Illustration Absmeier foto freepik

Große Datenmengen stellen für Unternehmen eine immer größere Herausforderung dar. Unterstützt von cloudbasierten Daten- und Orchestrierungsplattformen bieten sie jedoch auch wertvolle Chancen. Vor allem der Einsatz von KI- und ML-basierten Technologien erweist sich für das Aufbereiten und Analysieren großer Datenmengen als hilfreich.

Hochentwickelte Technologien wie KI und ML haben das Potenzial, die weltweiten Lieferketten in ihrer Performance grundlegend zu verbessern. Durch Echtzeitüberwachung entlang der gesamten Lieferkette und in den Partnernetzwerken kann die KI- und ML-gestützte Software mögliche Anomalien zuverlässig erkennen, Ergebnisse anhand verschiedener Lösungsansätze bewerten und selbstständig Korrekturmaßnahmen ergreifen. Laut einer Untersuchung von Gartner¹ werden bis 2025 mindestens die Hälfte der Großunternehmen KI-basierte Orchestrierungsplattformen einsetzen. Das sind 40 Prozent mehr als 2020, wo die Quote noch bei weniger als 10 Prozent lag. Doch trotz der zum Teil hohen Investitionen in KI- und ML-Projekte, fielen die Geschäftsergebnisse bei 85 Prozent der befragten Unternehmen niedriger aus als geplant. Das liegt zu einem großen Teil daran, dass viele Industriebetriebe immer noch veraltete Systeme im Einsatz halten, die für KI-Implementierung nicht oder nur unvollständig ausgelegt sind.

Damit Lieferketten die erwarteten Ergebnisse liefern, müssen sie eine Plattform nutzen, mit der sich große Informationsmengen in Sekundenbruchteilen verarbeiten lassen. Neben einheitlichen Governance- und Compliance-Funktionen sollte die Plattform daher auch Funktionen für Echtzeit-Einblicke aus dem unternehmensübergreifenden Netzwerk sowie aus Drittquellen enthalten. Auf diese Weise können Unternehmen Echtzeit-Daten system- und standort- sowie partnerübergreifend aufnehmen und analysieren und vorhandene Datensilos aufbrechen.

Mit einer leistungsstarken Supply-Chain-Plattform allein ist es jedoch nicht getan. In vielen Unternehmen fehlt auch die notwendige Infrastruktur und Kapazität, um die sehr großen Datenmengen von Lieferanten, Kunden, Partnern oder Drittanbietern, die täglich verarbeitet werden müssen, zu sammeln, zu harmonisieren, zu analysieren und für die tägliche Entscheidungsfindung zu nutzen. Sie arbeiten beispielsweise mit jahrzehntealten Datenbanken, verwenden Offline-Algorithmen oder verlassen sich auf Systeme, die innerhalb von Datensilos operieren. Zudem sind die Daten häufig immer noch über die gesamte Lieferkette in verschiedenen Einzellösungen verteilt und zentral nicht abrufbar und verwertbar. Industriebetriebe, die jedoch nicht in der Lage sind, Echtzeitdaten zu Nachfrageänderungen, Lagerbeständen, Produktverfügbarkeit und anderen Schlüsselfaktoren zuverlässig zu erfassen und zu nutzen, werden keine präzisen Aussagen treffen können und das Potenzial ihrer Lieferkette nicht ausschöpfen. Die Folgen sind Fehleinschätzungen und falsche Entscheidungen mit den entsprechenden geschäftlichen Konsequenzen.

Barrieren für den Datenzugriff abbauen

Einige KI-Daten-Cloud-Spezialisten bieten Unternehmen seit einiger Zeit vollständig verwaltete, sichere Plattformen für die Datenkonsolidierung an. Durch Kooperation mit einer ergänzenden Partner-Supply-Chain-Lösung, erhalten Kunden und Partner einen zentralen Zugang zu einem zentralen Datenmarktplatz. Sie können so beispielsweise ihre internen Daten mit Live-Datenprodukten von Drittanbietern – von Rohstoffpreisen bis hin zu Wettermustern – anreichern, ihre Szenarien präziser planen und fundiertere Geschäftsentscheidungen treffen. Die Ergebnisse werden anschließend in einem semantischen Datenmodell logisch abgebildet und in ein Format umgewandelt, das von Cloud-nativen Diensten problemlos genutzt werden kann. Bis zu 20 Milliarden Machine-Learning-Workloads führen einige dieser Supply-Chain-Plattformen täglich aus. Viele Systeme verwenden eine relationale KI als semantische Schicht, die LLMs und Agenten den notwendigen sprachbasierten Kontext zu den zugrunde liegenden Daten liefert.

Da die Daten an einem zentralen Ort, der Single-Source auf Truth, gespeichert werden, greifen alle Anwender auf einen einheitlichen Datenbestand zu und können so über das gesamte Ökosystem der Lieferkette hinweg synchronisiert zusammenarbeiten. Mittels Datenkollaborationsfunktionen, welche die Partner-Lösung zur Verfügung stellt, können Teams auch von unterschiedlichen Standorten und Systemen aus auf Daten zugreifen und so ihre KI-Modelle gemeinsam erstellen, trainieren und kontinuierlich verfeinern. Beispielsweise können sie über die gesamte Lieferkette hinweg die zukünftigen Bedarfe für Produkte und Dienstleistungen abschätzen, Bestände verwalten oder Artikel für die Auslieferung vorbereiten.

Geringere Kosten durch einen zentralen Datenspeicher

Der Zugriff auf einen zentralen Datenspeicher verringert nicht nur die Latenzen zwischen Lieferanten, Kunden, Partnern oder Drittanbietern signifikant, er reduziert auch die Komplexität und den Zeitaufwand für Datenumwandlungen. Durch die reduzierte Datenmenge und -bewegung sowie der niedrigen Latenz können Unternehmen so – trotz hoher Investitionen in innovative Technologien wie KI oder ML – ihre Gesamtkosten deutlich reduzieren.

Transparente, durchgängige Sicht auf die gesamte Supply-Chain

Durch die gemeinsame Datennutzung erhalten Anwender weltweit eine transparente durchgängige Sicht auf die Supply-Chain und können nahezu in Echtzeit über Anwendungen hinweg zusammenarbeiten. Durch das Zusammenführen von Echtzeitdaten aus dem gesamten Supply-Chain-Ökosystem, inklusive Lieferanten und deren Lieferanten (N-Tier), ist es für Anwender zudem möglich, Ausnahmen schneller zu identifizieren und bei Bedarf umgehend Maßnahmen einzuleiten. Unternehmen können so die gesamte Lieferkette nahezu in Echtzeit orchestrieren und synchronisieren unter Berücksichtigung aller Faktoren, die Einfluss auf ihre Betriebskosten und Ergebnisse haben – unabhängig, ob sie vorgelagert, nachgelagert oder extern sind.

Gabriel Werner, Global Field CTO bei Blue Yonder

Gabriel Werner ist Experte für Supply Chain Management, Automatisierung und künstliche Intelligenz in der Lieferkette. Mit seinem Team deckt er die gesamte Wertschöpfungskette im Supply Chain Management ab, von der Planung bis zur Steuerung. Gabriel Werner hilft Kunden aus der industriellen Fertigung, Logistik und Retail bei der Digitalisierung ihrer Lieferketten. Vor seiner jetzigen Tätigkeit war er als Vice President Manufacturing für die DACH-Region und Vice President of Solutions Advisory für Blue Yonder in der EMEA-Region tätig. Er kam im April 2011 als Senior Solutions Advisor zu Blue Yonder und unterstützte Unternehmen bei der Verbesserung ihrer Lieferkettenleistung durch den Einsatz von Technologie. Er durchlief verschiedene Rollen, u.a. die des Vice President. Seit 2024 ist er als Global Field CTO branchenübergreifend für alle Blue Yonder Industrien verantwortlich.

¹ https://www.gartner.com/en/documents/4006740

2109 Artikel zu „Big Data KI“

News | Cloud Computing | Digitalisierung | Infografiken | Künstliche Intelligenz | Lösungen | Services

Big Data killed the Radio Star? Wie künstliche Intelligenz die Musikindustrie beeinflusst

8. Januar 2019

Schon immer war die Musikindustrie eine, die sich konstant weiterentwickelt und an die Gegebenheiten der Welt angepasst hat. Mittlerweile hat mit Streaming, Cloud Computing und Algorithmen eine neue Ära dieser begonnen. Künstliche Intelligenz hat nicht nur die Prozesse in der Branche revolutioniert, sondern hilft uns auch dabei, Musik auf eine neue Art und Weise wahrzunehmen…

1 https://www.gartner.com/en/documents/4006740

2109 Artikel zu „Big Data KI“

¹ https://www.gartner.com/en/documents/4006740