Internationales Verkehrswesen (75) 3 | 2023 44 Auf den KI-Zug aufspringen oder Abstand nehmen? Welche Rolle Künstliche Intelligenz in der Logistik spielt Künstliche Intelligenz, Herausforderungen, Daten, Entscheidung Zunehmender Wettbewerb, Zeitdruck auf allen Ebenen, nicht zu beeinflussende Faktoren wie die Corona- Pandemie oder extreme Energiepreise: Kaum eine Branche bleibt von solchen Herausforderungen verschont, so auch die Logistik nicht. Es gilt, immer wieder neue Mittel und Wege zu finden, sich an die wechselnden Marktbedingungen anzupassen und sich auftürmende Hürden zu überwinden - denn die Konkurrenz schläft nicht. Auch aufgrund dessen hat sich zuletzt immer mehr das Thema Künstliche Intelligenz (KI) in den Vordergrund gespielt. Rainer Schulz V iele Unternehmen sehen KI inzwischen als Heilsbringer, andere wiederum stehen dem skeptisch gegenüber und fürchten beispielsweise, dass die Systeme Fachkräfte ersetzen und somit Arbeitsplätze kosten. Allgemein stellt sich die Frage, was Künstliche Intelligenz besser machen könnte als der Mensch - und ob überhaupt. Und welche Baustellen beziehungsweise Herausforderungen existieren in diesem Zusammenhang? Um die offenen Punkte aufzuklären, lohnt sich zunächst einmal ein Blick auf die aktuelle Situation in der Logistik: Über die Hälfte aller Unternehmen der Branche ordnet sich selbst als Vorreiter beim Thema Digitalisierung ein. Zum Vergleich mit der Gesamtwirtschaft, in der dies nur etwa ein Drittel tut [1], handelt es sich dabei um eine äußerst hohe Zahl. Zu den am meisten eingesetzten Technologien zählen Cloud- Computing, IoT-Anwendungen und Warehouse-Management-Systeme. Bei der Künstlichen Intelligenz sieht es (noch) etwas anders aus. Eines von fünf Unternehmen baut bereits auf KI, zusätzlich denkt ein weiteres Viertel zumindest schon über den Einsatz nach.[2] Aktuell unterstützt die Technologie zum Beispiel in der Bedarfsprognose, bei der Absatzplanung oder optimiert Termine. Auch bei der Künstlichen Intelligenz grenzt sich die Logistik bereits von der übrigen Wirtschaft ab - quer durch alle Branchen greift nicht einmal eines von zehn Unternehmen darauf zurück.[3] Warum sich Unternehmen ständig damit beschäftigen sollten, wo Möglichkeiten zur Anpassung beziehungsweise zur Optimierung bestehen, zeigen die verschiedenen Herausforderungen, denen sie zuletzt begegneten. Der Fachkräftemangel hat die Symbolbild: Gerd Altmann / pixabay LOGISTIK Digitalisierung Internationales Verkehrswesen (75) 3 | 2023 45 Digitalisierung LOGISTIK Branche ebenso ereilt wie das Problem, den eigenen Betrieb zu skalieren. Hinzu kommen Schwierigkeiten, den eigenen Warenbestand übersichtlich zu verfolgen und somit zu überwachen. Mehr als 80 Prozent der Unternehmen erwarten deswegen zwingend den zunehmenden Einsatz von KI und Automatisierungslösungen, um den Herausforderungen zu begegnen. Auch die Bereitschaft, in dieses Feld zu investieren, nimmt zu.[4] Denn oftmals machen manuelle Tätigkeiten einen maßgeblichen Anteil am Wertschöpfungsprozess aus, sodass an dieser Stelle ein Ansatzpunkt für Automatisierungslösungen besteht (Bild 1). Mechanische und besonders anspruchsvolle Arbeitsvorgänge wie etwa die Steuerung eines Fahrzeugs gehören nicht zu den Königsdisziplinen der Künstlichen Intelligenz. Hier ist der Mensch der KI noch deutlich voraus. Anders sieht es in puncto Rechenleistung aus: Dabei tauschen beide die Positionen - Künstliche Intelligenz besticht durch eine enorme Leistungsfähigkeit auf diesem Gebiet. Buchhalter oder Disponenten haben diesbezüglich das Nachsehen. Allerdings werden sie nicht ersetzt, sondern von Routineaufgaben befreit. Die Folge: Es entsteht Raum für andere, fordernde Tätigkeitsbereiche wie Analyse und Risikomanagement. Das wiederum sorgt für mehr Produktivität. Ausschlaggebender Punkt sind immer die Daten, die die KI zur Verfügung hat. Wenn diese Basis nicht ausreichend ausfällt, trägt die Künstliche Intelligenz nicht zu einem positiven Ergebnis bei. Somit hängt die Nützlichkeit immer vom Einsatzgebiet und den vorliegenden Informationen ab. Während KI auf Grundlage einer Datenfülle Sendungsmengen prognostiziert, kommt sie in den kreativen und manchmal auch spontanen Bereichen dagegen nicht zum Tragen. Wo sie helfen kann und welche Aufgaben sich für sie eignen, hängt dementsprechend von Quantität und Qualität der zur Verfügung stehenden Daten ab. Die Angaben müssen zum einen richtig, zum anderen vor allem lückenlos sein. Ohne diese bleibt die Software dann gewissermaßen auf der Strecke. Im schlimmsten Fall trifft sie Falschaussagen, die das - wackelige - Fundament für weitreichende Entscheidungen verkörpern. Inzwischen existieren zahlreiche Beispiele von Begebenheiten, in denen eine qualitativ schlechte Datenbasis zu teils katastrophalen Ergebnissen geführt hat. Solche Szenarien wirken sich zudem negativ auf das Vertrauen potenzieller Anwender in KI aus. So schrecken sie oftmals vor einer Umstellung auf eine solche Lösung zurück und setzen lieber auf bereits implementierte Systeme. Entscheiden sich Unternehmen für Künstliche Intelligenz, bedarf es auf ihrer Seite ausgeprägter interner Fähigkeiten der Datennutzung. Identifizierung relevanter Datenquellen gehört ebenso dazu wie Kompetenzen im Bereich Datenerfassung, -management und -analyse. Hohe Kosten im Zusammenhang mit Entwicklung und Implementierung von KI- Anwendungen zählen zu den großen Herausforderungen für Unternehmen. Finanzierungsmittel stehen oftmals nicht zur Verfügung, oder bei Geschäftspartnern fehlt es an Investitionsbudgets, was sich in der Bewertung als Risikofaktor herausstellt. Zudem bedarf es zwingend einer leistungsfähigen IT-Infrastruktur, damit sich Lösungen der Künstlichen Intelligenz intensiv und effektiv nutzen lassen. Fachkräfte im Umgang mit den Systemen sind zudem wichtige Voraussetzungen. Grundsätzlich gilt es, die Mitarbeiter bei der Umsetzung von Beginn an mit einzubinden. Mit Blick auf die jüngsten Entwicklungen in der Künstlichen Intelligenz fällt auf, dass es inzwischen schon darum geht, dass KI versucht, Menschen Entscheidungsprozesse abzunehmen. Zugrunde liegen müssen zwingend riesige Datenmengen, ohne die das System nicht auskommt. An dieser Stelle zeigt sich das große Problem: In vielen Bereichen reicht es noch nicht aus, sich auf Daten zu verlassen und auf dieser Grundlage zu agieren - denn in diesen Beispielen existiert schlicht keine ausreichende Informationsbasis. Wegen der variierenden Daten und unterschiedlichen Fälle kommt es aber nicht zu Maschinellem Lernen, sodass die KI im schlimmsten Fall schlechte Prozesse als Ergebnis ausgibt. Sich leichtfertig auf diese zu verlassen, würde Unternehmen zurückwerfen. In Verbund mit den hohen Kosten, die womöglich im Vorfeld der Implementierung entstehen, besteht hier ein zu vermeidendes Risiko. Der Übergang zu einer intelligenten Logistik nimmt zudem noch einiges an Zeit in Anspruch. Dann basieren Entscheidungen auf zuverlässigen Daten, und sogar neue Geschäftsmodelle lassen sich entwerfen. Ein Blick in die Zukunft lässt deswegen wahrscheinlich nur ansatzweise erahnen, wie weit sich die Möglichkeiten der Künstlichen Intelligenz in der Logistik erstrecken. ■ QUELLEN [1] Digitalisierung der Wirtschaft. Bitkom, 2022. [2] Bitkom Research 2022. [3] Künstliche Intelligenz - Wo steht die deutsche Wirtschaft? Bitkom, 2022. [4] Künstliche Intelligenz und Automatisierungstechnologien in der Intralogistik. Bundesvereinigung Logistik (BVL) & GreyOrange, 2022. Rainer Schulz Geschäftsführer, sysmat GmbH, Mainhausen info@sysmat.de Bild 1: Vollautomatische Kommissionierzone Quelle: Sysmat