Die digitale Transformation der Supply Chain ist bereits in Gange, vieles wurde schon erreicht. Und doch sind die verfügbaren digitalen Technologien noch weit davon entfernt, in großem Maßstab eingesetzt zu werden. In den Supply Chains liegt also noch viel ungenutztes Wertschöpfungspotenzial verborgen. Um den vollen Nutzen einer digitalen Supply Chain ausschöpfen zu können, sollten Unternehmen über die Implementierung neuer Data Lakes und KI-Technologien hinaus einen End-to-End-Ansatz verfolgen und ihre Prozesse, Betriebsmodelle, Rollen, Kompetenzprofile sowie die IT- und Daten-Ziellandschaft systematisch umgestalten.

In den vergangenen fünf bis zehn Jahren hat sich in Sachen Supply-Chain-Digitalisierung in allen Branchen viel getan, ausgelöst durch eine Reihe von Entwicklungssprüngen auf verschiedenen Ebenen. Innovationen im Bereich der Grundlagentechnologien (Entwicklung von Massenparallelrechnern, Verfügbarkeit erschwinglicher, cloudbasierter Hyperscale-Plattformen) haben das maschinelle Lernen und die Analytik vorangetrieben und zu bemerkenswerten Fortschritten wie denen von DeepMind AlphaZero im Jahr 2017 geführt [1]. Schritt für Schritt wurden Planungs- und ERP-Systeme im Hinblick auf die Möglichkeit der Echtzeitverarbeitung und Datennutzung optimiert, sodass Unternehmen nun mit Hilfe digitaler ihrer Netzwerke oder Lieferketten komplexe Supply-Chain-Strategien simulieren und optimieren können. Was wir hier sehen, ist allerdings erst der Beginn der digitalen Revolution. Allein im Jahr 2019 haben KI-Firmen rund 40 Milliarden US-Dollar an globalen Investitionen erhalten, angeführt von Unternehmen in den USA, China und Israel [2].

Die digitale Transformation ist gestartet, aber es gibt noch viel Luft nach oben

In den vergangenen fünf Jahren ist der Startschuss gefallen für digitale Supply-Chain-Innovationen. Das hat zu Verbesserungen in vier Kernbereichen geführt:

Den Anfang machten verschiedene Anwendungen zur Steigerung der Supply-Chain-Visibilität (z. B. Echtzeit-Dashboards zur Überwachung der operativen Performance bis hinunter auf die Ebene der einzelnen Anlagen und Produktionslinien) und neue Management-Workflows, die schnelle und datengestützte Entscheidungen ermöglichen. Neben den erzielten Transparenzverbesserungen konnten Unternehmen transaktionsbasierte Supply-Chain-Prozesse wie das Kundenauftragsmanagement und den operativen Einkauf durch Prozessautomatisierung und RPA deutlich optimieren.

Aber das war nur der erste Schritt. Mittlerweile betten intelligente Automatisierungslösungen KI-Algorithmen in RPA ein und ermöglichen eine Teilautomatisierung von Entscheidungsprozessen wie etwa Ausnahmemanagement, Allokation und sogar S&OP (RPA 2.0/Hyperautomation)[3].

Parallel dazu haben viele Unternehmen Lösungen für Analytik und maschinelles Lernen in ihre wichtigsten Supply-Chain- und Entscheidungsprozesse integriert. Beispiele hierfür sind Tools zur Prognoseerstellung und neuerdings auch zur End-to-End-Parametrisierung, intelligente Warnmeldungen sowie eine automatisierte Ursachenanalyse, z. B. bei Auftragsrückständen und Verzögerungen.

Diese Fortschritte deuten bereits an, wohin die Reise gehen soll: zur autonomen Entscheidungsfindung in einer selbststeuernden Supply Chain. Mit wahrscheinlichkeitsbasierter Planung und Folgensimulationen im digitalen Netzwerk-Klon können Maschinen zunehmend taktische und operative Entscheidungen abwägen und alternative Optionen automatisiert auswählen. Der Supply-Chain-Planer wird nur bei Ausnahmen und Unklarheiten benachrichtigt.

Abbildung 1: Die digitale Supply Chain ist gestartet, doch es bleibt noch viel Wertschöpfungspotenzial 

Die digitale Supply Chain ist also auf den Weg gebracht, mit vielen spannenden Projekten und ersten Erfolgen. Und doch wurde bisher nur ein Bruchteil des Wertschöpfungspotenzials ausgeschöpft und es gibt noch viele Möglichkeiten, z.B. durch die Erweiterung bestehender Ansätze und Weiterentwicklungen im Bereich der überwachten automatisierten Entscheidungsfindung.

Der nachfolgende Abschnitt skizziert die Auswirkungen der Digitalisierung auf das Supply-Chain-Betriebsmodell.

Die digitale Transformation verändert das Supply-Chain-Betriebsmodell grundlegend

Wie wir aus einer Vielzahl von Supply-Chain-Digitalisierungsprojekten in verschiedenen Branchen wissen, hat sich die Digitalisierung als wertsteigernd erwiesen, wenn es darum geht, physische Prozesse wie Fertigung und Logistik zu optimieren und den Informationsfluss in den Bereichen Datenmanagement, End-to-End- Supply-Chain-Planung sowie strategischer und operativer Einkauf zu verbessern. Abbildung 2 gibt einen Überblick über die wichtigsten Einsatzbereiche und Anwendungsfälle.

Hierbei handelt es sich jedoch nicht um isolierte Anwendungsfälle. Vielmehr transformieren Digitalisierung und Analytik das Betriebsmodell der Supply Chain Schritt für Schritt, was zu fünf zentralen Paradigmenwechseln führt:

  • Von der Reaktion zur Antizipation : Echtzeit-Transparenz und proaktives Erkennen von Problemen und Abweichungen ermöglichen schnelle und vorausschauende Maßnahmen einschließlich einer systematischen, faktenbasierten Abwägung alternativer Abhilfestrategien im Gegensatz zur reaktiven Problemlösung.
  • Von der Schnittstelle zur nahtlosen Integration: Nicht nur die Kommunikation zwischen Maschinen verändert sich, sondern auch die zwischen Maschine und Mensch. Beispiele sind Chatbots und Systeme zur Unterstützung der Entscheidungsfindung in der Planung und Datenpflege. Diese nahtlose Integration erfordert eine stärkere Fokussierung der Supply-Chain-Planer auf die Bereitstellung zusätzlicher Informationen (z. B. Marktkenntnisse) sowie auf systematische Abwägungen und Entscheidungen.
  • Von bloßer Verwaltung zu kreativer Wertschöpfung: Die Digitalisierung und Automatisierung administrativer Aufgaben wie Auftragsabwicklung und Datenpflege setzen Zeit und Ressourcen für kreative, wertschöpfende Aktivitäten frei, z. B. für funktionsübergreifende Abstimmung, ständige Verbesserung und die Optimierung der End-to-End-Planung.
  • Von Ermessens- zu datengestützten Entscheidungen: Intelligente Systeme nutzen Methoden wie maschinelles Lernen, um deskriptive, prädiktive und präskriptive Performance-Analysen in Echtzeit durchzuführen. So ermöglichen sie eine datengestützte Entscheidungsfindung auf der Grundlage von Regeln und Algorithmen – mit direktem Feedback zur Wirkung der Maßnahmen an die ausführenden Systeme.
  • Von der Punktplanung zur wahrscheinlichkeitsbasierten Planung: Neue, wahrscheinlichkeitsbasierte Planungsansätze bewirken eine Abkehr von der Punktplanung (z. B. Einzelprognosen für bestimmte SKUs/Monate/Standorte). Diese Ansätze generieren stattdessen eine Vielzahl von alternativen Plänen mit unterschiedlichen Wahrscheinlichkeiten. Das wiederum ermöglicht eine echte Synchronisierung entlang der gesamten Lieferkette, bei der das Entscheidungsszenario mit dem höchsten Wert für das Unternehmen ausgewählt wird. Dabei werden die jeweiligen Auswirkungen auf alle Elemente der Supply Chain berücksichtigt und gegeneinander abgewogen. Diese grundlegende Veränderung ebnet den Weg für selbststeuernde Supply Chains, die lediglich fokussiert vom Planer überwacht werden.

Abbildung 2: Die wichtigsten Anwendungsfälle für digitale Lösungen und Analytik entlang der Wertschöpfungskette 

Im kommenden Beitrag werden wir uns ansehen, wie grundlegend Digitalisierung und Analytik die End-to-End-Supply-Chain-Planung verändern und neue Möglichkeiten für Unternehmen schaffen.

Welchen Ansatz verfolgen Sie bei der Digitalisierung Ihrer Supply Chain? Wir freuen uns auf Ihr Feedback und Ihre Anregungen!

 

[1] AlphaZero: Shedding new light on chess, shogi, and Go”, David Silver et. Al, December 6, 2018, https://deepmind.com/blog/article/alphazero-shedding-new-light-grand-games-chess-shogi-and-go ( visited February 11, 2021)

[2] “What investment trends reveal about the global AI landscape”, Zachary Arnold, September 29, 2020, https://www.brookings.edu/techstream/what-investment-trends-reveal-about-the-global-ai-landscape/ (visited February 11, 2021)

[3] Robotic process automation i: A path of hyperautomation”, Henrik Baumeier et. Al, January 15, 2021, https://blog.camelot-group.com/2021/01/robotic-process-automation-i-a-path-of-hyperautomation/ (visited February 11, 2021)

Empfohlene Artikel

Data & Analytics

5 Erfolgsfaktoren für die Beteiligung am Global Data Synchronization Network (GS1/GDSN)

Warum sollte die Beteiligung an kooperativen und synchronisierten Datennetzen als betriebswirtschaftliche Priorität behandelt werden und nicht nur als weitere IT-Initiative? …

weiterlesen
Innovation

Innovation & People: Camelot Days 2019

500 Kollegen, angereist von drei verschiedenen Kontinenten für zwei ereignisreiche Tage: das waren die Camelot Days 2019. Ein Blick hinter die Kulissen …

weiterlesen
Logistics

Medizinprodukte – Was können Sie bei verschärftem Wettbewerb tun?

Für die Anbieter von Medizinprodukten wird es immer schwieriger, ihre Marktposition zu behaupten, wie frühere Projekte und Beobachtungen am …

weiterlesen

Denken Sie Ihre Value Chain neu mit uns

Kontaktieren Sie uns