Logistik

Der Trend zur Digitalisierung bietet erhebliche Potenziale; dies gilt in besonderem Maße im Supply Chain Management (SCM). Doch nicht jede Technologie ist für jedes Unternehmen und seine Prozesse geeignet. Der vorliegende Beitrag stellt einen strukturierten Ansatz dar, der Unternehmen im Auswahlprozess unterstützt. Der Ansatz besteht aus mehreren Phasen: Beginnend mit der Identifizierung der Unternehmensziele und endend mit der Auswahl derjenigen Technologien, die am vielversprechendsten erscheinen. Seine Anwendbarkeit wurde in einem Forschungsprojekt bei einem Logistikdienstleister getestet. Er ist problemlos auf eine konkrete Entscheidungssituation übertragbar.

Der Containerverkehr ist sehr bedeutsam für den internationalen Handel und die Güterverteilung in globalen Produktionsnetzen. Die digitale Unterstützung der Containertransportprozesse ist jedoch häufig noch unzureichend. Dieser Beitrag zeigt, wie eine digitale Plattform die Interaktion zwischen den Akteuren aus Industrie und Logistik bei der Durchführung von Geschäftsprozessen im Umfeld von Containertransporten erleichtern kann. Am Beispiel der Angebotserstellung und Auswahl von Transportdienstleistungen wird dargelegt, wie die Plattform Transaktionen zwischen Versendern und Transportdienstleistern unterstützt. Die Nutzung der digitalen Plattform erhöht die Prozesstransparenz und verringert den zeitlichen Aufwand für die Durchführung der Prozesse.

Die Automatisierung informatorischer Logistikprozesse ist bereits heute eine der Kernherausforderungen für produzierende Unternehmen auf dem Weg zu autonom agierenden logistischen Systemen. Dass die Mehrheit informatorischer Logistikprozesse bereits bis zum Ende dieser Dekade autonom ablaufen wird, ist durchaus realistisch. Der Weg dahin jedoch noch ungewiss. Daher zielt dieser Beitrag darauf ab, unter Einbeziehung von Industrie-Experten die Evolutionsstufen der Autonomie logistischer Prozesse zu definieren, Voraussetzungen zum Erreichen einzelner Stufen zu beschreiben und Herausforderungen auf dem Weg zu diskutieren. Zudem werden die prägendsten informatorischen Logistikprozesse mit hohem Autonomisierungspotenzial identifiziert und abgeschätzt, wann das Erreichen der Autonomiestufen industrieweit zu erwarten ist.

Der intensive globale Wettbewerb, kürzer werdende Produktlebenszyklen und eine zunehmende Variantenvielfalt erfordern flexible und wandlungsfähige, aber zugleich wirtschaftliche Produktions- und Logistiksysteme. Insbesondere in der Kontraktlogistikbranche werden aufgrund der kurzen Vertragslaufzeiten (ca. zwei bis drei Jahre) häufig Logistiksysteme bzw. Fabrikabschnitte neu geplant. Das Wissen über die kundenspezifischen Prozesse sowie die kundenindividuelle Konfiguration der Logistiksysteme liegt implizit bei den Planer*innen. Durch den Einsatz eines KI-basierten Assistenzsystems soll dieses Wissen erfasst und aufbereitet werden, sodass der Planungsprozess beschleunigt wird und gleichzeitig die Planungsqualität weniger individuellen Schwankungen unterliegt. In diesem Beitrag wird beschrieben an welchen Stellen des Planungsprozesses ein Bedarf für eine Unterstützung durch ein auf künstlicher Intelligenz (KI) basierendes Assistenzsystem besteht und wie die digitale Plattform ...

Beschaffung hat grundsätzlich die Aufgabe, einer Organisation ihre benötigten, aber nicht selbst hergestellte Güter zur Verfügung zu stellen. Durch den Zusammenbruch globaler Lieferketten im Zuge der SARS-COV2-Pandemie wurde die Beschaffung bei der Bewältigung dieser Aufgabe vor große Herausforderungen gestellt. Eigentlich gut verfügbare Güter wurden zu versorgungskritischen Engpässen. Dabei zeigte sich, dass additive Fertigung diese Engpässe abmildern kann. So wurden u. a. medizinische Ersatzteile mittels additiver Fertigung produziert. Dieser Beitrag untersucht, wie additive Fertigung das Beschaffungsrisiko von Sachgütern verändert bzw. verändern kann. Anhand einer Befragung wird ein Vergleich zwischen traditionellem und additivem Bezug vorgenommen. Das Ergebnis ist eine kombinierte Beschaffungsstrategie, welche das Verfügbarkeitsrisiko kritischer Güter optimiert.

Mit zunehmender Datenverfügbarkeit wird der Einsatz Maschinellen Lernens zur Steuerung und Optimierung von Supply Chains attraktiver, da die Qualität der Datenauswertung erhöht und gleichzeitig der Aufwand gesenkt werden kann. Anhand des SCOR-Modells werden exemplarische Ansätze als Orientierungshilfe eingeordnet und dazu passende Verfahren des Maschinellen Lernens vorgestellt.

Bedingt durch COVID-19 standen im Frühjahr 2020 die Produktionsanlagen der Automobilhersteller in Deutschland durchschnittlich 30 Tage still [1]. Auch Abgas-Manipulationsvorwürfe, der geforderte Strukturwandel in Richtung Elektro-Mobilität sowie EU-weit strengere CO2-Vorgaben stehen lediglich stellvertretend für Risiken, die auf die automobile Wertschöpfungskette einwirken. Um derartigen Risikofeldern unternehmerisch zu begegnen, sind kooperative, integrative und analytische Fähigkeiten erforderlich, die in einem ausgereiften Risikomanagementmodell zusammengeführt werden. Während die Automobilhersteller und -zulieferer im wissenschaftlichen und öffentlichen Fokus solcher Risiken stehen [2], wird dem Risikomanagement unmittelbar betroffener Kontraktlogistikdienstleister dieser Branche weniger Beachtung geschenkt.