Ähnelt es Hip-Hop? Jazz? Ein Cha-Cha? Die Rutsche? Niemand weiß es, aber in meinen Diskussionen sind sich die Wirtschaftsführer einig, dass die künstliche Intelligenz (KI) da ist und die prognostizierten Auswirkungen auf die Lieferkettentechnologie groß sind und die Branche in völlig unterschiedliche Schwankungen bringen werden. Wie schnell es die Arbeit verändern wird, weiß niemand, aber es herrscht Aufregung.

Von Lora Cecere

Traditionell entwickeln sich Anbieter von Supply-Chain-Technologie langsam weiter, und Unternehmensleiter gehen bei der Überarbeitung ihrer Arbeitspraktiken noch langsamer vor (Gletschergeschwindigkeit). Für mich ist es, als würde man im Winter beim Trocknen der Farbe zusehen. Können wir das aufladen? Ich glaube vielleicht.

Während Teams mit den Händen winken und digital reden, stelle ich fest, dass es den Ideen für digitale Projekte an Definition, Prozessklarheit und Erfolg mangelt. (Unsere Untersuchungen zeigen, dass die Projekte in 75 % der Unternehmen keinen Mehrwert lieferten.) Die Branche begann 2012 erstmals von Digitalisierung zu sprechen, doch heute handelt es sich immer noch um ein amorphes Konzept. (Meine erste Präsentation zur digitalen Lieferkette fand 2012 in Mailand auf einer SAP-Insider-Konferenz statt.) Wenn wir einen Blick auf das Jahrzehnt werfen, wurde der größte Mehrwert erzielt, als Unternehmensleiter kleine Schritte in der visuellen Analyse machten und sie traurigerweise als digital bezeichneten.

Woher kommt also die Innovation? Neue Start-ups und Unternehmensinnovatoren werden neue Projekte und Ideen hervorbringen. Am Anfang wird es langsam sein (wie ein unbeholfener Walzer). Das Tempo wird sich dann beschleunigen. Vielleicht ein Boogie?

Was ist KI? Warum spielt es eine Rolle?

Beginnen wir mit einer klaren Definition. Ich definiere künstliche Intelligenz (KI) als Rechenfähigkeit zur Ausführung menschlicher Aufgaben, die menschliche Intelligenz und Urteilsvermögen erfordern. Maschinelles Lernen und KI sind unterschiedlich: Maschinelles Lernen ist eine Möglichkeit, dem Computer etwas beizubringen. KI und maschinelles Lernen sind nicht dasselbe. Maschinelles Lernen ist ein Mittel zum Zweck.

Der Weg nach vorne ist holprig. KI-Ergebnisse sind, ebenso wie das menschliche Denken, oft fehlerhaft. Innerhalb einer Organisation kann das Computerdenken durch politische Voreingenommenheit beeinträchtigt werden. Wie falsch und wie voreingenommen es ist, hängt von den Eingaben und der Verfeinerung des Modells ab. Aufgrund der Rechengeschwindigkeit ist die Kontrolle von Fehlern und Verzerrungen wichtig. Schnallen Sie sich an: KI wird die Entscheidungsfindung in der Lieferkette auf Steroide übertragen. Das Problem besteht darin, den Modellen dabei zu helfen, Ungenauigkeiten und Verzerrungen auszusortieren.

Die allgemeinen KI-Modelle wie ChatGPT sind in aller Munde, aber der größte Aufschwung für die Lieferkette findet in der Welt der engen KI statt, die durch Deep Learning angetrieben wird. Narrow AI ermöglicht Erkenntnisse auf der Grundlage unterschiedlicher Daten. Mein Bedauern ist, dass die Technologen und Unternehmensführer die traditionelle Optimierung durch neuere Modelle ersetzen, die auf enger KI basieren, ohne jedoch die Taxonomien oder die aktuellen Definitionen der Planung in Frage zu stellen. Mein Vergleich besteht darin, einen neuen Motor in einen alten Müllcontainer einzubauen.

Ich freue mich über die Investition in semantische Datenmodelle oder Ontologien zur Ergänzung von Graph-Implementierungen. Verwendung einer Wissensgraph (im Vergleich zu einem relationalen Datenbankmodell) können Unternehmen Verschiebungen in Beziehungsgeflechten analysieren, anstatt Daten in separaten Tabellen anzuzeigen. Der Wissensgraph ermöglicht die Visualisierung von Verbindungen zwischen Datenpunkten, die sonst nicht visualisiert werden könnten.

Von Superintelligenz, bei der Maschinen selbstbewusst sind, sind wir noch weit entfernt.

Meine Freunde im Silicon Valley, die mit Risikokapitalgebern arbeiten, sind alle begeistert von Anwendungsfällen. Das Problem für mich und viele meiner Leser besteht darin, dass es nur sehr wenige Arbeiten zu Anwendungsfällen in der Lieferkette gibt. Die Angst besteht in der Bereitschaft zur Einführung einer rückständigen Branche, in der nur 3 % der Hersteller Frühanwender sind.

Was wird der Wert sein?

Wenn wir den Möglichkeiten gegenüber offen sind und bereit sind zuzugeben, dass die aktuellen Taxonomien der Lieferkettenplanung und die Nutzung von Daten veraltet sind, machen Unternehmen den ersten Schritt, um in fünf Bereichen Wert zu steigern:

• Spüren und reagieren. Heutzutage investieren Unternehmen in Netzwerke, um die Sensorik zu verbessern. Bedauerlicherweise stellen die Unternehmen fest, dass sie in Daten überschwemmt werden und ihnen nur wenige Erkenntnisse zur Verfügung stehen. Das Problem ist das Fehlen einer semantischen Ebene. Herkömmliche Technologiebereitstellungen von ERP und APS verstärken den Bullwhip-Effekt und verlängern die Prozesslatenz. Leider geben Unternehmen viel Geld aus, um Entscheidungen zu spät zu treffen, ohne Klarheit darüber zu haben, ob es sich um eine gute Entscheidung handelt. Die hohen Kosten inflationärer Lagerbestände und die Notwendigkeit, das Betriebskapital nach der Pandemie abzubauen, sind für Unternehmen ein Anreiz, Netzwerkdaten besser zu nutzen.
• Beziehungsmanagement. Heutzutage sind Unternehmen blind für die Beziehungsströme in ihren Netzwerken. Die Hauptinvestitionen erfolgen in Netzwerke mit begrenzten Kapazitäten auf Basis von EDI und indirektem Beschaffungsausgabenmanagement. Der Fokus auf Inside-Out-Prozesse ist ein Hindernis für den Aufbau starker Beziehungen. Die Investitionen in neue Ansätze und die Bereitstellung von Prozessen von außen nach innen ermöglichen eine schnellere Erfassung und bidirektionale Orchestrierung über Quelle, Herstellung und Lieferung hinweg. Bei der Verwaltung von ESG-Plänen ist auch Beziehungstransparenz erforderlich.
• Neudefinition der Arbeit in der Planung. Demokratisierung planen. Ich habe letzte Woche mit einem Unternehmen mit über 700 Planern gesprochen. (Sagen wir das noch einmal: 700 Planer? Yowza, wie ist das jemals passiert?) Das Unternehmen definierte Planung als Zeit, um innerhalb der kurzfristigen Zeithorizonte von 3 bis 12 Wochen zu reagieren. In ihrem Eifer, hart zu arbeiten und zu reagieren, verlieren sie Einblicke in die längerfristigen Entscheidungen. Reaktivität fördert nicht die Exzellenz der Lieferkette. Das Ziel sollte sein, wahrzunehmen und darauf zu reagieren. Das Unternehmen fragte mich: „Wie viele Planer sollten sie haben?“ Meine Antwort war: „Sind Sie bereit, Arbeit neu zu definieren?“ Ich glaube, dass die Entwicklung besserer Engines, Architekturen und Outside-In-Prozesse das Potenzial hat, die Zahl der Planer um 85–90 % zu reduzieren. Um dieses Ziel zu erreichen, müssen sich Unternehmen über die Rolle der Planung und die Definition von Supply Chain Excellence im Klaren sein und die Planung demokratisieren. Wenn diese Organisation jedoch die aktuelle Organisation dazu bringt, neuere Technologieansätze einzusetzen, werden sie scheitern. Der Grund? Die Planer werden sich gegen die Neudefinition von Arbeit wehren.

Wie bereite ich mein Team vor?

Der Ausgangspunkt dieser Reise ist die klare Definition von Supply Chain Excellence. Funktionale Exzellenz bringt die Lieferkette aus dem Gleichgewicht, erhöht die Verschwendung und verringert die Marge. Traditionelle Planungstaxonomien konzentrieren sich auf die Optimierung funktionaler Metriken. Der erste Schritt besteht darin, Supply Chain Excellence funktionsübergreifend zu definieren und die Engines und Taxonomien aufeinander abzustimmen, um die Bilanzeffektivität zu verbessern. Eine Verbesserung der Kosten führt nicht unbedingt zu einer Verbesserung der Marge.

Der zweite Schritt besteht darin, das organisatorische Lernen zu neuen Technologien und der Kunst des Möglichen voranzutreiben. Stoppen Sie die dummen RFPs, die in der Branche kursieren. Arbeiten Sie stattdessen mit einigen Technologen zusammen, um zu testen und zu lernen. Beschränken Sie diese Arbeit nicht, indem Sie dem Projekt einen definierten ROI aufzwingen.

Der dritte Schritt besteht darin, einen Zukunftsplan für Outside-In-Prozesse und die Nutzung des Marktes (sowohl Kanal- als auch Lieferantendaten) zu erstellen, um die bidirektionale Orchestrierung durchgängig voranzutreiben. Es gibt noch keine Technologien auf dem Markt, die die Vision ermöglichen könnten, aber das Interesse ist groß und die Technologien sind eher bereit, die Anwendungsfälle voranzutreiben. Die Barriere ist das Verlernen. Im August werde ich drei Kohorten durch einen virtuellen Kurs führen, in dem wir einen Outside-In-Prozess definieren, Daten kategorisieren, Technologien ausrichten und gleichzeitig potenzielle Anwendungsfälle/Visionen definieren. Ich freue mich darauf, Ende August mehr über die Erkenntnisse von 140 virtuellen Studierenden zu teilen.

• SEO-gestützte Content- und PR-Distribution. Holen Sie sich noch heute Verstärkung.
• PlatoData.Network Vertikale generative KI. Motiviere dich selbst. Hier zugreifen.
• PlatoAiStream. Web3-Intelligenz. Wissen verstärkt. Hier zugreifen.
• PlatoESG. Automobil / Elektrofahrzeuge, Kohlenstoff, CleanTech, Energie, Umwelt, Solar, Abfallwirtschaft. Hier zugreifen.
• BlockOffsets. Modernisierung des Eigentums an Umweltkompensationen. Hier zugreifen.
• Quelle: https://www.supplychainmovement.com/the-dance-with-ai/