Lesezeit: 7 min
Anwendungsbereiche von KI in der Logistik
Wichtige Einsatzgebiete künstlicher Intelligenz in der Logistik
Die Anwendungsfelder von KI in der Logistik sind vielfältig. Das hier vorgestellte Modell bietet eine klare Struktur, um die verschiedenen Aufgaben und Bereiche innerhalb der Wertschöpfungskette strukturiert darzustellen.
Dazu werden die Aufgaben in vier wesentliche Aufgabenbereiche unterteilt: Erkennung, Analyse, Planen & Entscheiden sowie Ausführen.
Diese wiederum sind in drei wesentlichen logistischen Bereichen relevant: Beschaffung & Einkauf, Produktion und Vertrieb & Distribution.
Lesen Sie hier: Alles zum Thema KI in Logistik und Produktionsplanung
Wesentliche Anwendungsbereiche von KI in der Logistik
- Erkennung bezieht sich auf die Identifikation von Objekten und Risiken entlang der gesamten Lieferkette, wie etwa durch die Gesichtserkennung zur Mensch-Maschine-Kommunikation oder die Überwachung von Veränderungen im Kundenverhalten.
- Analyse umfasst unter anderem die Bewertung von Lieferanten, die Performance von Anlagen und Bedarfsprognosen, die für die Optimierung der Logistikprozesse genutzt werden.
- Planen und Entscheiden legt den Fokus auf die Optimierung von Kapazitäten und die Entscheidungsfindung im Hinblick auf Bestands- und Transportkapazitäten sowie die Produktionsreihenfolge.
- Ausführen bezieht sich auf die Automatisierung von logistischen Prozessen, von autonomen Fahrzeugen bis hin zur Automatisierung von innerbetrieblichen Transporten.
Diese klare Einteilung erlaubt es, spezifische Anwendungsfälle der Künstlichen Intelligenz (KI) innerhalb der Logistik zu identifizieren und deren Nutzen für die Optimierung der Prozesse aufzuzeigen.
Abbildung 1: Dortmunder Anwendungsmodell des Maschinellen Lernens in der Logistik; Quelle: Murrenhoff, A., Friedrich, M., & Witthaut, M. (2021). Künstliche Intelligenz in der Logistik. Herausgegeben von M. ten Hompel, M. Henke, & U. Clausen, Fraunhofer-Institut für Materialfluss und Logistik IML. Ausgabe 19, 28. April 2021.
Whitepaper
"Künstliche Intelligenz (KI) in der Logistik – Den Hype durchbrechen und echte Lösungen schaffen"
Kategorisierung nach Aufgaben
SUPPLY CHAIN VISIBILITY:
Echtzeit-Einblicke in die gesamte Lieferkette mithilfe von IoT und KI, wie etwa durch Echtzeit-Tracking oder Blockchain-Technologien für mehr Transparenz.
Beispiele: Echtzeit-Tracking, Datenverknüpfung, Blockchain für Transparenz.
PREDICTIVE ANALYTICS:
Vorhersage zukünftiger Lieferkettenereignisse durch KI, z. B. für Nachfrageprognosen und Wartungsplanung.
Beispiele: Bestands- und Nachfrageprognosen, Wartungsplanung, Lagerbestandsoptimierung.
AUTONOMOUS OPERATIONS:
Automatisierte, selbstständige Logistikprozesse, etwa durch autonome Lieferfahrzeuge oder Drohnen.
Beispiele: Autonome Lieferfahrzeuge, Drohnenlieferungen, Roboter in Lagerhäusern.
INTELLIGENT AUTOMATION:
Einsatz von KI zur Automatisierung und Optimierung von Prozessen, wie etwa durch intelligente Verpackungssysteme oder KI-gesteuerte Lagerverwaltung.
Beispiele: Automatische Bestellabwicklung, KI-gesteuerte Lagerverwaltung, intelligente Verpackungssysteme.
Whitepaper
"Künstliche Intelligenz (KI) in der Logistik – Den Hype durchbrechen und echte Lösungen schaffen"
Kategorisierung nach Bereichen
BESCHAFFUNG & EINKAUF:
Lieferantenauswahl, Risikomanagement, Nachfrageprognosen.
Beispiele: Natürliche Sprachverarbeitung (NLP) zur Analyse von Verträgen ML-Modelle zur Vorhersage von Lieferantenausfällen RPA für die Automatisierung der Lieferantenbewertung.
PRODUKTION:
Produktionsplanung, Wartungsoptimierung, Automatisierung.
Beispiele: Computer Vision zur automatischen Erkennung von Mängeln, KNNs für Vorhersagende Wartung (Predictive Maintenance), Autom. Entscheidungsfindung durch Reinforcement Learning.
VERTRIEB & DISTRIBUTION:
Absatzprognosen, Logistikoptimierung, Lager-& Bestandsverwaltung.
Beispiele: Deep Learning für Bedarfsprognosen, Optimierungsalgorithmen für die Routenplanung, Reinforcement Learning für dynamische Bestandsverwaltungssysteme.
Über den Autor
Friederike Bohm
Sie könnten auch an Folgendem interessiert sein
Zukunft interne Logistik – nur mit optimalem innerbetrieblichem Materialfluss
Die Software ipolog setzt auf Materialflussanalyse zur Optimierung des innerbetrieblichen Materialflusses. Die Software ermöglicht die 3D-Simulation der Prozessschritte und 2D-Darstellung des...
Materialbereitstellung
Die Materialbereitstellung bedeutet ganz einfach erklärt die Versorgung mit Material. Sie umfasst dabei die Gestaltung und Platzierung von Behältern und Regalen auf der Materialfläche in der...
Line Balancing leicht gemacht: Optimale Austaktung & Durchlaufzeiten mit ipolog!
Die optimale Austaktung der Linie ist ein entscheidender Erfolgsfaktor in der Fließmontage. Oft stehen Unternehmen vor folgenden Problemstellungen, bei der Suche nach der idealen Taktung:...
Intralogistik clever planen – Intralogistik besser optimieren
Intralogistik oder innerbetriebliche Logistik umfasst die Material-, Informations- und Warenflüsse innerhalb einer Fabrik. Abzugrenzen ist die externe Logistik, die den Warentransport außerhalb...
