie, was Künstliche Intelligenz ist, wie sie funktioniert und welche Chancen sie für die Logistik und das Supply Chain Management bereithält!

Anbieter zum Thema

IdentPro GmbH

leogistics GmbH

Stöcklin Logistik AG

Sie sorgt für steigende Prozesseffizienzen, liefert präziseste Vorhersagemodelle und ermöglicht eine bislang nie da gewesene Anpassungsfähigkeit an sich verändernde Märkte – kein Wunder, dass im vergangenen Jahr weltweit mehr als 40 Mrd. US-Dollar in den Forschungsbereich Künstliche Intelligenz geflossen sind. Vielen gilt dieser heute als einer der wichtigsten Wachstumstreiber der nächsten Jahre für die Logistik und als der Schlüssel für Wettbewerbsfähigkeit.

Was ist Künstliche Intelligenz (KI)?

Definition von Künstlicher Intelligenz: Der Begriff Künstliche Intelligenz bezeichnet die Fähigkeit von Maschinen, verschiedene Problemstellungen zu interpretieren und eigenständig passende Lösungen zu entwickeln. Anstatt starre Algorithmen abzuarbeiten, verifizieren KI-Maschinen ihre Entscheidungen im Nachgang und bauen so einen fundierten Erfahrungsschatz auf. Mit seiner Hilfe können sie immer bessere Lösungsansätze entwickeln und sogar Vorhersagen treffen.

Eine etwas breiter gefächerte Erklärung für Künstliche Intelligenz liefert die Website Datenbanken verstehen: „Künstliche Intelligenz ist ein Teilgebiet der Informatik. Sie umfasst aber noch wesentlich mehr und wurde durch die Psychologie, Neurowissenschaften, die Philosophie, Kommunikationswissenschaften, die Mathematik und auch durch die Linguistik geprägt.“

Während Fachleute menschliche Intelligenz relativ einfach feststellen können, ist die Frage, ab wann auch eine Maschine als intelligent gilt, deutlich schwieriger zu beantworten. Sie wird seit vielen Jahrzehnten hitzig in der Forschung diskutiert. Ein Messinstrument, das von Wissenschaftlern weltweit anerkannt wird, ist der vom britischen Mathematiker Alan Turing entwickelte Turing-Test. Bis heute hat ihm allerdings noch keine Maschine standgehalten – und das wird wohl auch noch eine Weile so bleiben, wie die Fernsehsendung Planet Wissen berichtet.

In der Wissenschaft spricht man übrigens anstatt von „Künstlicher Intelligenz“ oder „Artificial Intelligence“ lieber von „Deep Learning“ oder „Machine Learning“.

Auf welchen Grundlagen arbeitet Künstliche Intelligenz?

Zum Einsatz und zur Entwicklung von Künstlicher Intelligenz braucht man drei Dinge: eine hohe Rechenleistung, große Datenmengen und intelligente Algorithmen. Weil die Verfügbarkeit dieser Ressourcen in der heutigen Zeit drastisch zunimmt, erlebt die Künstliche Intelligenz momentan einen regelrechten Aufschwung.

• Die Rechenleistung potenziert sich: Noch im Jahr 1995 konnten die stärksten Supercomputer der Welt gerade einmal 100 Mrd. Rechenoperationen pro Sekunde durchführen – heute ist dazu jedes gute Handy im Stande. Auch der Energieverbrauch von Rechnern und die entsprechenden Materialkosten sind im Vergleich zu damals wesentlich geringer. Ein Smartphone braucht heute beispielsweise nur ein 10.000-stel bis ein 100.000-stel der elektrischen Leistung früherer Superrechner.
  
  Und ein Ende dieser Entwicklung ist noch lange nicht in Sicht: Dem renommierten Wissenschaftsjournalisten Ulrich Eberl zufolge ist es wahrscheinlich, dass die Leistungsstärke von Mikrochips bis 2040 noch einmal um den Faktor 1000 zunehmen wird.

• Big Data nimmt richtig Fahrt auf: Durch die zunehmende Vernetzung entlang der Supply Chain werden Sensoren immer kleiner, besser und billiger – von RFID bis hin zur Erschütterungs- und Wärmesensorik. Das sorgt, neben der regelrechten Datenexplosion im Worldwide Web, für die Generierung unvorstellbar großer Datenmengen (Stichwort Big Data). Daneben nimmt auch die Datenverfügbarkeit stetig zu: Während früher oft noch chaotische Datenbanken gepflegt wurden, setzt man heute in vielen Bereichen eher auf die Sortierung über Algorithmen und Technologien wie Blockchain.

• Bessere Algorithmen: Auch die Geschwindigkeit in der Software-Entwicklung nimmt stetig zu. Immer schneller werden immer bessere Algorithmen programmiert, die KI-Anwendungen schließlich zum Arbeiten nutzen können.

Wie funktioniert Künstliche Intelligenz?

Ähnlich wie Menschen besitzen selbst lernende Maschinen ihre Fähigkeiten nicht sofort ab „Fertigstellung“, sondern müssen sie erst nach und nach erlernen (und optimieren). Dabei verfahren sie – so wie wir – nach der Trial-and-Error-Methode.

Die erste Frage, die man mit KI-Algorithmen klären wollte, lautete: „Wie kann eine Software eigenständig lernen, eine Katze auf einem Foto zu erkennen?“ Ein Blick auf die Lösung zu dieser Problemstellung veranschaulicht, wie auf Künstlicher Intelligenz basierende Systeme grundsätzlich aufgebaut sind und wie sie funktionieren:

• 1. Schritt: Die zur Problemlösung eingesetzte Software besteht aus mehreren Modulen. Jedes Einzelne untersucht im Bild eine eigene Variable (etwa den Mund, die Ohren oder die Augen).

• 2. Schritt: Im Laufe des Lernprozesses speist der Anwender mehrere Grafiken in die Software ein. Enthalten sind sowohl Bilder von Katzen als auch andere (Nicht-Katzen-)Fotos.

• 3. Schritt: Jedes Softwaremodul entscheidet individuell, ob die im Bild gescannte Variable einer Katze zuzuordnen ist oder nicht und gibt dementsprechend die Rückmeldung „Ja, es handelt sich um ein Katzenbild“ oder „Nein, es handelt sich nicht um ein Katzenbild“. Beim ersten Foto trifft das System eine reine Zufallsentscheidung.

• 4. Schritt: Nach der Entscheidung ermittelt das Programm mithilfe der Metadaten des Bildes, ob es vom Anwender tatsächlich auch als Katzenbild deklariert wurde. Die Module, die eine falsche Aussage getroffen haben, werden so angepasst, dass sie das Foto künftig richtig identifizieren.

• 5. Schritt: Eine weitere Grafik wird in die Künstliche Intelligenz eingespeist. Die Systemmodule sind nun schon etwas smarter und treffen ihre Aussagen auf Basis ihrer Erfahrungen mit Bild 1.

• 6. Schritt: Wenn die Anwendung auch die zweiten Metadaten untersucht hat, justiert sie wieder alle Module nach, die diesmal mit ihrer Einschätzung falsch lagen. Alle Module können nun sowohl das erste als auch das zweite Foto korrekt beurteilen.

• 7. Schritt: Die Software wird mithilfe von vielen weiteren Bildern nach und nach so verfeinert und angereichert, dass sie immer zuverlässigere Aussagen treffen kann.

Wie Künstliche Intelligenz im Detail aufgebaut ist und warum man in diesem Zusammenhang auch von künstlichen neuronalen Netzwerken spricht, lernen Sie in diesem Video!

Die Qualität von Künstlicher Intelligenz hängt also entscheidend vom Umfang und der Qualität der Trainingsdaten ab. Nur wenn diese Informationen korrekt und vollständig sind, kann die Software richtige Entscheidungen treffen und die Aussagen der einzelnen Module sinnvoll gewichten.

Was passiert, wenn man Künstlicher Intelligenz zum Lernen eine qualitativ schlechte Datenbasis zur Verfügung stellt, musste Microsoft mit seinem Chatbot Tay schmerzhaft erfahren. Er begann schon wenige Stunden nach seinem Start damit, Microsoft-Follower auf Twitter zu beleidigen, den Holocaust zu leugnen und für den Bau der Mauer zwischen den USA und Mexiko zu plädieren. Die Nutzer hatten ihn mit zweifelhaften Informationen „gefüttert“ und der Künstlichen Intelligenz so die Lerngrundlage für seine hetzerischen Aussagen bereitgestellt.

Verglichen mit Menschen lernen Maschinen (erwartungsgemäß) übrigens deutlich schneller: Schon nach drei Wochen beherrschte eine KI-Anwendung der Google-Tochter Deepmind das jahrtausendealte Spiel Go besser als jemals ein Mensch zuvor.

Wo wird Künstliche Intelligenz eingesetzt?

Entscheider sehen Künstliche Intelligenz momentan als eine der wichtigsten Zukunftstechnologien. Laut einer Potenzialanalyse von Hermes greifen in der Logistik- und Transportbranche bereits 20 % aller Unternehmen auf entsprechende Anwendungen zurück. Ein weiteres Drittel plant immerhin, in den nächsten Jahren KI einzusetzen.

DHL-Trendradar

Diese Trends bestimmen die Zukunft der Logistik

• Am häufigsten findet Künstliche Intelligenz im Bereich der robotergesteuerten Prozessautomatisierung Anwendung. So lässt sich beispielsweise die Eingabe von Daten in ERP-Systeme durch Künstliche Intelligenz oder Softwareroboter wesentlich vereinfachen.

• Ebenso gefragt ist KI, wenn es um intelligente Sensorik geht, als etwa um die Echtzeit-Datenerfassung.

• Das wohl am kontroversesten diskutierte Einsatzgebiet von Künstlicher Intelligenz in der Logistik sind aber autonom fahrende Fahrzeuge. Mithilfe selbst lernender Algorithmen können sie ihre Umgebung erkennen, in Echtzeit auf den Straßenverkehr reagieren und effiziente Routen planen. Die Software im Fahrzeug analysiert dabei die geplante Transportstrecke, gleicht sie mit den vorliegenden Verkehrsaufkommen und Staumeldungen ab und gibt dann den schnellsten Weg aus.
  
  Das senkt die Betriebskosten und das Stauaufkommen beträchtlich. Dadurch dass autonome Systeme außerdem 24 Stunden am Tag agieren können, stellen sie eine attraktive Möglichkeit dar, dem Fahrermangel entgegenzuwirken. Gleichzeitig sorgt Künstliche Intelligenz dafür, Leerfahrten zu vermeiden. Das bedeutet: weniger Lkw auf deutschen Straßen, eine sinkende Unfallgefahr, weniger Staus und transparentere Preise.

• Im Sinne von Predictive Maintenance kann Künstliche Intelligenz Maschinenausfälle vorhersagen und Mitarbeitern Anweisungen geben, wie das Problem zu beheben ist. In einem automatischen Kleinteilelager erkennt die Software beispielsweise, dass das Regalbediengerät im laufenden Betrieb bestimmte Parameter (etwa ein Schleifgeräusch) aufweist, die typisch für Maschinen sind, die bald ausfallen. Durch eine frühzeitige Rückmeldung an den Anwender sorgt sie dann dafür, Ausfallzeiten zu verhindern, Kosten zu senken und die Produktivität von Logistikanlagen zu steigern.

• Eine weitere vielversprechende Anwendung von Künstlicher Intelligenz gibt es in der Lagertechnik. KI-Algorithmen geben hier vor, welche Waren in welchen Logistiklagern bevorratet werden sollen. Dabei berücksichtigt die Software das Konsumverhalten von unterschiedlichen Gütern an verschiedenen Orten. So kann sie zum Beispiel feststellen, dass Produkt A eher in ländlichen Gebieten nachfragt wird und in dortigen Logistiklagern vorgehalten werden muss und Produkt B eher in stadtnahen Distributionszentren.

Andere Einsatzgebiete von Künstlicher Intelligenz gibt es momentan übrigens in den Bereichen Verbrechensbekämpfung, Medizin beziehungsweise Gesundheit und Sprachsteuerung.

Gefahren von KI: Ersetzt Künstliche Intelligenz bald den Menschen?

Eine der größten Ängste unter Fach- und Führungskräften im Hinblick auf Künstliche Intelligenz ist, dass sie den Menschen auf kurz oder lang komplett überflüssig machen könnte. Experten wie Evi Hartmann, Professorin für BWL (insbesondere für Supply Chain Management) an der Uni Erlangen-Nürnberg, sind sich aber einig: „Zwar werden einerseits Jobs durch die Technologie wegfallen, andererseits schafft sie aber auch wieder neue Geschäftsmodelle, Services, Produkte, Branchen und Berufsbilder. Wenn sich zum Beispiel Lkw irgendwann mithilfe von Künstlicher Intelligenz autonom fortbewegen, kann der frühere Lkw-Fahrer sich anspruchsvolleren Arbeiten in der Logistik widmen.“ Künstliche Intelligenz wird die Arbeit von Menschen also wahrscheinlich umwälzen, aber nicht überflüssig machen.

Laut dem Logistic-Trend-Index der Messe München erleben 70 % der Fach- und Führungskräfte derzeit jedoch eine überwiegend ablehnende Haltung ihrer Mitarbeiter gegenüber Künstlicher Intelligenz. Damit das Zusammenspiel zwischen Mensch und Maschine zukünftig reibungsfrei vonstattengehen kann, braucht es in deutschen Betrieben also noch einige Schulungen und Aufklärungsarbeit.

Weitere Quellen zum Thema Künstliche Intelligenz

Wenn Sie sich noch tiefer gehend mit Künstlicher Intelligenz beschäftigen wollen, werden Sie hier fündig:

• Unser Themenkanal IT: Hier finden Sie stets die neuesten Nachrichten und Fachbeiträge zum Thema Künstliche Intelligenz!

• Auf der Website der Bundeszentrale für politische Bildung gibt es interessante Expertenbeiträge zum Thema KI.

• In „Grundkurs Künstliche Intelligenz“ von Wolfgang Ertel lesen Sie alles zu den verschiedenen Teilgebieten der Disziplin Künstliche Intelligenz und bekommen gleichzeitig einige praxisnahe Beispiele an die Hand. Hier können Sie einen Blick ins Buch werfen!

Bitte geben Sie uns Ihr Feedback: Wie hilfreich fanden Sie diesen Grundlagenartikel zum Thema Künstliche Intelligenz? Welche Fragen sind bei Ihnen noch offengeblieben? Wir freuen uns über Ihre Rückmeldung in den Kommentaren oderdirekt hierper Mail an mich!

(ID:45327676)