Ein Ziel der Digitalisierung in der Logistik ist es, globale Warenströme ungestört fließen zu lassen
RPA und KI können helfen, Logistikprozesse zu stabilisieren und zu beschleunigen.
Die Bilder unterbrochener Lieferketten sind im öffentlichen Bewusstsein präsent wie nie zuvor: Leere Regale in Supermärkten, Lagerhallen, aus denen über Nacht palettenweise medizinisches Material verschwindet, Lkw-Staus an geschlossenen Grenzen und ganze Fertigungsanlagen, die stillstehen weil einzelne Teile fehlen. Die Herausforderungen für die Verantwortlichen: Logistikprozesse lückenlos überwachen, Schwachstellen frühzeitig erkennen und kurzfristig Alternativen bereitstellen. Schließlich geht es darum, die angegriffene Wirtschaft schnellstmöglich wieder hochzufahren und widerstandsfähiger gegen störende Einflüsse zu machen – im Kleinen wie im Großen. Mit Robotic Process Automation (RPA) steht eine rasch implementierbare Lösung für Schnittstellenprobleme an den vielen Übergabestellen in jeder Supply Chain bereit. Außerdem unterstützen Methoden und Tools auf Basis von Künstlicher Intelligenz (KI) nicht nur bessere Bedarfsprognosen, sondern auch datengetriebene Planänderungen in Echtzeit.
Bots machen Planabweichungen transparent
Um ein Problem lösen zu können, muss man seine Ursache kennen. Diese scheinbar triviale Erkenntnis wird in Sachen Logistik häufig zur ernsten Herausforderung. Denn viele Beteiligte wissen selbst nicht, wer in welcher Rolle an der Lieferkette beteiligt ist - auch das hat die Krise gezeigt. Die Übertragung der Daten zwischen den Systemen, die den Prozess steuern, ist vielfach eintönige, fehleranfällige Handarbeit. Wichtige Kontrollen finden aufgrund der schieren Masse der Sendungen nur stichprobenartig statt. Die Folge: Fehler in der Lieferkette werden oft erst offenkundig, wenn die Fertigung des Empfängers stillsteht. Wie es mit digitalen Mitteln besser geht, zeigt das Beispiel eines großen europäischen Logistikunternehmens im Bereich Luftfracht. Hier kontrollieren Softwareroboter im Abstand von wenigen Minuten alle Flüge, auf denen Sendungen des Unternehmens gebucht sind. So erkennen die digitalen Mitarbeiter Abweichungen frühzeitig, etwa wenn ein bestimmtes Flugzeug seinen Kurs ändert. Je nach Ursache und Dauer der Abweichung schlagen sie außerdem geeignete Maßnahmen vor, um die betroffenen Sendungen schnellstmöglich ans Ziel zu befördern. In jedem Fall erhält der zuständige Dispatcher in Echtzeit alle erforderlichen Daten, um schnelle Entscheidungen zu treffen und die betroffenen Kunden zu informieren. So können diese ihre Techniker – beispielsweise bei Verzögerung einer dringenden Ersatzteillieferung für den technischen Kundendienst - in der Zwischenzeit anderweitig einsetzen. Möglich macht dieses reale Einsatzszenario ein Supervised-Machine-LearningAlgorithmus, der auf einem Decision Tree basiert. Ohne Bot wäre die Aufgabe für die Dispatcher aufgrund der Menge von Daten, die permanent innerhalb kürzester Zeit verarbeitet werden muss, nicht zu bewältigen. Allein die zu prüfenden Statusmeldungen der Flugüberwachung belaufen sich zu normalen Zeiten auf mehr als 2000 pro Minute. Zusätzlich ist aus tausenden möglichen Kombinationen von Sendungen, Flugbewegungen und Frachtkapazitäten die jeweils am besten geeignete auszuwählen, um im Anschluss die entsprechenden Maßnahmen einzuleiten. Für Bots ist es kein Problem, fast beliebige Datenmengen nach einem vordefinierten Ablauf aus unterschiedlichsten Systemen zusammenzusuchen und weiterzuverarbeiten – fehlerfrei und rund um die Uhr, sieben Tage die Woche. Kombiniert man fortgeschrittene Algorithmen aus der prädiktiven Analyse mit Operations-ResearchMethoden wie Simulationen oder spieltheoretischen Modellen, sind digitale Logistikmitarbeiter in der Lage, optimal vorausschauend zu planen. Doch auch ohne KI-Beteiligung liefert RPA konkrete Mehrwerte für Logistiker: Bei DHL beispielsweise versenden Softwareroboter transaktionsbezogene E-Mails, rechnen mit Frachtführern ab, planen Termine, um rechtzeitige Lieferungen sicherzustellen und rufen Zustellbestätigungen ab.
...