Das ist dumm gelaufen. Der Lkw, der Teile in das Werk eines großen europäischen Automobilherstellers bringen sollte, steckt am Grenzübergang einer EU-Außengrenze fest und kann nicht einreisen. Was jetzt? Die Just-in-Time-Produktion im Werk hängt vom pünktlichen Eintreffen dieser Teile ab. Im schlimmsten Fall stehen die Bänder still, aber soweit muss es nicht kommen. Trotzdem treiben Szenarien wie dieses, Produktionsplanern und Supply Chain Managern den Angstschweiß auf die Stirn.
Einige Visibility-Lösungen geben zwar recht zuverlässig an, wo sich ein Lkw aktuell befindet und wann er voraussichtlich sein Ziel erreichen wird. Diese Information zu haben, ist extrem wichtig, reicht aber in vielen Fällen nicht aus. Denn dabei stoßen Lösungen häufig an ihre Grenzen – besonders dann, wenn festsitzende Teile schnell von anderer Stelle beschafft werden müssen.
Schnelligkeit ist hierbei Stichwort: Damit die Just-in-Time-Produktion aufrechterhalten werden kann, muss der Engpass schnell aufgelöst werden. Denn so ein Stocken kann ganze Abteilungen für mehrere Stunden, wenn nicht Tage, binden. Eine Visibility-Lösung geht hier definitiv in die richtige Richtung, ist jedoch weder Automatisierungs-Tool noch gibt sie Handlungsempfehlungen.
Schnellere Entscheidungen dank Automatisierung
Worin besteht also die Evolution der Supply Chain Transparenz? Supply Chains mit automatisierten Prozessen – nicht nur in der Intralogistik, aber gerade im Transport. Gerade bei einer Störung, wie im zuvor beschriebenen Szenario einer Grenzschließung, zeigt eine Automatisierungslösung auf, wie sich Unterbrechungen in der Supply Chain am besten beheben lassen. Zugleich klärt sie die Frage, wie etwa die schnellstmögliche Lösung aussieht, mit welchen Kosten zu rechnen ist oder wie hier am effizientesten verfahren werden kann. Im vorliegenden realen Fallbeispiel etwa, wurde ein weiterer Lkw zur Grenze geschickt, der die Ladung übernommen hat, was dazu geführt hat, dass letztlich nur noch zwei Mitarbeiter:innen für eine schnelle und effektive Lösung des Problems erforderlich waren.
Ein anderes Beispiel: In der Umgebung der Fabrik des Automobilherstellers wurde ein schweres Unwetter angekündigt, das den Lkw-Verkehr beeinträchtigt hätte. Die Lösung: Die Abfahrt der Lkw, die für den Transport der benötigten Teile eingeplant waren, wurde um einen Tag vorverlegt, um dem Gewitter zuvorzukommen.
Lösungsvorschläge wie diese erhält jener Automobilhersteller mittels eines digitalen Control Towers. Die vorausschauende Analyse, die das Tool bietet, ist aber nur so gut, wie die Daten, die ihm zur Verfügung stehen. Je besser die Daten, desto präziser die Ergebnisse. Leistungsstarke Algorithmen sorgen bei solch machen innovativen Lösungen nicht nur transparentere Supply Chains, sie ermöglichen vor allem einen wesentlich höheren Grad der Automatisierung.
Die Datenqualität ist der Schlüssel
Die hierfür verwendeten Daten sind klassischerweise Wetterdaten, aber auch Verkehrsflüsse, Ferienzeiten, Stauprognosen, Baustellendaten sowie unternehmenseigene Informationen und werden von Google beigesteuert. Hinzu kommen Daten über vorhandene Lagerbestände, Aufträge, Produktionsplanung, IoT-Daten und viele mehr. Dabei ist klar: Für Menschen ist es schwierig bis gar unmöglich, sich kurzfristig einen Überblick einer solchen Gemengelage zu verschaffen und daraus richtige Entscheidungen abzuleiten – hier muss KI ran. Allerdings kann ein Anbieter alleine kaum eine Lösung bereitstellen, die gleichzeitig die Anforderungen unterschiedlicher Branchen und Kunden abdeckt, zumal jeder nur ein Rädchen in einem viel größeren Ökosystem darstellt.
Um also eine umfassende Lösungsfamilie für die Automatisierung von Prozessen im Transport und im Supply-Chain-Management anbieten zu können, müssen hier mehrere Akteure zusammenarbeiten. Während einer die erforderlichen Daten liefert, steuert ein anderer KI-Anwendungen bei und ein Dritter strukturiert Data-Lakes und bringt umfassendes Prozesswissen über Transportlogistik ein. Dafür muss die technologische Umgebung so offen gestaltet sein, dass sich die jeweiligen Partner schnell und einfach integrieren lassen, um auf möglichst effiziente Art und Weise, neue datengetriebene Lösungen effizient entwickeln zu können.
Dies hat Shippeo, der größte europäische Anbieter für Supply Chain Transparenz, erkannt und gemeinsam mit seinen Partnern, Google, 4flow, Snowflake, e2open und IBM, etwas Neues ins Leben gerufen: Transport Process Automation™ (TPA™). Dabei handelt es sich um ein Automatisierungs-Ökosystem für Anwendungen, wie einen Control Tower, sowie für manuelle, repetitive Prozesse. Diese lassen sich mithilfe von TPA automatisieren und reicht von Rechnungsläufen bis zur Modellierung von Abläufen im Transport. Sollte also das nächste Mal ein Lkw an der Grenze festsitzen, oder ein größeres Unwetter drohen, gerät in der Produktions- und Supply-Chain-Planung niemand mehr ins Schwitzen.
Aus meiner eigenen Erfahrung weiß ich, dass viele deutsche Logistikunternehmen, z. B. Shipstage https://shipstage.com bereits ernsthafte Projekte mit künstlicher Intelligenz entwickeln. Ich glaube, dass derartige Maßnahmen das System der Liefererstellung und die Berücksichtigung aller möglichen Risiken erheblich vereinfachen.