Künstliche Intelligenz für das Supply Chain Management

Globale Partner, erhöhter Kostendruck, gestiegene Anforderungen an Termintreue, verkürzte Produktlebenszyklen sowie der Trend zu Individualisierung: Die Zusammenarbeit von Unternehmen mit ihren Geschäftspartnern, Lieferanten und Kunden sowie die Unternehmensprozesse selbst befinden sich durch die Digitalisierung im Wandel. Gleichzeitig fördert die digitale Transformation die Entstehung großer Datenmengen in so genannten Wertschöpfungsnetzen von Unternehmen.

Die Datenanalyse mittels künstlicher Intelligenz bietet enorme Potenziale für ein transparentes und optimiertes Supply Chain Management (SCM). Unternehmen für die Nutzung neuer datengetriebener SCM-Ansätze zu befähigen, ist Ziel des Forschungsprojekts MOVE.

In einem starken Konsortium werden KI-Verfahren erprobt, Methoden und Werkzeuge entwickelt und als übertragbare Vorgehensmodelle und Lösungsmuster im Unternehmenseinsatz validiert. Eine domänenübergreifende Spezifikationstechnik soll die standardisierte Beschreibung von Anwendungsfällen ermöglichen. Somit lassen sich sowohl die Wirkzusammenhänge in Wertschöpfungsnetzen als auch zugrundeliegende IT-Systeme und Datenquellen abbilden Zudem entwickelt das Projektteam KI-Verfahren zur automatisierten Analyse und Optimierung von Wertschöpfungsnetzen weiter. Dazu gehören z. B. Prognosemodelle und Optimierungsverfahren. Der Fokus des Fraunhofer IEM liegt dabei vor allem auf Werkzeugen zur schnellen Implementierung im Unternehmen: Lösungsmuster, Methoden für die Dateninventur und das Datenverständnis sowie Methoden zur Integration von Expertenwissen.

Um nah an den Anforderungen der Industrie zu sein, werden in den Partnerunternehmen Diebold Nixdorf, Phoenix Contact, Hettich und portavice Pilotprojekte umgesetzt, z. B. zur Prognose von Kundenbedarfen oder zur Beobachtung von Auswirkungen von Bedarfsschwankungen entlang der Lieferkette.