Ökologie

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.

Moderne Logistikkonzepte spielen angesichts der weltweit zunehmenden Transportleistung aus ökonomischer Sicht bei Unternehmen eine essenzielle Rolle. Hohe Zeitersparnis, schnellere Lieferfähigkeit und reduzierte Bestände bewirken eine schlankere Supply Chain, wodurch hohe Kosteneinsparungen mit einhergehen [1]. Die daraus resultierenden Umweltauswirkungen (z. B. im Hinblick auf die Anzahl der Transporte, Energiebedarf - und Flächenverbrauch durch Logistikflächen) werden bisher wenig betrachtet und werfen die Frage auf, inwiefern Unternehmen Vendor Managed Inventory (VMI) auch aus ökologischer Sicht betrachten. Die vorliegende Studie untersucht das dort in Unternehmen vorhandene ökologische Bewusstsein zum Einsatz von VMI. Basierend auf einer Umfrage in der Logistikbranche in Deutschland wurden die Ergebnisse analysiert, zusammengefasst und als Handlungsempfehlungen herausgegeben.