Die Hand eines Cyborg an einer logistischen Liefer-Applikation.

Künstliche Intelligenz wird in der Logistik nicht weiter ausgebaut, weil die technologischen Möglichkeiten dazu da sind, sondern weil es ein enormes Potenzial hat. - Bild: AdobeStock Production Perig

| von Dietmar Poll
Aktualisiert am: 10. Feb. 2020

In der Logistikbranche bietet es sich an, Künstliche Intelligenz vermehrt einzusetzen, wie Michael ten Hompel, Leiter des Fraunhofer IML aus Dortmund erklärt. "Die Potenziale für den Einsatz Künstlicher Intelligenz in der Logistik sind enorm und die Logistik wird die erste Branche sein, in der sich KI-Verfahren massenhaft durchsetzen." Ein Grund dafür sei, dass die Logistik ähnlich wie die Geometrie relativ gut algorithmierbar sei und im Detail auch schon relativ gut standardisiert sei - aber auch eben sehr komplex.

Künstliche Intelligenz ist schon (fast) überall

Torsten Mallée, Director International Business Development bei ABB SE erklärt dazu: "KI ist keine Zukunftsvision, sondern sie ist mittlerweile überall im täglichen Leben wie beispielsweise bei Handys und Navis im Einsatz. Dennoch ist die Erwartungshaltung groß, da es Aussagen gibt wie ‚KI wird alles ändern‘. KI wird aber nicht weiter ausgebaut, weil die technologischen Möglichkeiten dazu da sind, sondern weil es ein enormes Potenzial hat um Kosten zu senken, Effizienz zu erhöhen und Kundenwünsche besser zu erkennen und erfüllen. Es heißt, Künstliche Intelligenz ist ein entscheidender Wettbewerbsfaktor."

Im Anschluss lesen Sie jetzt fünf Erfahrungsberichte von Experten aus verschiedenen Blickwinkeln auf die Künstliche Intelligenz.

1 - Wie leicht oder schwer ist es eigentlich, Künstliche Intelligenz zu nutzen. Und was muss dabei beachtet werden, was den Datenschutz anbelangt?

"Es geht aber nicht immer um Big Data. Denn wieviel Daten braucht man überhaupt? Datensparsamkeit ist dazu ein Aspekt", sagt Arvin Arora, Geschäftsführer Agile IT Management GmbH. - Bild: BVL - Kai Bublitz

Welche Herausforderungen der Einsatz Künstlicher Intelligenz mit sich bringt, beschreibt Arvin Arora, Geschäftsführer Agile IT Management: "Wer KI in die operative Praxis mit hohem Mehrwert bringen möchte, der muss auch ein bisschen kämpfen." Damit bezieht er sich auf die Stichwörter Datenqualiät, Skalierbarkeit, Robustheit, Transparenz. "Da geht es um deutlich mehr als Machine learning. Denn 80 Prozent sind eher klassische Softwareentwicklung." Es gebe einen kritischen Mix von Faktoren. Daten seien ein Faktor,  schnellere Systeme, bessere Algorithmen und ein wachsendes Ökosystem in Form von Software.

 

Keine digitale Transformation ohne Künstliche Intelligenz

"Es geht aber nicht immer um Big Data. Denn wieviel Daten braucht man überhaupt? Datensparsamkeit ist dazu ein Aspekt", warnt Arora. Es gehe ja auch um Datenschutz, denn es müsse ja nicht jeder Mitarbeitername eingefügt werden – da gebe es auch andere Möglichkeiten. "Denn es lassen sich ja auch Daten herausziehen und erkennen, welche Schichten besser arbeiten – das ist ja alles andere als unkritisch. Es geht also nicht zwingend um Big Data, sondern um wichtige Daten, für das, was man tut besziehungsweise für die jeweilige Problemstellung", verdeutlicht Arora.

 

Artificial Intelligence am richtigen Ort

Ein wichtiger Aspekt seien auch fehlende Daten oder Trainingsdaten, gerade bei Unternehmen, die mit KI-Projekten begännen, wo keine Daten zur Verfügung stünden. Da müsse man mitunter ein bis zwei Jahre Daten sammeln. Es stelle sich auch die Frage, ob man ein Modell, was bei einem Kunden erfolgreich funktioniert hat, auf einen anderen Kunden übertragen dürfe. Dazu Arora: "Das kommt darauf an, welche Daten das Modell verwendet. Sind diese nämlich nicht kundenspezifisch, ist das natürlich unkritisch."

2 - Was Künstliche Intelligenz im Einsatz wirklich leisten kann am Beispiel einer großen LKW-Flotte in ganz Europa

"Wir müssen tagtäglich, im Grunde genommen stündlich und minütlich immer wieder Ladungen und Kapazitäten matchen. Da gibt es viele Unwägbarkeiten", sagt Robert Ziegler, CEO Waberer's International aus Budapest. - Bild: BVL/Kai Bublitz

"Wir haben Internet-KI im Einsatz ebenso wie Big Data und Sensorik mit Daten, hinzu kommen noch GPS-Koordinaten. Anhand dieser Informationen spricht ein Experten-System Empfehlungen aus - und irgendwann können wir dann darauf basierend Entscheidungen treffen", erklärt Robert Ziegler, der über praktische Anwendungen von Künstlicher Intelligenz im Unternehmen spricht: "Wir wenden bei uns KI schon seit Jahren an und sind Tag für Tag dabei, es weiterzuentwickeln. Es gibt aber auch kein Projekt, das jemals endet." Will heißen: Die KI-Forschung ist immer noch damit beschäftigt, aus einer heute noch vergleichsweise schwachen KI eine starke KI zu machen.

 

Klassischer, aber intelligenter Transport - noch ohne Roboter

Ziegler weiter: "Unsere Daten sind sehr komplex, denn wir fahren ein sehr große Flotte in ganz Europa. Wir fahren nach einer Art Taxisystem, also nicht von A nach B und dann wieder nach A, sondern von A nach B nach C nach D usw. Das heißt, wir müssen tagtäglich, im Grunde genommen stündlich und minütlich immer wieder Ladungen und Kapazitäten matchen." Da gebe es viele Unwägbarkeiten. So storniere mal ein Kunde eine Tour, dann habe mal ein LKW ein Problem. Deshalb müsse das Netzwerk ständig optimiert werden.

 

Künstliche Intelligenz schlägt menschliche Intelligenz

"In unserer Größenordnung ist das nicht mehr möglich, das mit Personal zu bewältigen. Da sind die Kombinationen unendlich groß. Deshalb ist für uns unmöglich, entscheidungsbasierte Systeme an dieser Stelle wegzulassen. Im Grunde müssen wir minütlich 5000 LKW checken können, inwieweit alles optimal funktioniert oder Änderungen notwendig sind." Und was das menschliche Gehirn nicht mehr schafft, können aber Computer ermöglichen. "Wir wollen aber auch die Zukunft planen, das heißt wir planen mittlerweile nicht nur die Ladung, die wir im Moment zur Verfügung haben, sondern wir planen noch fünf Tage in die Zukunft. Wo benötigen wir einen LKW denn in fünf Tagen wieder?", setzt Ziegler stark auf intelligente Technologien.

 

Transport nimmt zu, doch was ist mit den Fahrern?

Es ist derzeit immer wieder die Rede vom Fahrermangel. Dazu Ziegler: "Fahrermangel? Es gibt keinen Fahrermangel. Denn der Fahrer ist Teil unseres Geschäftsmodells. Wenn wir das nicht verstehen, dann werden wir auch immer über Fahrermangel sprechen. Insofern ist es auch wichtig, dass unsere Optimierungen nicht nur Qualität und Auslastung berücksichtigen, sondern auch die Zufriedenheit der Fahrer. Der will nämlich auch am Wochenende zu Hause sein, bevorzugt gewisse Strecken. Die Fahrer wohnen in den unterschiedlichsten Ländern und wir müssen den Fahrer intelligent nach seiner Arbeitszeit auch wieder Richtung Heimat fahren, damit wir ihn nicht sauer fahren."

 

Intelligentes Verhalten für die gesamte Lieferkette und Lagerlogistik

Unsere Industrie ist von sehr schmalen Margen gekennzeichnet und insofern ist es wichtig, dass wir unsere Ziele sehr hochhalten und auf diese Weise digitaler sein können. Der Wettbewerb ist massiv. Auch die Anforderungen an Pünktlichkeit steigern immer weiter: Früher war es bei einem klassischen Frachtunternehmen angesagt, am richtigen Tag zu kommen, denn dann war man pünktlich. Heute ist man innerhalb von 15 Minuten pünktlich. Wir messen ja sogar innerhalb der Minute. Es werden immer öfter feste Slots vereinbart. Die Komplexität wird immer höher. Angst macht mir allerdings, dass die Routenplaner nicht mehr verstehen, was in dieser Black Box passiert. Solange wir verstehen, was in der Maschine passiert, ist alles gut. Aber der Zeitpunkt wird kommen, wenn wir nicht mehr nachvollziehen können, was in der Black Box passiert.

3 - Was steckt hinter dem Hype von KI in der Logistik?

"Das Ziel ist, dass ein AGV auf die Umgebung reagieren kann", sagt Jens Leveling, Teamleiter Data Driven Logistics, Fraunhofer IML Dortmund. - Bild: BVL/Kai Bublitz

"Hinter dem Hype-Thema KI in der Logistik stecken ganz viele nüchterne Software-Entwicklungen und IT-Projekte, die aber einen starken Fokus auf Daten haben. Das erste Projekt ist das Thema Umgebungswahrnehmung bei AGVs. Kameras mit Bildsensoren, die die Umgebung von AGVs wahrnehmen. Dabei Klassifizieren wir die Umgebung in Objekte wie andere AGVs, Menschen, Regale, Paletten und dabei müssen wir berücksichtigen, dass die zu identifizierenden Objekte nicht ganz sichtbar sind." Dabei sei das Ziel, dass ein AGV auf die Umgebung reagieren könne. Zum Beispiel für eine Mensch-Maschine-Kommunikation, wenn ein AGV den Menschen bittet, beiseite zu gehen. Oder auch  für Maschine-Maschine-Interaktionen.

 

Künstliche Intelligenz und Textanalyse

Das zweite Beispiel komme aus dem Hintergrund der Textanalyse. "Die meisten Logistikunternehmen sind dem Mittelstand zuzuordnen, wo die Vorstellung von Digitalisierung ist, Papier in digitale Dokumente zu transferieren", sagt Leveling. Papier als Träger von Informationen sei nach wie vor gegenwärtig. Das müsse man noch sehr stark berücksichtigen. "Wir können nun mittels KI identifizieren, was für einen Dokumententyp wir gerade vorliegen haben. Oder auch Textbausteine sind erkennbar, beispielsweise eine E-Mail-Adresse. Machine Learning kann dann diese Information in einen Kontext setzen. Mit Machine Learning können wir Informationserhebung betreiben", beschreibt Leveling.

4 - Deterministische Planung und Simulation werden zurückgefahren und durch Datenanalytik ersetzt

"Deterministische Planung wird massiv zurückgefahren – auch die Simulation wird interessanterweise massiv zurückgefahren und durch Datenanalytik ersetzt", sagt Frank Straube, Geschäftsführender Direktor, Leiter Bereich Logistik, Institut für Technologie und Management, TU Berlin. - Bild: BVL/Kai Bublitz

"Das Thema 'Produktion, Logistik und digital' ist so wichtig, weil wir in Deutschland 34 Prozent der Wertschöpfung durch Industrie und Logistik haben. Das ist doppelt so viel wie der Durchschnitt in Europa. Wir sind ein global vernetzter Industriestandort, daher sei die Digitalisierung ein so wichtiges Thema", sagt Frank Straube.

 

Datenanalytik immer wichtiger

"Die Technologieanbieter sagen, dass sie in Vorbereitung mit der Digitalisierung fertig sind. Allerdings: Alleine durch das Kaufen von Technologien hat niemand einen Wettbewerbsvorteil", erklärt Straube. Wir seien aktuell an der Schwelle der Veränderung der Logistik hinzu zu Wertschöpfungsnetzwerken, vernetzen Objekten. Deterministische Planung werde massiv zurückgefahren – auch die Simulation werde interessanterweise massiv zurückgefahren und durch Datenanalytik ersetzt.

 

Mehr Dienstleistungen auch durch KI-Technologien

Hierarchische Organisationen entwickelten sich weiter zu flexiblen Organisationen. Auch der Kundennutzen werde sich verändern. Vielleicht will der Kunde keinen LKW mehr kaufen, sondern er braucht 500.000 Km oder er will keine Bohrmaschine mehr kaufen sondern er braucht ein Loch in der Wand.

Auch das Thema 'Adaptive Kapazität' spiele künftig eine wichtige Rolle. Das gebe es bereits bei Service Providern (LSP = Logistic service provider). Dazu erläutert Straube: "Ich habe einen Slot in meinem weltweiten Produktionsnetz frei, dort müsste ich produzieren. Ich muss also flexibel, dezentral Lieferantenplanungen und Bestellungen umbauen. Dabei geht es um selbstlernende Systeme und man unterstellt eine Real time visibility."

 

Produktionslogistik braucht leistungsfähige Computer und Roboter

Allerdings verweist Straube auch darauf, dass "wir damit leben werden, nicht alle Daten, alle Behälterdaten und dergleichen zu haben. Trotzdem müssen wir eine digitale, störungsarme Logistik erzeugen. Und das wird funktionieren mit der Hilfe von Robotik, Prozess-Automation, von Algorithmen, die Vorgänger-Nachfolgebeziehung erahnen – welche Verpackungsdaten das sein könnten und mit bestimmter Analytik, die man in einer Cloud managen kann." Doch dafür müssten zwei Voraussetzungen gegeben sein: "Zu akzeptieren in einer Cloud zu arbeiten und man müsste auch Restriktionen und Probleme offenlegen – und das in mitunter sehr kurzen Zeiträumen. Dazu benötigt es Quasi-Standards und Quasi-Regeln", skizziert Straube auf.

5 - Wie geht der Mittelstand mit Digitalisierung und KI um und was ist eigentlich das Dilemma?

"Dadurch lösen wir die 80 Prozent des einfachen Tagesgeschäfts vollautonom und schaffen gleichzeitig über KI und Datenauswertung einen Mehrwert für die Lösung der 20 Prozent mit komplexeren Themen", sagt Christoph Pieper, Head of SCM & Logistics bei Winkelmann Automotive. - Bild: BVL/Kai Bublitz

"Wir sind Mittelständler und viel kleiner als unser Kunde und teilweise auch kleiner als unsere Zulieferer. Winkelmann Automotive macht alles rund um den Verbrennungsantrieb. Der Wettbewerb wird gerade in der Automobilindustrie immer härter. Hinzu kommen aktuell Handelshemmnisse. Wir sehen jetzt zunehmend, dass der Markt im Mikrozeitraum viel volatiler wird. Wir müssen auch darauf reagieren und das Ganze läuft darauf hinaus, dass wir wesentlich mehr Flexibilität bringen müssen durch eine gesteigerte Dynamik – aber bei gleicher oder noch besserer Effizienz um am Markt noch bestehen zu können", beschreibt Christoph Pieper.

 

 

Mehr Geschwindigkeit im Wettbewerb durch KI

"Wir sind beim Verbrennungsantrieb zu Hause – und bei einem vollelektrischen Auto sind neun von zehn unserer Produkte überflüssig. Wir müssen uns heute so ausrichten, dass wir auch künftig am Markt existieren", sagt Pieper. Doch wie könne da die Digitalisierung helfen? "Die Digitalisierung selber löst das Problem nicht, kann uns aber schon helfen, denn wir sind in der Lage, riesige Mengen an Daten zu sammeln. Durch die heute verfügbare Rechenleistung lassen sich auch die großen Datenmengen verarbeiten, es geht also auch um Big Data. Wir versuchen durch den Einsatz von KI Geschwindigkeit im Wettbewerb zu gewinnen. Das löst zwar nicht das Problem, schafft aber einen Vorteil", zeigt sich Pieper zuversichtlich.

 

Künstliche Intelligenz und Datenauswertung im Werk

"Durch Digitalisierung und Prozessoptimierung unseres Werkes haben wir die gesamte Disposition automatisiert, wir haben die gesamte Beschaffung und Nachschubsteuerung in der Fabrik automatisiert. Dadurch lösen wir die 80 Prozent des einfachen Tagesgeschäfts vollautonom und schaffen gleichzeitig über KI und Datenauswertung einen Mehrwert für die Lösung der 20 Prozent mit komplexeren Themen", führt Pieper aus. Das Produktionsnetzwerk von Winkelmann sei über den Globus verteilt. Doch gerade hier sieht Pieper viele Möglichkeiten.

 

Steuerung der Prozesse weltweit - gemeinsam mit Partnern

"Wenn ich nun sage, dass ich gar nicht mehr Halt vor meinem Produktionsnetzwerk mache sondern ich sprenge die Grenzen zwischen den einzelnen Unternehmen – nicht nur zwischen den Geschäftsbereichen sondern auch in Richtung Supply Chain – dann können wirklich nur alle davon partizipieren", wagt Pieper einen Blick in die Zukunft. Ein Thema dabei sei 'rolling forecast'. "Denn wir wollen vom heutigen Echtzeitsystem weggehen und schon in die Zukunft schauen. Denn: Wir wollen die Kapazitäten frühzeitig justieren, damit die ganzen Engpässe von einem Zeitraum größer als sechs Monate - wir haben einen sechsmonatigen Forecast - von meinem Team weggeräumt werden, so dass die Fabriken ihr operatives Business einfach ohne größere Sonderfahrten und dergleichen fortführen können."

 

Wandel vom operativen Business zur Strategie mittels KI-Anwendungen

Das sei der Wandel vom rein operativen Business Richtung Strategie. "Wir versuchen also die Grenzen zwischen den einzelnen Unternehmen einzureißen. So stehen doch irgendwo identische Anlagen, die genutzt werden könnten, um einen Engpass zu beheben. Das ist derzeit ja mitunter im gleichen Haus noch problematisch – geschweige denn in anderen Werken oder gar Unternehmen. Da sollten wir auch mit anderen Unternehmen an einem Standard arbeiten, an dem wir alle gemeinsam partizipieren können", fordert Pieper.

 

Standards für mehr Dynamik und Nachhaltigkeit

"Standards ist das Thema, wenn ich Dynamik schaffen will – wenn alle Fabriken gleich sind, kann ich hochflexibel fertigen. Wenn das bei uns intern funktioniert, dann wollen wir noch als letztes die Supply Chain einbinden." Sagten dann aber nur einer oder zwei, dass sie nicht könnten, dann breche das gesamte Kartenhaus zusammen. Aber genau das wolle Pieper vermeiden. "Dann könnte man Verlagerungsszenarien, Stückzahlszenarien oder Vorläufe, geplante Wartungsintervalle live simulieren. Das wäre toll. Wenn wir nun unseren Lieferanten daran teilhaben lassen, das alles gemeinsam harmonisieren und die Stillstandzeiten und die Sonderfahrten dadurch reduzieren… das wäre doch charmant", bekräftigt Pieper.