Layouted

In diesem Beitrag werden die Ergebnisse von zehn Experteninterviews über den Einsatz von Maschinellem Lernen zur Förderung der unternehmerischen Nachhaltigkeit skizziert und der Literatur gegenübergestellt. Die Untersuchung zeigt, dass wirtschaftliche Faktoren den Einsatz von Maschinellem Lernen (ML) antreiben. Die Einführung der Technologie wird sowohl durch das Top-Management als auch durch die Fachabteilungen initiiert. Fundierte Strategien zur Umsetzung von ML-Anwendungsfällen sind selten vorhanden. Dabei basieren Anwendungsfälle häufig auf überwachtem Lernen. Die ökologischen Auswirkungen überwiegen gegenüber den sozialen Auswirkungen. Häufig können Emissionsreduktionen realisiert werden, wobei Quantifizierungen schwerfallen. Jedoch behindert der Mangel an Vertrauen, Fachwissen und Kommunikation die Einführung von Maschinellem Lernen, während einige technischen Herausforderungen bezüglich der Datenanforderungen auch Probleme für Maschinelles Lernen bereiten.

Ein reibungsloser Ablauf der Logistiksteuerung ist elementar für das Überleben von Unternehmen, wird aber durch akteurs- und organisationsbezogene Stolpersteine der Produktionsplanung und -steuerung behindert. Die Berufliche Hochschule Hamburg fördert gezielt jene Zukunftskompetenzen, die der „Wandlungsbefähiger Mensch“ zur Bewältigung von Stolpersteinen in digitalisierten Arbeitsumgebungen benötigt. Dieses Konzept wird im folgenden Beitrag vorgestellt.

Digitale Zwillinge bieten großes Potenzial zur Effizienzsteigerung in der Logistik. Diese Digital Supply Chain Twins (DSCT) ermöglichen datengetriebene Entscheidungen und optimieren Prozesse auf Standort- und Netzwerkebene. Eine Untersuchung mittels Expertenworkshop zeigt, dass Unternehmen zwar Interesse an DSCT haben, aber Herausforderungen wie Datenqualität, akteursübergreifender Datenaustausch und Interoperabilität deren breite Implementierung hemmen. Während erste Pilotprojekte existieren, bleibt die Marktdurchdringung gering. Erfolgreiche Implementierung erfordert standardisierte Schnittstellen und vertragliche Rahmenbedingungen für den Datenaustausch. Im Ergebnis können DSCT langfristig Logistiknetzwerke resilienter und nachhaltiger gestalten.