KI in der Supply Chain : Supply-Chain-Wende: Mit KI-Simulation Lagerkosten senken und Kapital freisetzen

Der Einsatz von digitalen Tools, um die Lieferketten zuverlässig und krisensicher zu machen, wird derzeit in vielen Industriebetrieben besonders intensiv diskutiert. Doch für ein wirksames Supply-Chain-Management genügt es nicht, die Nachfrage nach einzelnen Produkten und Komponenten möglichst genau vorherzusagen – entscheidend ist, unterschiedliche Szenarien durchzuspielen und deren Auswirkungen verstehen zu können.

>>> Lieferketten-Wende: Wie smarte Algorithmen den Unterschied machen

KI-gestützte Hilfsmittel wie die kürzlich vom Wiener Technologieunternehmen STRG.at entwickelte Demand Forecast Plattform (STRG.reason) können dabei einen großen Schritt nach vorne bedeuten. Denn solche Plattformen, die die Leistungsfähigkeit moderner KI mit den zentralen Steuerungsgrößen industrieller Wertschöpfung verbinden, erlauben nicht nur die Erstellung von Prognosen, sondern sie ermöglichen es auch, die Konsequenzen zu erfassen, die sich aus den Prognosen ergeben. 

Nie mehr die wichtigsten News aus Österreichs Industrie verpassen? Abonnieren Sie unser Daily Briefing: Was in der Industrie wichtig wird. Täglich um 7 Uhr in ihrer Inbox. Hier geht’s zur Anmeldung!

Anstelle starrer Zahlenreihen setzen entsprechende Tools daher auf interaktive Simulation. Bei STRG.reason können Entscheidungsträger innerhalb weniger Minuten simulieren, wie sich Szenarien wie Lieferverzögerungen, Materialengpässe oder regionale Marktexpansion auf die gesamte Lieferkette auswirken.

>>> KI-Projekte im Check: Experte warnt vor gefährlicher Konzeptlosigkeit

Das Besondere daran ist, dass die Risiken klar quantifiziert werden. Anhand gemeinsam definierter Kostenfunktionen, beispielsweise für Über- oder Unterdeckung, erhalten Unternehmen sofortige Einschätzungen ihrer Handlungsoptionen. Dynamische Risikoindikatoren zeigen die Folgen falscher Bestellungen auf, bevor diese tatsächlich eintreten.

Möglich wird das, durch ein intelligentes Risk-Minimization Framework und entsprechende Cost-Functions die für die Bewertung der Szenarien stehen. Konkret kann das zum Beispiel bedeuten, dass die Plattform berechnet, wie sich die Lagerbestände entwickeln und wo die Vorräte außer Kontrolle geraten könnten. Das senkt nicht nur die Lagerkosten, sondern setzt auch Kapital frei, das sonst im Umlaufvermögen gebunden wäre. Gleichzeitig steigt die Liefertreue, weil drohende Engpässe sichtbar werden, bevor sie den Kunden erreichen. Damit kann die Lösung direkt mit den wesentlichen KPIs eines Industrieunternehmens gekoppelt werden. 

>>> Künstliche Intelligenz in der Industrie: Überschätzt oder missverstanden?

Auch die Auslastung der Produktionskapazitäten kann durch dynamische Simulation und Prognose verbessert werden, weil damit gezeigt werden kann, wann Maschinen überlastet sind oder ungenutzt bleiben. 

Im nächsten Entwicklungsschritt setzt STRG.AT auf die Möglichkeiten von Causal-AI. Durch eine Causal Discovery werden Entscheidungen und Urteile für den User nachvollziehbar und ihre kausalen Verbindungen transparent. Aus dem klassischen Blackbox-Verhalten einer KI wird hier ein Whiteboxing.