Ein neuer Weg zur Reproduktion impliziten Wissens und seine Anwendbarkeit in der Logistik

Geschäftsvorgänge lassen sich mittels Prozessautomatisierung und Digitalisierung heute schneller und effizienter gestalten. Menschliche Interaktionen mit Computern, Maschinen und sogar Robotern oder anderen cyber-physischen Systemen sind zu einem wesentlichen Bestandteil der modernen Geschäftswelt geworden.

Dennoch sind menschliche Fähigkeiten nach wie vor unersetzlich. Wir alle wissen und können mehr, als wir in der Lage sind zu erklären oder zu kommunizieren. Unser implizites Wissen konnten wir bis dato nicht gänzlich in eine Programmiersprache übersetzen.


Haben Sie jemals eine Maschine erlebt, die gute Witze erzählen kann?

Nun, wahrscheinlich nicht. Und genau darin liegt das Problem: Es ist bislang nicht gelungen, den Denkvorgang beim Erfinden lustiger Witze in eine Programmiersprache zu übertragen. Menschen handeln reflexartig, indem sie unterbewusst tausende Eindrücke miteinander verbinden und verarbeiten.
Unser implizites Wissen macht uns insofern einzigartig, als dass wir in der Lage sind, eine ganze Reihe verschiedener Variablen gleichzeitig zu verarbeiten – ohne dass es uns bewusst ist. Unser implizites Wissen wächst dabei im Laufe der Zeit, sodass wir Entscheidungen noch schneller und besser treffen können.

Künstliche Intelligenz ändert die Spielregeln

Im Einklang mit neuen Technologien, die stetig am Markt auftauchen, erleben wir eine Reihe neuer Buzzwords wie maschinelles Lernen, künstliche Intelligenz oder neuronale Netze: Genau diese neuen Technologien können es uns potenziell ermöglichen, die Lücke zu schließen, die durch die Unübersetzbarkeit des menschlichen impliziten Wissens in eine Programmiersprache besteht.

Künstliche Intelligenz in der Form neuronaler Netze lässt sich als IT-Modell kognitiver Strukturen verstehen, mit dem sich Informationsverarbeitungsprozesse des menschlichen Gehirns reproduzieren lassen. Die künstlichen neuronalen Netze beruhen auf einem selbstlernenden Algorithmus und sind in der Lage, selbst implizites Wissen aufzubauen: Sie erkennen Muster in großen Mengen an Eingangsvariablen und zugehörigen historischen Daten, die sich jeden Tag erneuern. Damit erlernen sie eine Denkweise, die unserem menschlichen Gehirn entsprechen kann. Neuronale Netze sind in der Lage, zwischen Variablen, die wertvoll für den Entscheidungsprozess sind, und jenen, die nur ein Rauschen produzieren, zu unterscheiden. Sie verbessern sich im Laufe der Zeit immer weiter und liefern noch präzisere Ergebnisse.


Wie kann all das in der Logistik angewandt werden?

Besonders in der Logistik ist eine hohe Mitarbeiterfluktuation kaum überraschend: Viele Angestellte im Logistikbereich sind unzufrieden mit ihren Aufstiegsmöglichkeiten oder einfach gestresst von einer schlechten Work-Life-Balance. Oft wechseln Angestellte intern von der Logistik zu Positionen in angeseheneren Geschäftsbereichen. Das hat zur Folge, dass implizites Wissen verloren geht. Optimierungspotenziale können nicht voll ausgeschöpft werden, weil das implizite Wissen ständig neu aufgebaut werden muss. Aus diesem Grund sollten Unternehmen implizites Wissen zukünftig durch künstliche Intelligenz aufbauen, um so einen stetig wachsenden Wissensfundus zu bewahren und zu reproduzieren.

Ein weiterer Vorteil liegt auf der Hand: Neuronale Netze sind in der Lage Datenmuster viel schneller zu entdecken, zu lernen und zu reproduzieren als es ein Mensch je können wird. Ein neuronales Netz kann so trainiert werden, dass es wie ein Mitarbeiter mit hunderten Jahren Berufserfahrung und einem perfekten Gedächtnis funktioniert. Das spart Zeit und Geld.

Die Liste möglicher Anwendungsgebiete in der Logistik ist lang. Um aber eine Brücke zu schlagen zwischen dem, was Sie in diesem Artikel gelesen haben, und dem, was Sie täglich erleben, geben wir Ihnen ein Beispiel aus dem Berufsalltag: Denken wir an den Arbeitsalltag eines Disponenten in der Logistik, der viel Erfahrung mit Kunden hat und das zukünftige Verhalten seiner unterbewusst vorhersehen kann. Neuronale Netze müssen also die Denkmuster eines Disponenten erlernen und nachahmen können.

Durch die Reproduktion impliziten Wissens durch künstlichen Intelligenz könnte man z. B.:

  • Unterbrechungen in der Lieferkette besser vorhersehen
  • Transportnachfragen genauer antizipieren, bevor der Kunde überhaupt eine Bestellung tätigt
  • die Vorhersehbarkeit von Fahrzeugwartungen verbessern
  • die Kapazitätsauslastung eines Fahrzeugs erhöhen, indem für die Zusammenstellung von Transporteinheiten verschiedene Variablen statt nur einer statischen Regel genutzt werden
  • Warenbewegungen innerhalb eines Lagers durch ein kontinuierliches Umgestalten des Lagerslayouts reduzieren
  • die durch menschliche Fehler entstehenden Kosten reduzieren

Was Sie jetzt tun sollten

Wie Sie sehen, gibt es viele Anwendungsgebiete für künstliche Intelligenz in der Logistik. Zuerst sollten Sie jedoch analysieren, welchenm Reifegrad Ihr Unternehmen in Bezug auf Logistikdigitalisierung aufweist: Das Rückgrat jeder Digitalisierungsinitiative bildet immer noch die grundlegende Verbesserung von bestehenden Prozessen. Deshalb sind die Verfügbarkeit und der Zugang zu relevanten Daten und Informationen unerlässlich.

Erst, wenn Sie Ihre unternehmensspezifischen künftigen Anforderungen genau kennen, können Sie sich einen Überblick über mögliche Technologien, Konzepte und Entwicklungen im Bereich der Logistikdigitalisierung verschaffen. Auf diese Weise entwickeln Sie ein tiefergreifendes Verständnis für zukünftige Anwendungsgebiete, die Sie genauer erforschen möchten, und erkennen entsprechende Abhängigkeiten. Schlussendlich sollte es Ihnen dann gelingen, eine die durchzuführenden Maßnahmen zu priorisieren und in einen Zeitplan zu bringen.
Beachten Sie dabei, dass künftige Logistiklösungen innerhalb der gesamten Lieferkette vollintegriert werden müssen, damit sie Ihren Effizienzgewinn voll entfalten können.

Klingt kompliziert? Ist es auch! Doch wer nicht wagt, der nicht gewinnt!

Hier finden Sie weitere Informationen zum Thema Logistikdigitalisierung und wie Sie damit beginnen können: Der Weg zu einer schlankeren und kosteneffizienteren Logistik.

written by
Steven Malbrant
Steven Malbrant ist Berater in der Logistics Practice bei CAMELOT Management Consultants. Er arbeitet vor allem an Projekten in der Chemie- und Pharmabranche und widmet sich sowohl strategischen als auch operativen Fragestellungen. Einige Kernbereiche, mit denen Steven sich aktuell befasst, sind Supply-Chain-Prozesse, Netzwerkdesign und Transportmanagement.

Dieser Post ist außerdem verfügbar in: Englisch