Mit dieser Artikelserie bieten wir Ihnen Orientierung im Dschungel der technischen Innovationen für den Logistikbereich. Im ersten Artikel befassten wir uns mit (humanoiden) Kommissionier-Robotern. In diesem Artikel geben wir Ihnen einen Einblick in eine weitere Schlüsselinnovation, die Gartner in seinem Hype Cycle für Supply-Chain-Execution-Technologien definiert hat: die Lagerressourcenplanung und -disposition.
Planung und Optimierung von Lagerungsaufgaben
Während (humanoide) Kommissionier-Roboter konkret und anschaulich sind, ist die Lager-Ressourcenplanung und -Disposition eine reine Software-Innovation. Das Hauptkonzept besteht in der Anwendung einer prädiktiven abhängigkeitsbasierten Planung und Optimierung von Aufgaben im Lager. In der Fertigungsindustrie werden diese Techniken bereits seit mehr als 30 Jahren angewendet. In Lagern werden Aufgaben jedoch hauptsächlich nach rudimentären Prinzipien wie wie Task Interleaving und Wave Planningverteilt.
Nur wenige Anbieter haben in ihre Lösungen im Bereich WMS (Warehouse Management Systems) auch vorausschauende Planungsmöglichkeiten (z. B. Personal- und Geräteplanung) integriert. Da die Marktfaktoren den Bedarf an erhöhter Effizienz vorantreiben und die Arbeitskosten zu einer hohen Nachfrage nach erweiterten Kompetenzen führen, müssen die Anbieter fortschrittlichere Methoden einbeziehen, die Ressourcen, Planung und Einschränkungen berücksichtigen. Gartner stuft die aktuellen Lösungen am Markt als Entwicklungen im Frühstadium ein, die für Early Adopters geeignet sind, aber mit der Zeit reifen und dann Akzeptanz bei einem breiteren Publikum finden.
Ergebnisse aus Marktanalysen
Im Rahmen unserer Marktanalysen haben wir zwei Hauptunterschiede bei der Anwendung von KI in WMS für die prädiktive eingeschränkte Ressourcenverteilung und -optimierung festgestellt. Beim ersten Ansatz wird KI direkt in das WMS integriert, während der zweite Ansatz ein individuelles Add-On für ein bereits bestehendes WMS bietet. Ein Beispiel für ein Add-On wird in der folgenden Abbildung gezeigt:
Übersicht über die Add-On-Module von RedPilot [1]
Bei der Nutzung von KI in WMSs gibt es eine große Bandbreite an Variationen. In manchen Fällen können Unregelmäßigkeiten durch die prädiktive Analyse schon während der Entstehung erkannt werden und das System reagiert entsprechend darauf. In anderen Fällen können durch die prädiktive Analyse externe Faktoren (z. B. Transportverzögerungen oder Wahrscheinlichkeiten von Retouren) prognostiziert und berücksichtigt werden, um ihre negativen Auswirkungen zu minimieren und Kapazitäten zu erhöhen, z. B. in der Auslastung, durch Batchverarbeitung oder durch die allgemeine Ressourcenallokation. Darüber hinaus gibt es weitere Anwendungsfälle: dynamische Rollenverteilung, proaktive Priorisierung, Routenoptimierung für Gabelstapler oder weitere Transport- und Prozessoptimierungen mit Hilfe von Kameradaten oder weiteren Informationen.
Beurteilung dieses Trends durch CAMELOT
Die Ressourcenallokation und Disposition in der Lagerhaltung kann zur gewünschten Effizienz führen und die Möglichkeit bieten, zukünftige Ereignisse zu prognostizieren. Unsere Untersuchungen zeigen, dass sich die derzeit verfügbaren Lösungen noch in einem sehr frühen Stadium befinden. Die Anwendung von KI in WMSs für das Ressourcenmanagement können Schichtleiter und Mitarbeitende im mittleren Management in vorausschauend handeln, anstatt nur auf Unregelmäßigkeiten zu reagieren. Zum Beispiel wenn ein Kommissionierer in den Verpackungsbereich abgestellt wird, wenn die Kommissionierung schneller läuft als die Verpackung. Zusätzlich wird sich der Schwerpunkt von der Steuerung und Beobachtung auf letztere verlagern.
Vor allem für komplex aufgebaute Lager sind diese Use Cases empfehlenswert. Letztlich können aber alle Arten von Lagern in sämtlichen Branchen davon profitieren, die Ressourcenallokation und eine Dispositionssoftware in ihre digitale Strategie aufzunehmen. Der Einsatz von KI in WMSs kann aber nicht nur die Ressourcenallokation und Prozessoptimierung, sondern auch die Vorhersage möglicher zukünftiger Ereignisse verbessern. Um diese Innovation zu nutzen, ist eine bereinigte Datenbank in Kombination mit einem funktionierenden Master Data Management erforderlich.
Fazit
Innovationen wie die Lagerressourcenplanung haben ein großes Potenzial, die bisher verfügbaren Lösungen befinden sich noch in einem frühen Stadium. Auch in einem späteren Stadium der Marktreife benötigen Innovationen wie die Lagerressourcenplanung noch die Akzeptanz der Menschen, insbesondere wenn man den damit verbundenen Veränderungsaufwand bedenkt. Ein Nachdenken über die Möglichkeiten und den Nutzen für das eigene Unternehmen dürfte bei der Definition einer geeigneten Zielvision hilfreich sein.
Um mehr über die Möglichkeiten der digitalen Lagerhaltung zu erfahren, laden wir Sie ein, CAMELOTs Marktstudie über KI in der Lagerhaltung zu lesen. Wenn Sie mehr über weitere KI-gesteuerte Innovationen oder die Integration innovativer Technologien in Ihre Zukunftsvision des digitalen Lagers erfahren möchten, kontaktieren Sie uns.
Wir danken Thomas Grill und Albert Peychal-Heiling für ihren wertvollen Beitrag zu diesem Artikel.
[1] https://www.redpilot.at/operational-excellence-optimise-logistics-performance/
