In Verbindung mit künstlicher Intelligenz (KI) sind Daten ein wesentliches Instrument für die Entwicklung der „Green Supply Chain“ im großen Maßstab. Ziel ist es natürlich, eine CO2-neutrale Lieferkette zu erreichen, ohne dabei Abstriche bei der Leistungssteigerung zu machen.
Laut einer von Capgemini im August 2020 durchgeführten Studie sind 85% der Unternehmen der Meinung, dass es möglich ist, Kostenoptimierung und Umweltschutz miteinander zu verbinden. Dies ist im Übrigen eine strategische Priorität, die der tatsächlich bestehenden Nachfrage seitens der Kunden entspricht. Laut derselben Studie achten 79% der Verbraucher bei ihren Kaufentscheidungen auf die Umweltauswirkungen ihrer Einkäufe.
Daten und künstliche Intelligenz strukturieren die „Green Supply Chain“
Ökologischer und digitaler Wandel sind eng miteinander verknüpft. Beide stehen auf demselben Aktionsplan und erfüllen dieselben Ziele im Hinblick auf betriebliche und ökologische Leistung bei gleichzeitiger Kostenoptimierung.
Wie kann Technologie der Umwelt nutzen?
Digitale Technologien ermöglichen es, die Widerstandsfähigkeit und die Leistungsfähigkeit der Lieferkette zu erhöhen und zugleich ihren CO2-Fußabdruck reduzieren. Einsparung von Kraftstoff und Energie, Reduzierung von Abfall, Zeitersparnis und Effizienz – all das ist möglich durch Systeme, welche Daten in Echtzeit sammeln und verarbeiten.
Laut der oben erwähnten Studie planen fast 80% der Unternehmen, in digitale Technologien zu investieren, um ihren ökologischen Wandel zu beschleunigen, z.B. durch die Umstellung auf robotergestützte Lager 4.0. Sie stellen sich diese Investition wie folgt vor:
Für 59% der Unternehmen liefern die Systeme zur Datenerfassung und -analyse wertvolle Indikatoren für die Verwaltung und Kontrolle von Umweltposten (Energie-, Kraftstoff- und Wasserverbrauch, aber auch die Bewertung von CO2-Emissionen).
50% sind zudem der Meinung, dass der technologische Fortschritt die Genauigkeit dieser Indikatoren immer weiter erhöht.
Künstliche Intelligenz zur Senkung der Umweltkosten des Straßenverkehrs
Daten und künstliche Intelligenz liefern konkrete Lösungen für den Straßenverkehr. Die Sammlung von Daten in Echtzeit bietet eine Fülle von Hinweisen auf die Fahrweise der Fahrer und damit auf den Kraftstoffverbrauch. Durch die Analyse der erhaltenen Daten ist es möglich, das Bewusstsein der Fahrer für eine Fahrweise zu schärfen, welche weniger Energie verbraucht und somit weniger CO2-Emissionen verursacht.
Drei Vorteile sprechen für den Einsatz von Daten und künstlicher Intelligenz im Straßenverkehrssektor:
Die Transportkosten sinken;
Der ökologische Fußabdruck der Lieferkette sinkt ebenfalls;
Die Fahrer/innen entwickeln oft ein vorsichtigeres Fahrverhalten.
Die Daten reduzieren auch die Lieferzeiten durch die Optimierung der Fahrten und der Auslastung. Durch die Analyse des Verkehrs in Echtzeit kann stets die flüssigste Route gewählt und die zurückgelegte Strecke verringert werden. Es wird geschätzt, dass diese Tools die zurückgelegten Entfernungen um 16% verringern und die Pünktlichkeit der Lieferungen auf durchschnittlich 98% erhöhen. Ein Fortschritt sowohl für die soziale Verantwortung der Unternehmen als auch für die Kundenzufriedenheit.
Wenn künstliche Intelligenz und die Lieferkette die Vorhersagbarkeit verbessern
Der andere große Vorteil von Daten, sobald sie mit künstlicher Intelligenz (KI) verbunden und von lernenden Algorithmen (Deep Learning) verarbeitet werden, liegt in ihrer Analysefähigkeit. Die Unternehmen gehen also von einem Analysemodell, welches auf vergangenen Leistungen beruht, zu einem Modell über, welches ihnen Auskünfte zu möglichen zukünftigen Ereignissen geben kann. Angepasst an die Logistik bietet diese prädiktive Funktionalität der Lieferkette effiziente Lösungen, sowohl in betrieblicher als auch in ökologischer Hinsicht.
So hat beispielsweise der Hafen von Antwerpen ein 3D-Modell des Hafens mit dem Namen APICA (Antwerp Port Information and Control Assistant) erstellt. Die Modellierung wird durch die Verarbeitung von Echtzeitdaten ermöglicht, welche die gesamten Aktivitäten des Hafens zusammenfassen. Sie berücksichtigt insbesondere die folgenden Daten:
die Bewegungen der Waren;
die Wetterbedingungen;
die Luftqualität;
die Gezeiten;
die Verfügbarkeiten des Personals;
die Bewegungen der Brücken und Schleusen.
All diese Daten werden von IoT-Sensoren (Internet of Things), Kameras und Drohnen übertragen. Die Hafenmanager erhalten so einen umfassenden Überblick über die Aktivitäten in Echtzeit, sodass sie ungewöhnliche Situationen vorhersehen können. So kann man z.B. die Schädlichkeit von Schiffsemissionen unter bestimmten Umständen vorhersagen und entsprechende Gegenmaßnahmen ergreifen.
Die Vorhersehbarkeit, die durch Daten und künstliche Intelligenz für die Lieferkette ermöglicht wird, ist auch eine Lösung, um Verschwendung drastisch zu reduzieren, insbesondere beim Transport von frischen Lebensmitteln. Es wird geschätzt, dass die Fähigkeit, Lagerbestände und Ladungen im Vorfeld so nah wie möglich an die Verkäufe anzupassen, die Anzahl der Lkws auf den Straßen um 15% bis 20% senken kann. Und die Qualität der Prognosen steigt durch KI um 10 bis 15 Prozentpunkte.
Daten und künstliche Intelligenz verändern die Lieferkette
Um in der Lage zu sein, ihre Umweltauswirkungen zu verringern, ihre Interaktionen zu optimieren und sich in Echtzeit an Störungen anzupassen, müssen Unternehmen ihre Lieferkette vollständig unter Kontrolle haben.
Warum sollten Daten während des gesamten Lebenszyklus eines Produkts gesammelt werden?
Unternehmen brauchen einen umfassenderen Überblick über die verwendeten Materialien, Komponenten und Inhaltsstoffe: die Verpackungen, die Bezugsquellen, die Produktionsprozesse und den Energieverbrauch. Diese Gesamtsicht auf ihre Branche bietet ihnen die nötigen Ressourcen, um tiefgreifende Veränderungen in der Lieferkette vorzunehmen.
Unternehmen müssen auch Netzwerke entwerfen, welche die verschiedenen Akteure auf ihrem Markt einbeziehen, angefangen bei ihren Kunden. So können sie auf Daten über den Vertrieb und das Recycling ihrer Artikel zugreifen. Für die Lieferkette konzipierte Modelle der künstlichen Intelligenz und des ML (Machine Learning) sind unerlässlich, um diese Daten nutzbar zu machen.
Schaffung einer transparenten Lieferkette, um die Herausforderungen besser zu verstehen
Die Einführung eines effektiven Tracking-and-Trace-Verfahrens erfordert die Schaffung eines Netzwerks von Unternehmen, welche Informationen austauschen. Um die Herausforderungen bei der Verringerung der Umweltauswirkungen der Produktion vollständig zu verstehen, muss das Unternehmen Beziehungen zu seinen direkten und indirekten Lieferanten aufbauen. Dieses Netzwerk kann auch Quellen wie Satelliten einbeziehen, um die Entwaldung, die Wassernutzung, die Landwirtschaft und den Bergbau zu überwachen.
Technologien wie Blockchain, 5G und Sensoren auf Paletten tragen ebenfalls dazu bei, sichere Konnektivität in Echtzeit zu gewährleisten. Diese Tools bieten auch Einblick in die Produktketten und Interaktionen des Netzwerks. Das Sammeln und Verwalten all dieser Informationen erfordert einen skalierbaren „Data Lake“ und die Integration zahlreicher Datenquellen.
Künstliche Intelligenz in der Lieferkette bis in die Lager
Die Technologie hat das Lager in das Zeitalter 4.0 geführt. Die Verwaltung des Lagers der Zukunft wird durch das Zusammenwirken von Automatisierung, künstlicher Intelligenz und der Verarbeitung großer Datenmengen optimiert. Diese technologischen Fortschritte unterstützen durch die Verbesserung aller Prozesse in den Lagern den ökologischen Wandel. Diese Optimierung des Lagers führt zu einer Veränderung im Teammanagement, die eine neue Organisation der Abteilungen und eine Weiterentwicklung des Managements nach sich zieht.
