Wie künstliche Intelligenz Logistik beeinflussen wird

Stellen Sie sich vor, dass Ihnen eine Maschine innerhalb von Sekunden genau ausrechnet, wann welche Produkte von welchem Kunden bestellt werden. Zusätzlich sagt Ihnen dieselbe Maschine wie die Produkte am schnellsten und günstigsten von A nach B gebracht werden können, bestellt das Transportmittel und organisiert die Abholung. Was im Jahr 2018 in Ansätzen verwirklicht wird, könnte in zehn Jahren bereits Alltag sein – dank künstlicher Intelligenz (KI).

Die Europäische Kommission kündigte im April 2018 an, 1,5 Mrd. Euro in die Entwicklung von KI zu investieren. In der Öffentlichkeit wird künstliche Intelligenz mal als Heilsbringer und Problemlöser und mal als Bedrohung dargestellt. Was genau hat es mit der Technologie also auf sich?

Eine Einführung

Künstliche Intelligenz kann laut DFKI als „eine Eigenschaft eines IT-Systems, ‚menschenähnliche‘, intelligente Verhaltensweisen zu zeigen“ definiert werden. KI ist also das System an sich. Dieses kann durch Maschine Learning kontinuierlich verbessert werden, indem intelligente Algorithmen durch zur Verfügung gestellte Datensätze trainiert werden und kontinuierlich dazu lernen. Generell sind drei Voraussetzungen nötig, damit KI im Unternehmen angewendet werden kann:  

1. Hohe Rechenleistung
2. Große und korrekte Datenmengen
3. Intelligente Algorithmen

Die Rechenleistung von Computern hat in den letzten zwanzig Jahren gewaltige Sprünge gemacht. Ein leistungsstarker Rechner konnte im Jahr 1995 100 Mrd. Rechenoperationen pro Sekunde durchführen; dazu ist heutzutage jedes gute Handy fähig. Durch die zunehmende Nutzung von Big Data sowie immer besser und günstiger werdenden Sensoren werden unvorstellbare Mengen an Daten gesammelt, die mithilfe von KI ausgewertet und für zukünftige Prognosen genutzt werden können.

Supervised Training: Übung macht den Meister

Die Menge der Daten allein ist jedoch nicht entscheidend, sondern insbesondere die Qualität derselben. Für das Training wird größtenteils auf die Methode des „Supervised Learning“ zurückgegriffen. Dies ist eine Methode, bei welcher dem System wiederholt eine große Anzahl von Daten inklusiver Lösungen eingespeist werden, um der Maschine Zusammenhänge beizubringen, welche sie anschließend auf unbekannte Daten anwenden kann. Bei unzureichender Qualität der Daten, d.h. wenn die Informationen nicht korrekt oder unvollständig sind, besteht jedoch die Gefahr, dass die Maschine falsche Zusammenhänge lernt und daraufhin nicht in der Lage ist, richtige Entscheidungen zu treffen.  

Da viele Unternehmen vor der Herausforderung stehen nicht genügend Trainingsdaten zur Verfügung zu haben, wird derzeit an Trainingsmethoden wie dem „Unsupervised Learning“ (welches ohne bzw. mit sehr wenigen Beispielen auskommt) oder „Reinforcement Learning“ (anstatt von Ergebnissen wird Qualitätsfeedback gegeben) geforscht. Da diese Methoden jedoch noch am Anfang stehen, sind die Menge und Qualität von Trainingsdaten weiterhin ein unverzichtbarer Baustein für die Implementierung von KI.

Erklärungsbedarf der KI erkennen:

Künstliche Intelligenz (KI) ist als Begriff sehr abstrakt und weder greifbar noch für den Laien gut erklärbar. Nach wie vor macht die Technologie vielen Leuten Angst. Angst, dass die Technologie den Arbeiter auf lange Sicht ersetzen und sogar die Übermacht über die Menschheit gewinnen könnte. Tatsächlich geht mit dem Einsatz von KI ein gewisser Kontrollverlust einher. Viele Entscheidungen werden der Maschine überlassen.

Aufklärungsarbeit kann dabei helfen die Sinnhaftigkeit der Technologie zu erklären und aufzuzeigen welche Möglichkeiten sich ergeben, wenn menschliche und maschinelle Intelligenz miteinander verbunden werden. KI ist in der Lage strategische Probleme zu lösen und präzise Prognosen abzugeben. Dadurch wird die Entwicklung komplexer Systeme erleichtert, Innovationen können optimiert oder der Produktionsprozess verbessert werden.

Allerdings muss man sich auch darüber im Klaren sein, dass KI nicht in der Lage ist zu fühlen oder kreativ zu sein. Die Aufgab und Arbeit des Menschen werden sich in Zukunft eher in Richtung komplexerer und kreativerer Aufgaben verschieben. Die monotonen und repetitiven Aufgaben können durch KI ersetzt werden, wodurch sich die Menschen auf andere Aufgaben konzentrieren können.

Relevanz von KI für Logistik und IT

Wieso ist also KI einer der Megatrends in der Logistik in den kommenden Jahren? Wie bereits im Artikel „Logistik als ausschlaggebender Erfolgsfaktor im E-Commerce“ beschrieben, steigt der Umsatz im Onlinehandel seit Jahren stetig. Die Konsumenten erwarten Convenience, Flexibilität und Nachhaltigkeit von den E-Commerce Händlern. Um alle Anforderungen bestmöglich erfüllen zu können, können KI gesteuerte Systeme zu einem enormen Wettbewerbsvorteil für die Unternehmen führen.

Die Transportkosten machen in der Logistik einen großen Anteil aus, vor allem hier ist KI ein wichtiges Instrument. Mithilfe der künstlichen Intelligenz können diese besser vorhergesagt werden; so kann KI die täglich variierenden Versandkosten, welche von Saison, Wetter, Verkehr und auch sozio-ökonomischen Bedingungen abhängen, kalkulieren. Auch Faktoren wie Naturkatastrophen, Insolvenzen von Transportunternehmen und Streiks werden von KI durch die Analyse vergangener Daten mit einbezogen. Das bedeutet, dass z.B. LKWs bei schlechtem Wetter oder hohem Verkehrsaufkommen zu anderen Distributionszentren geleitet werden, um Verzögerungen zu vermeiden.

Viele Unsicherheiten, mit denen sich Logistikmanager täglich beschäftigen müssen, können so verringert und mehr Planungssicherheit erzeugt werden. Sich verändernde Transportbedingungen können in Echtzeit berücksichtigt und die besten Ladezeiten in Kombination mit der kosteneffizientesten Transportmethode kombiniert werden. Durch diese datenbasierten Entscheidungen sind Unternehmen in der Lage besser und schneller als Wettbewerber zu agieren.

Heutiger Einsatz von künstlicher Intelligenz

Die Gesellschaft wird heutzutage besonders durch persönlichen Assistenten wie Siri oder Alexa oder auch in den sozialen Medien in Form von Chatbots mit KI konfrontiert.

Auch der Logistikkonzern DPD hat einen intelligenten Sprachassistenten entwickelt, mit dem sich Pakete per Sprachanweisung steuern und nachverfolgen lassen. Der Assistent kennt den Sendungsstatus und kann dem Kunden bis auf 60 Minuten genau Auskunft darüber geben, wann das Paket ausgeliefert wird. Ab Herbst diesen Jahres wird als zusätzliche Funktion ein intelligentes Mail- und Chatbot-Kommunikationssystem eingeführt, welches im Customer Service von DPD eingesetzt werden soll.

Aufgabe des Systems wird es sein, E-Mails automatisch zu kategorisieren (z.B. nach E-Mails zum Paketstatus, Termin zur Abholung oder Rücksendung) und zu bearbeiten. Wenn alle wichtigen Informationen gespeichert sind, soll das System in der Lage sein selbstständig zu antworten und andernfalls die E-Mail an den richtigen Ansprechpartner weiterleiten. In Zukunft sollen bei der DPD weitere Chatbots für die Angebotserstellung und die Bearbeitung von Bewerbungen eingesetzt werden. Laut Vorhersagen sollen im Jahr 2020 bereits bis zu 85% der Kundeninteraktionen zwischen Händler und Konsumenten mithilfe von intelligenten Systemen erledigt werden.

Wo ist KI in der Logistik einsetzbar?

Auch in anderen Bereichen der Logistik gibt es Anwendungsgebiete, in denen die KI eingesetzt wird:

• Im Handel in den Bereichen Vertriebsvorhersagen, Einkaufsplanung, Warendisposition, logistische Vorhersagen und Betrugsprävention.
• Inventur Management: Amazon Go nutzt in seinen Geschäften Roboter, welche die Gänge abfahren und mithilfe von eingebauten Kameras das Inventar kontrollieren.
• In Form von robotergesteuerter Prozessoptimierung; so werden beispielsweise Daten automatisch in ERP-Systeme eingegeben.
• Echtzeiterfassung von Daten mithilfe von intelligenten Sensoren; in Lagern können so Temperatur und Feuchtigkeit kontrolliert werden.

Womit in Zukunft gerechnet werden kann

LKW’s, Züge und Schiffe werden schon seit Jahrzehnten von Satelliten getrackt, um zum Beispiel die bestmögliche Route zu ermitteln. Dadurch hat die Transportindustrie Unmengen von Daten angehäuft, welche mithilfe von künstlicher Intelligenz noch effektiver genutzt werden können. Durch höhere Computerleistungen und smartere Algorithmen können nicht nur bessere strategische Entscheidungen getroffen werden, diese können auch in Echtzeit ermittelt und umgesetzt werden.

Generell wird das Thema der „erweiterten Echtzeitentscheidungsfindung“ immer wichtiger. Logistiker haben häufig zwar komplexe, aber repetitive Aufgaben zu erledigen, wie die der optimalen Trägerauswahl. Diese Aufgabe kann beispielsweise mithilfe von KI automatisiert werden. Anstatt zwischen tausenden möglichen Routen und Zeitplänen entscheiden zu müssen, kann KI innerhalb weniger Sekunden eine Auswahl von zwei bis drei Optionen anzeigen, aus welchen der Logistiker eine Möglichkeit wählen kann.

Autonom fahrende Fahrzeuge

Ein weiteres Potenzial der Echtzeit-Anwendung wird durch autonom fahrende Fahrzeuge entstehen. Durch selbstlernende Algorithmen können Fahrzeuge die Umgebung erkennen, auf den Straßenverkehr reagieren und die effizientesten Routen planen. Das geschieht, indem die Software die geplante Transportstrecke analysiert und mit dem herrschenden Verkehrsaufkommen sowie Staumeldungen abgleicht. So können einerseits Betriebskosten gesenkt werden und gleichzeitig wird das Stauaufkommen verringert. Die Speditionsbranche kämpft schon seit längerem mit einem Mangel an qualifizierten LKW-Fahrern. Dem Fahrermangel kann mit KI entgegengewirkt werden, da autonome Systeme 24/7 einsatzfähig sind. Allerdings ist zu bemerken, dass die Überwachung des Systems auch ein qualifizierter Mitarbeiter übernehmen muss. Es findet an dieser Stelle also eine Verlagerung der menschlichen Arbeitskraft von der Fahrzeugführung hin zur Überwachung und Planung statt. Auch hierfür müssen Arbeitnehmer gefunden und ausgebildet werden.

Predictive Maintenance

Neben Echtzeit-Auswertungen kann künstliche Intelligenz auch in dem Gebiet der Predictive Maintenance (vorausschauende Wartung) eingesetzt werden. Indem die künstliche Intelligenz beispielsweise eine Veränderung von Geräuschen bei Maschinen erkennt, kann es dem Mitarbeiter anzeigen, dass diese Maschine bald ausfallen wird. Genau so lässt sich die Methode bei Fahrzeugen anwenden – sobald sich die Daten verändern, wird eine vorbeugende Wartung angewiesen, um Pannen zu vermeiden.

Bestellverhalten steuern mit KI

Für Unternehmen ist es wertvoll zu wissen, wann und was ein Kunde bestellen wird, um einen optimalen Transport planen zu können. Anhand von Vergangenheitsdaten kann künstliche Intelligenz diese Vorhersagen verbessern und somit den Vertrieb, das Marketing und der Logistik eines Unternehmens die Arbeit erleichtern. Den Kunden besser zu kennen, kann den Unterschied zwischen Erfolg und Misserfolg ausmachen. Lesen Sie mehr zu diesem Themenbereich in unserem Beitrag „#MehrWerteSchaffen durch Customer Obsession“.