KI in der Produktions- und Absatzplanung

Gastbeitrag von Eric Ryan Weisz, M.A., LL.B (Co-Founder & Geschäftsführer der Circly GmbH)

Handy liegt neben Laptop und einem Apfel — © Circly

Foto Eric Weisz — Eric Weisz © Circly/Carola Berger

10.09.2021

Bei den Begriffen maschinelles Lernen (ML) und Künstliche Intelligenz (KI) denkt man vielleicht gleich an Zukunftstechnologien, dabei liegen diese nicht mehr in der Zukunft, sondern werden schon heute eingesetzt.

Laut der aktuellen Umfrage „Machine Learning 2021“ von IDG Research Services¹ haben zwei Drittel der befragten deutschen Unternehmen angegeben, ML bereits einzusetzen oder gerade zu implementieren. Zudem wurde festgestellt, dass der Widerstand gegen diese „neuen“ Technologien im Laufe der Corona-Pandemie weniger geworden ist. Jedoch ist bei der Verwendung von maschinellem Lernen und Künstlicher Intelligenz in Unternehmen, besonders in der Produktions- und Absatzplanung, noch reichlich Luft nach oben.

Als Produktions- und Absatzplanung können, wie die Wörter bereits zeigen, die Planung der Produktionsmengen bzw. des Absatzes definiert werden. Das Ziel dieser Pläne ist die Vermeidung von Verlusten. Produktionskapazitäten sollen optimal genutzt und unnötige Lagerbestände verringert werden.

Verwendung von KI für Bedarfsprognosen

Neben traditionellen Methoden, wie statistische Prognosen, kann KI eingesetzt werden, um zuverlässigere Bedarfsplanungen zu erstellen. Investitionen in intelligente Technologien zahlen sich besonders in diesem volatilen Umfeld aus, welches beeinflusst wird durch viele Variablen.

Konsumierende werden von zu vielen Faktoren beeinflusst, wie z.B. von Wetterschwankungen bis hin zu Social Media Posts und vielen mehr. Diese Schwankungen des Konsumverhaltens und häufige Meinungsänderungen führen zu regelmäßigen statistischen Fehlplanungen in der Supply Chain. Durch die Anwendung von Künstlicher Intelligenz können Vorhersagen optimiert und dabei höhere Gewinne erzielt werden.

In dem Artikel „Mit KI wissen, was die Kundschaft kauft“ vom EHI Retail Institute² basierend auf ihrer Studie „KI in der Supply Chain“ wird die Wichtigkeit von KI im Supply Chain Management behandelt. Dabei wurde festgestellt, dass 76 % der Unternehmen KI Technologien als relativ wichtig empfinden. Wobei das volle Potenzial des Einsatzes von KI bei weitem noch nicht ausgeschöpft wird. KI als Unterstützung für die Erstellung von Produktions- und Absatzprognosen haben nur 16,7 % der befragten Unternehmen vollständig implementiert, obwohl ein Großteil mit positiven Resultaten bei der Warenverfügbarkeit, der Bestandsoptimierung und der Lieferzuverlässigkeit rechnet.

Jedoch ist auch zu erwähnen, dass Prognoselösungen auf Basis der künstlichen Intelligenz zwar sehr fortschrittlich sein mögen, jedoch liegen die wichtigen Entscheidungen immer noch beim Menschen selbst. Für die Erstellung braucht es spezifisches Branchenwissen, um die Gewichtung der Faktoren im Prognosemodell zu definieren. Die menschliche Logik ist erforderlich, um die Relevanz der von digitalen „Gehirnen“ erzeugten Ergebnisse zu bewerten und endgültige Schlussfolgerungen zu ziehen, die auf gesundem Menschenverstand und tiefem Fachwissen basieren. Nur wenn das Beste aus beiden Welten, der künstlichen und menschlichen Intelligenz genutzt werden, können optimale Planungen entstehen und kostbare Ressourcen eingespart werden.

Das LC Partnerunternehmen Circly zum Beispiel hat es sich zur Aufgabe gemacht künstliche Intelligenz und maschinelles Lernen in Produktions- und Handelsunternehmen mittels „No-Code“ Konzept zu integrieren. Die Komplexität und der Investmentaufwand sollen durch eine schnelle Implementierung verringert und die Verwendung dieser Technologien angenehmer für die anwendende Person gestaltet werden. Das Ziel ist es dabei Planungsprozesse, wie die Planung der Verwendung von Ressourcen, durch Teilautomatisierung zu optimieren und zu vereinfachen.

Die zur Verfügung gestellte Predictive Analytics Software zur Produktions- und Absatzplanung führt zum Beispiel folgende Aufgaben aus: Historische und neue Daten werden aus verschiedenen internen und externen Quellen wie z.B. Verkaufszahlen, Marketingkampagnen, Wetter, etc. aggregiert. Daten werden bereinigt und anschließend ein passender Prognosealgorithmus bestimmt.

Folglich werden Vorhersagemodellen mittels ML und KI erstellt, um wahrscheinliche Mengen zu berechnen und Beziehungen zwischen verschiedenen Faktoren zu entdecken.

Die Modelle werden kontinuierlich validiert und überwacht, um Geschäftsergebnisse zu messen und die Vorhersagegenauigkeit zu verbessern.

Welche Vorteile bringt nun die Implementierung von künstlicher Intelligenz in der Produktions- und Absatzplanung mit sich?

Betrachtung externer Faktoren für eine präzise Planung
Verringerung von Produktabfällen und Lagerüberbeständen
Einsparung von Ressourcen (Finanziell & Rohstoffe)
Effizienzsteigerung durch automatisierte Planung

[1] „IDG-Studie Machine Learning 2020". https://www.lufthansa-industry-solutions.com/de-de/studien/idg-studie-machine-learning-2020 (zugegriffen Sep. 06, 2021).

[2] „Mit KI wissen, was die Kundschaft kauft”, EHI Retail Institute. http://www.ehi.org/de/pressemitteilungen/mit-ki-wissen-was-die-kundschaft-kauft/ (zugegriffen Sep. 06, 2021).

Teilnahme an Förderprojekt noch möglich!

Mit intelligenter Produktionsplanung lassen sich Lebensmittelabfälle in der Produktion deutlich verringern. Es besteht noch die Möglichkeit, in einem von der Firma Circly eingereichten und bereits durch das BMDW genehmigten Projekt mitzuwirken. Ziel: Entwicklung einfacher (anwenderfreundlicher) Software für die Produktions- und Absatzplanung.