Lieferkettenschocks mit AI vermeiden: Eine Chance im Wert von 62 Mrd. US-Dollar

• Die COVID-19-Pandemie hat gezeigt, wie verwundbar globale Lieferketten sind
• In der Möbelbranche waren die Verkaufszahlen zu Beginn der Pandemie zwar rekordhoch, doch zuletzt gingen mehrere Unternehmen aufgrund von Containermangel, Rohstoffknappheit und Verzögerungen beim Erhalt wichtiger Komponenten in die Insolvenz
• Die größte Lieferkettenkrise ist zwar vorbei, doch ein gewisses Maß an Unterbrechung und Chaos ist inzwischen zum Alltag geworden
• Durch Störungen in Lieferketten wurden in den vergangenen Jahren Schätzungen zufolge rund 1,6 Billionen US-Dollar an Verlusten verursacht
• Ein Blick auf zehn Jahre Lieferkettenstörungen zeigt, dass Unternehmen im Durchschnitt etwa die Hälfte eines Jahresgewinns verlieren können

Drei Ursachen für Lieferkettenchaos

1. Kommunikationstools, die auf unstrukturierten Daten basieren

   • Unstrukturierte Daten wie E-Mails, Textnachrichten und gescannte Dokumente enthalten wichtige Informationen, lassen sich jedoch nur schwer systematisch extrahieren und analysieren, was die Kommunikation mit Lieferanten erschwert
   • Beispiel: Bei Tesla wurde die Information über Chipmangel in E-Mails übersehen, was zu Produktionsverzögerungen führte und im 3. Quartal 2021 Produktionsausfälle von 190.000 Fahrzeugen verursachte

2. Veraltete und ungleichmäßig eingeführte EDI-Systeme

   • EDI ist ein in den 1960er-Jahren eingeführtes Dateiaustauschsystem für Geschäftsdokumente, das in den 1990er-Jahren von großen Herstellern breit eingeführt wurde
   • Beispiel: Großunternehmen wie La-Z-Boy nutzen EDI, um bei ausländischen Lieferanten 50.000 Ledersofas zu bestellen, während Beschaffungsteams Angebotspreise vergleichen
   • Kleine und mittlere Unternehmen hingegen haben Schwierigkeiten bei der Einführung von EDI und verhandeln daher oft über Tage hinweg mit ausländischen Lieferanten über mehrere Kanäle und Plattformen

3. Datensilos durch die Nutzung zahlreicher Software-Management-Systeme

   • Durch den Einsatz verschiedener Software wie ERP, WMS und TMS entstehen Datensilos, die eine End-to-End-Transparenz der Lieferkette behindern
   • Beispiel: Bei Unilever führten fehlende Kommunikation zwischen ERP und WMS zu Bestandsabweichungen; 2022 stiegen dadurch weltweit Out-of-Stocks um 23 % und Überbestände um 17 %

Ein Marktpotenzial von 62 Mrd. US-Dollar, das mit AI erschlossen werden kann

• Laut Gartner werden die jährlichen Ausgaben für Supply-Chain-Management-Software voraussichtlich von 29 Mrd. US-Dollar im Jahr 2023 auf 62 Mrd. US-Dollar im Jahr 2028 wachsen, was einer CAGR von 16,3 % entspricht
• Gut positionierte, innovative und schnell agierende AI-Startups könnten diesen Markt erobern
• AI kann visuelle, numerische und textuelle Daten klassifizieren und komplexe Szenarien mit hoher Genauigkeit modellieren
• Beispiel: Computer-Vision-Systeme können Produkte an Montagelinien prüfen und Defekte konsistenter identifizieren als Menschen
• Machine-Learning-Algorithmen können alles analysieren — von historischen Einkaufsmustern bis hin zu politischen Umbrüchen, Arbeitsbedingungen und Wetter — und die Nachfrage mit beispielloser Genauigkeit prognostizieren

Drei besonders vielversprechende Bereiche für den AI-Einsatz

1. Procurement: Beschaffung und Sicherung der für den Unternehmensbetrieb notwendigen Produkte
2. Supplier Intelligence: Sammlung von Daten zur Bewertung und Optimierung von Lieferantenbeziehungen
3. Demand Planning: Prognose der künftigen Kundennachfrage für eine optimale Versorgung

Warum sich Procurement besonders gut für Automatisierung eignet

• Procurement ist entscheidend für eine stabile Rohstoffversorgung, die Pflege von Lieferantenbeziehungen und die Verbesserung von Margen
• Startups wie Tonkean automatisieren große Teile von Beschaffungsprozessen wie Vertragsverlängerungen oder Rechnungsverarbeitung
• RPA automatisiert eingabebasierte Prozesse regelbasiert, kann jedoch keine unstrukturierten Daten verarbeiten
• AI-Startups wie Didero, Lighthouz AI und Soff extrahieren Erkenntnisse, die in E-Mails und PDFs verborgen sind
• Pulse AI entwickelt eine Suchmaschine, die unstrukturierte Daten durchsucht, um Fragen zur Lieferkette zu beantworten
• Mandel AI entwickelt einen Supply-Chain-Agenten, der bei Änderungen von Lieferzeiten und Preisen bei Lieferanten ERP-Systeme automatisch aktualisiert

So stärkt AI die Supplier Intelligence

• Um die besten Lieferanten zu finden, müssen Compliance-Anforderungen, Angebote und Marktveränderungen gemeinsam berücksichtigt werden
• Zudem erhöht eine größere Zahl an Lieferanten die Resilienz der Lieferkette gegenüber Schocks wie COVID-19 oder dem Russland-Ukraine-Krieg
• Anders als ein einfaches Suchfeld ermöglicht AI intelligente Lieferantenkartierung und Matching
• Altana ist in diesem Bereich führend und hat eine intelligente Value Chain über verschiedene Lieferkettenebenen hinweg aufgebaut; zudem bietet das Unternehmen einen LLM-Assistenten für Abfragen zu bestimmten Lieferanten
• Auch Keelvar und Fairmarkit bieten AI-basierte Plattformen, mit denen Einkaufsteams Lieferanten einfacher sourcen können
• In jüngerer Zeit bauen neue Anbieter wie Kipo AI und Terra Plattformen, die Unternehmen und Lieferanten zusammenbringen

Demand Planning geht über historische Daten hinaus

• Wenn Veränderungen bei Angebot und Nachfrage vorhergesagt werden, kann verhindert werden, dass Lieferkettenstörungen die Verbraucher erreichen
• Traditionelle Planungssoftware erstellt Prognosen meist auf Basis historischer Daten, was in schnelllebigen Märkten und geopolitischen Lagen unzureichend sein kann
• AI kann die Planungsfähigkeit verbessern, indem sowohl historische Daten als auch aktuelle Markttrends berücksichtigt werden
• Studien zufolge kann AI Ausreißer identifizieren und als relevant klassifizieren, um Fälle von „Panikkäufen“ wie dem Hamstern von Toilettenpapier während der Pandemie zu erkennen
• Laut McKinsey kann autonomes Supply-Chain-Planning den Umsatz um bis zu 4 % steigern und die Kosten um bis zu 10 % senken
• Ikigai nutzt patentierte Large Graph Models, um voneinander getrennte Datenquellen zu verknüpfen und Prognosen sowie Szenarien zu erzeugen
• Auch junge Unternehmen wie Spherecast drängen in den Planungsbereich und entwickeln Engines, die mehrere Kanäle verwalten und granulare Nachfrageprognosen auf unterschiedlichen Ebenen erzeugen

Die Lieferkette mit AI transformieren

• Im Lieferkettenbereich gibt es zwei besonders attraktive Faktoren für AI-Startups: siloartige Software-Management-Systeme und enorme Mengen unstrukturierter Daten
• Ob Procurement, Supplier Intelligence oder Demand Planning — AI dürfte Lieferketten in den kommenden Jahren gleichermaßen durcheinanderwirbeln und stärken

Meinung von GN⁺

• Es entstehen viele Startups, die AI-Technologien mit Supply-Chain-Management-Software verbinden. Das schafft zusammen mit den Fortschritten bei AI neue Chancen, bislang fragmentierte und ineffiziente Ansätze im Lieferkettenmanagement zu transformieren
• Insbesondere in den Bereichen Procurement, Supplier Intelligence und Demand Planning wird erwartet, dass AI bestehende Prozesse erheblich automatisiert und optimiert. Die Verarbeitung unstrukturierter Daten und die Modellierung komplexer Szenarien zählen zu den Stärken von AI
• Allerdings ist die Lieferkette ein äußerst komplexes Feld mit vielen beteiligten Akteuren. Daher gibt es bei der Einführung von AI zahlreiche Punkte, die sorgfältig bedacht werden müssen, etwa Datenqualitätsmanagement, die Vermeidung algorithmischer Verzerrungen und der Aufbau wirksamer Human-AI-Kollaborationsstrukturen
• Vor allem sollte man sich vor Augen halten, dass AI nur ein Werkzeug zur Unterstützung von Entscheidungen ist und die letztendliche Verantwortung weiterhin beim Menschen liegt. Statt den von AI gelieferten Erkenntnissen blind zu folgen, sind ausgewogene Entscheidungen auf Basis von Erfahrung und Fachwissen entscheidend
• Zusammengefasst kann AI ein Game Changer sein, der Ineffizienzen im Lieferkettenmanagement beseitigt und Optimierung ermöglicht. Erforderlich ist jedoch keine blinde Technikgläubigkeit, sondern ein strategischer Einsatz im Einklang mit den Geschäftszielen

[colus001]

Wie soll man das mit AI überhaupt umsetzen? Hm … ich kann dem nicht so recht zustimmen. Lieferketten sind physische, greifbare und politische Probleme, daher wirkt es etwas befremdlich, dass man das mit Software beheben könne.