Künstliche Intelligenz in der Lieferkette : Lieferkette im Wandel: Wie autonom KI heute schon Entscheidungen trifft

Das österreichische Jungunternehmen Prewave hat sich darauf spezialisiert, weltweite Lieferketten durch den Einsatz von Künstlicher Intelligenz zu optimieren. Das 2017 gegründete Unternehmen von Lisa Smith und Harald Nitschinger wurde dabei im renommierten Ranking von VivaTech als der einzige österreichische Vertreter unter den „Top 100 Rising Startups“ geführt.

Lesen Sie auch: Neuausrichtung: Wie Prewave Führung & Struktur umbaut >>

Die Lösung des jungen Unternehmens hat sich vor allem im letzten Jahr stark weiterentwickelt, und zwar vom reaktiven zu einem proaktiven Risikomanagement-Tool. „Bisher konnten Unternehmen ihre Lieferanten oder kritische Transportknotenpunkte überwachen und reagieren, wenn etwas passiert. Aufgrund der politischen und geopolitischen Veränderungen ist dieses Frühwarnsystem natürlich weiterhin hilfreich, aber nicht das beste Werkzeug.“ Unternehmen müssten als Stresstest für ihre Lieferketten Risiken bewerten und Szenarien planen. Denn: „Es gibt heute nicht mehr den einen klaren Vorfall, auf den ich reagieren muss, sondern es gibt mehrere Disruptionen auf einmal, auf die ich mich vorbereiten muss.“

Damit verschiebt sich die Rolle von KI fundamental. Sie meldet nicht nur Ereignisse, sie strukturiert Entscheidungsräume. Welche Lieferanten sind bei Exportverboten besonders betroffen? Wo entstehen kritische Abhängigkeiten bei Zöllen oder geopolitischen Eskalationen? Die KI liefert Rankings, Prioritäten und Handlungsoptionen – eine notwendige Vorstufe für operative Eingriffe.

Dabei stehen nicht mehr nur, wie bei der Ursprungslösung, dem Frühwarnsystem, die direkten Lieferanten im Fokus, die Lösung mache nun auch die tiefere Lieferkette transparent. Dafür kombiniert Prewave öffentlich verfügbare Datenquellen – Zolldaten genauso wie Presseaussendungen, Geschäftsberichte oder technische Dokumentationen - und Künstliche Intelligenz, um Vorhersagen über wahrscheinliche Lieferbeziehungen zu tätigen. „Dadurch können wir Unternehmen auch ihre zweite oder dritte Lieferanten-Ebene sehr transparent machen“, so der Prewave-Gründer.

Dass Künstliche Intelligenz allerdings vollständige autonom operative Entscheidungen trifft, sieht Nitschinger in der Praxis nicht – noch nicht, wie er betont: „es ist ganz klar, dass dort die Reise hingeht und es nicht mehr lange dauert, bis es Anwendung findet.“ 

Nie mehr eine wichtige News aus der Logistik verpassen? Hier geht es zu unseren Newslettern!

Auch Wolfgang Brunner, Head of Corporate Digitalization bei Gebrüder Weiss, spricht beim Einsatz von Künstlicher Intelligenz in der Lieferkette bewusst nicht von Autonomie, sondern von Beschleunigung. Entscheidend sei dabei das Prinzip „Human in the loop“. Die Systeme reagieren heute innerhalb von Sekunden auf Hafenstaus, extreme Wetterlagen, geänderte Slot-Kapazitäten oder gesperrte Seewege und berechnen Alternativrouten. Doch die finale Verantwortung bleibt beim Menschen. „KI ersetzt den Disponenten nicht, sie verschafft ihm Zeit und bessere Entscheidungsgrundlagen.“

Dabei würden gerade Unternehmen mit volatiler Planung stark profitieren. „Wir können heute wesentlich früher und genauer Auslastungen, Mengenentwicklungen oder kritische Engpässe prognostizieren. Wichtig ist, immer den kompletten End-to-End-Prozess im Blick zu behalten.“ 

Manuell wäre auch einiges in dieser Form gar nicht leistbar, so der Gebrüder-Weiss-Manager: So schafft die Analyse komplexer Datenmengen langfristige Dispositions- und Netzwerkoptimierungen. Als konkretes Beispiel nennt er etwa auch die Vordisposition auf Basis von Mengendaten, die dem Disponenten bereits eine sehr gut vorbereitete Entscheidungsgrundlage liefere. Dadurch reduziere sich der Zeitaufwand für die finale Disposition erheblich.

Palfinger will die „Chancen, die Künstliche Intelligenz bietet, aktiv als Unternehmen nutzen“ und setzt „einen noch stärkeren Fokus auf unsere globale Supply Chain.“ Noch trifft KI bei Palfinger keine autonomen Entscheidungen. Auch Materialien oder Komponenten werden aktuell nicht in Echtzeit durch KI gesteuert. Stattdessen kommen heuristikbasierte Tools zum Einsatz, die Lagerbestände, Bestellmengen und Wiederbeschaffungszeiten optimieren. 

Bei der Verbindung von Produktions- und Supply-Chain-Daten, um ein durchgängiges Entscheidungsmodell zu etablieren, befinde sich Palfinger in der Pilotphase. „Im ersten Schritt bauen wir einen digitalen Zwilling auf, gefolgt von einer End-to-End-Planung durch ein Advanced Planning System (APS)“, erklärt COO Alexander Susanek.

Auch er betont den Wert von Daten – dem „neuen Gold“ – und erklärt die duale Rolle von Daten aus den eigenen Quellen: „Einerseits sind sie ein zentraler Werttreiber und haben ein riesiges Potenzial für Optimierungen. Andererseits sind sie in vielen Unternehmen der Grund, wieso digitale Transformation nur langsam vorankommt oder missglückt. Erst wenn interne Daten einen entsprechenden Reifegrad haben, lassen sie sich sinnvoll mit externen Risiko- und Marktdaten kombinieren und in bestehende Entscheidungsmodelle integrieren.“

Ein Whitepaper von der Transportplattform Transporeon zeichnet ein ähnliches Bild wie Prewave-Gründer und -Geschäftsführer Harald Nitschinger. Es beschreibt den Übergang von analytischer KI zu sogenannten agentischen Systemen – KI-Instanzen, die innerhalb definierter Leitplanken selbst handeln: bei Frachtausschreibungen, Preisfindung oder dynamischer Routenoptimierung.

Entscheidend sei dabei nicht die Autonomie an sich, sondern das Zusammenspiel aus Plattform, Datenökosystem und Governance. Operative KI funktioniert dort am besten, wo viele Marktteilnehmer angebunden sind und Entscheidungen auf breiter Datenbasis getroffen werden können. Gleichzeitig bleibt die Datenqualität der limitierende Faktor – eine Erkenntnis, die sich in Industrie und Logistik bereits durchgesetzt hat.

Statt großer Automatisierungsversprechen und Künstlicher Intelligenz als autonomer, operativer „Kollege“ geht es in der Praxis um viele kleine operative Eingriffe: schnellere Priorisierungen, vorbereitete Entscheidungen, strukturierte Alternativen.