Künstliche Intelligenz + Business Analytics

LOGISTIK TREND

Worum geht es beim Trend "Künstliche Intelligenz und Business Analytics"?

Was den Menschen beson­ders auszeich­net ist seine Fähig­keit zu lernen. Als Künst­li­che Intel­li­genz (KI) bezeich­net die Wissen­schaft Systeme, die in der Lage sind, Probleme mit einer dem Menschen ähnli­chen Intel­li­genz zu lösen. KI-Anwen­dun­gen müssen nicht für spezi­elle Lösun­gen program­miert werden, sondern nehmen Rohda­ten auf und entwi­ckeln durch das Wieder­ho­len der Aufgabe eigen­stän­dig Algo­rith­men. Sie bilden neuro­nale Netze und lernen.

KI kann Bilder und Videos analy­sie­ren, Text und Spra­che vera­r­bei­ten und Daten aus verschie­de­nen Quel­len zusam­men­fü­gen. Darüber hinaus kann sie voraus­schau­ende Progno­sen tref­fen oder als Robo­ter auf dyna­mi­sche Umge­bun­gen reagie­ren, sowohl physisch als auch virtu­ell. Als Busi­ness Analy­tics kann sie die Geschäfts­leis­tung konti­nu­ier­lich itera­tiv unter­su­chen und Progno­sen für die Geschäfts­pla­nung erzeu­gen.

Was bedeu­tet der Trend für die Logis­tik?

Der Einsatz von KI reicht von der Robo­tik bis zum virtu­el­len, KI-gestütz­ten Prozess. So lassen sich Lösun­gen in nahezu allen Berei­chen der Logis­tik anwen­den. Intel­li­gente digi­tale Assis­tenz­sys­teme unter­stüt­zen zum Beispiel Dispo­nen­ten bei der Auswahl des opti­ma­len Fahr­zeugs oder bei der Berech­nung von Lager­ka­pa­zi­tä­ten. Sie analy­sie­ren Absatz­da­ten und prognos­ti­zie­ren den künf­ti­gen Bedarf von Gütern und Dienst­leis­tun­gen.

Mit Hilfe von Robo­tic Process Auto­ma­tion (RPA) können zeit­in­ten­sive, wieder­holte und fehler­an­fäl­lige Prozesse effi­zi­en­ter erle­digt werden: Soft­wa­re­r­o­bo­ter erler­nen die zeit­rau­ben­den Tätig­kei­ten und führen sie selb­stän­dig aus. Predic­tive Main­te­nance hilft der Produk­ti­ons­lo­gis­tik, Anla­gen vorbeu­gend auf Instand­hal­tungs­be­darf hin zu betrach­ten: Neuro­nale Netze lernen, histo­ri­sche und in Echt­zeit verfüg­bare Daten zu iden­ti­fi­zie­ren und daraus Progno­sen für die nächste erfor­der­li­che Wartung zu erstel­len.

 

Welche Lösun­gen hat die HEC gefun­den?

Künstliche Intelligenz

Sendun­gen auto­ma­tisch vervoll­stän­di­gen

Das nervt so manchen Dispo­nen­ten: Er (oder sie) muss Kunden­­auf­­träge ins Trans­­por­t­­ma­na­­ge­­ment­­sys­tem eintra­gen, doch die vorlie­gen­den Infor­ma­ti­o­nen sind sehr unter­schied­lich und unvoll­stän­dig. Ergän­zen kann er sie nur durch eigene Erfah­rungs­werte.  

Das welt­weit aktive Spedi­ti­­ons- und Logis­ti­k­un­ter­­neh­­men Fr. Meyer's Sohn (FMS) möchte maschi­nelle Lern­­ver­­fah­ren nutzen, um die Dispo­­nen­ten zu unter­­stüt­­zen. Die HEC hat die hete­ro­ge­nen Daten­ty­pen analy­siert und Regeln für sie iden­ti­fi­ziert. Im nächs­ten Schritt sollen mehrere unter­schied­li­che Modelle trai­niert werden, die die Sendungs­da­ten auto­ma­tisch vervoll­stän­di­gen können.

Mehr lesen

Robotic Process Automation

Auto­ma­tisch Daten
weiterleiten

Die webba­­sier­ten Portale von Reedern­ haben keine geeig­­ne­ten Schnit­t­s­tel­len, an die Spedi­teure ihre eige­nen Trans­port­ma­na­ge­ment­sys­teme ando­cken könn­ten. Daten müssen deshalb meis­tens manu­ell einge­pflegt werden. Der Schiffs­mak­ler und Linie­n­agent Peter W. Lampke GmbH & Co. KG (PWL) wollte heraus­fin­den, inwie­weit sich Robo­tic Process Auto­ma­tion (RPA) dazu eignet, Daten im eige­nen Agen­ten-Liner-System zu erfas­sen und von dort auto­ma­tisch an die Webpor­tale der Reeder weiter­zu­rei­chen. Die HEC hat PWL bei der Auswahl der geeig­ne­ten RPA-Soft­ware unter­stützt, die Soft­ware erprobt und konfi­gu­riert.

Mehr lesen