Latest / VerkehrsRundschau Funk / #366: Supply Chain 2035 - Wie KI, Robotik und Daten die Logistik verändern

Transcript

#366: Supply Chain 2035 - Wie KI, Robotik und Daten die Logistik verändern · VerkehrsRundschau Funk

• 0:08
  Speaker 3: Herzlich willkommen zu einer neuen Folge von Verkehrsrundschau-Funk, dem Podcast rund um Transport, Logistik und Mobilität.
• 0:14
  Speaker 3: Ich bin die Bora Baran, Redakteurin der Verkehrsundschau.
• 0:16
  Speaker 3: Schön dass Sie wieder mit uns unterwegs sind!
• 0:19
  Speaker 2: Und ich bin Christian Bonk, freier Journalist und ebenfalls viel auf den Straßen dieses Landes unterwegs.
• 0:25
  Speaker 2: Heute beschäftigen wir uns mit der Supply Chain der Zukunft im Jahr zwanzig, fünfunddreißig und der Frage wie sich die Arbeit in logistischen Berufen wandeln wird und auch man wandeln muss.
• 0:36
  Speaker 3: Die neue Studie von SAP Business Consulting und der Kühne Logistics University zeigt ein deutliches Zukunftspit.
• 0:44
  Speaker 3: Die SupplyChain twenty-fünfunddreißig wird vernetzter, datengetriebener und stark durch KI geprägt sein.
• 0:50
  Speaker 3: Mehrere technologische Reifegrade kommen erstmals zusammen – leistungsfähige Modelle, Cloud-Standards und integrierte Datenplattformen!
• 0:59
  Speaker 2: Spannend ist der historische Vergleich.
• 1:01
  Speaker 2: Zwei-tausend vierzehn herrscht nämlich Euphorie über hundertzwanzig Use Cases von drei D Druck bis Drohnelieferung, heute dominiert Pragmatismus.
• 1:10
  Speaker 2: Erfolgreiche Projekte starten klein und skalieren erst wenn ihr Nutzen bewiesen ist.
• 1:15
  Speaker 3: Die Realität zweitausendfünfundzwanziger bleibt entüchtert.
• 1:19
  Speaker 3: nur sieben Prozent der Unternehmen verfügen über harmonisierte Planungsdaten und weniger als zehn Prozent halten ihre Planungen für ausgereift.
• 1:26
  Speaker 3: Ohne moderne Planung riskieren Unternehmen ihre operative Steuerungsfähigkeit.
• 1:32
  Speaker 2: Beim Thema KI-Agenten wird die Lücke besonders sichtbar, fifty-six Prozent erwarten zwanzig fünfunddreißig erheblichen Einfluss auf alle Planungsprozesse und zweiundvierzig Prozent der Befragten rechnen mit deutlich intuitiverer Planungen.
• 1:47
  Speaker 2: doch nur ein Prozent hat zwanzich fünfundzwanzig mit nahezu autonomer Demandplanung und nur acht Prozent haben überhaupt mit Gen I für Planungen experimentiert.
• 1:57
  Speaker 3: Auch im Einkauf zeigt sie ein großer Greife-Grad-Gab.
• 2:00
  Speaker 3: Achtundzwanzig Prozent erwarten, dass Procurement zwei Tausendfünfunddreißig eine kritische Rolle für Firmenstrategie und Resilien spielt.
• 2:08
  Speaker 3: Einen dreißig Prozent rechnen mit neuen Rollen die KI Risiko und Kollaborations Expertise erfordern.
• 2:17
  Speaker 2: Die Realität ist weit davon entfernt.
• 2:19
  Speaker 2: Nur zwölf Prozent der Einkaufsorganisationen sind in C-Level Entscheidungen eingebunden und lediglich drei Prozent bewerten ihre KI gestützten Analysen als sehr gut.
• 2:30
  Speaker 2: Die Studie empfiehlt klare Strategien, ein optimiertes Operating Model standardisierte Prozesse modern end to end Apps und eine semantisch integrierte Datenbasis.
• 2:42
  Speaker 3: In der Produktion ist die Version klar definiert Vernetzt, flexible Modular KI gesteuert und zirkulär.
• 2:49
  Speaker 3: Die Studie
• 2:50
  Speaker 2: nennt
• 2:50
  Speaker 3: Semi Autonomous Factories und Circular Manufacturing als zentrale Differenziatoren für zwei Tausendfünfunddreißig.
• 2:59
  Speaker 2: Doch noch stockt die Umsetzung!
• 3:00
  Speaker 2: Nur neunzehn Prozent nutzen sehr ausgereifte Digitalsysteme Und nur dreinzwanzig Prozent an der Studie Beteiligten verfügen über akkurate Shopfloor-Daten.
• 3:10
  Speaker 2: Besonders die Circular Economy hängt hinterher.
• 3:14
  Speaker 2: Geschlossene Materialkreisläufe gelten, zwanzig-fünfunddreißig als gesetzt sind aber zwanzich-fünfundzwanzig erst in Ansätzen vorhanden.
• 3:22
  Speaker 3: In Transport und Lagerlogistik steigt der Druck weiter.
• 3:25
  Speaker 3: In fünf Schlüsselthemen für Zweitausendfünfhunddreißig sind AI Automation Business Networks Robotics Real Time Tracking und Sustainability.
• 3:34
  Speaker 3: Personalmangel wirkt als zusätzlicher Treiber.
• 3:37
  Speaker 2: Die Zahlen sind absolut alarmierend.
• 3:39
  Speaker 2: Dreiundvierzig Prozent der Lagerbetreiber verloren, allein im Jahr zwanzig vierundzwanzig Umsatz durch fehlendes Personal und bis zwanzich dreißig fehlen siebenkommann neun Millionen Mitarbeitende in der Fertigung.
• 3:52
  Speaker 2: Humanoider Roboter rücken damit von Science-Fictionen in den Unternehmensalltag.
• 3:56
  Speaker 2: Während nur siebzehn Prozent Echtzeitdaten umfassend nutzen und nur sechs Prozent kollaborativ mit Partnern arbeiten.
• 4:04
  Speaker 3: Ein zentraler Faktor ist der Mensch in der Supply Chain der Zukunft.
• 4:07
  Speaker 3: KI übernimmt Routineentscheidungen, während Menschen Ziele, Leitplanken und Szenarien definieren.
• 4:13
  Speaker 3: Operational Supply chain Management will turn into exception handling sagt ein Enterprise Architect bei SAP.
• 4:21
  Speaker 3: Bevor wir aber weiter heisst der Studie hier erklären lassen wir doch die zu Wort kommen die die Studie mit ins Leben gerufen haben.
• 4:28
  Speaker 3: Wir freuen uns sehr auf Dr.
• 4:29
  Speaker 3: Florian Dielmann und Daniel Hasenpflug von SAP.
• 4:33
  Speaker 3: Sie arbeiten als Berater mit den Kunden genau an diesen Themen, und erklären uns wie Unternehmen die nächsten zehn Jahre meistern – und welche Technologien wirklich kommen!
• 4:44
  Speaker 2: und eine Studie mit über zweihundert Seiten produziert.
• 5:02
  Speaker 2: Was hat euch da am meisten überrascht?
• 5:05
  Speaker 2: Und was ist aus eurer Sicht die zentrale
• 5:07
  Speaker 2: Botschaft?".
• 5:09
  Speaker 1: Genau, also wir haben die Studie gemeinsam mit Professor Hoberg von der Queen of Logistics Universität gemacht und die siebenhunderte Pleitgen verantwortliche Stammen aus den verschiedenen Broden in Europa und Nordamerika.
• 5:21
  Speaker 1: Das wurde natürlich auch ergänzt durch viele Interviews mit Expertinnen-Experten und auch einzelne Abstimmung natürlich mit den SAP Produktteams.
• 5:30
  Speaker 1: Und wie von dir Eingangs erwähnt auch, ist spannend dass wir in den vergangenen Jahren schon mal eine ähnliche Studie hatten.
• 5:35
  Speaker 1: Damals gemeinsam mit der ABTH Aachen und im Jahr war die Stimmung sehr euphorisch.
• 5:40
  Speaker 1: also über hundertzwanzig innovative Use-Cases wurden identifiziert von drei D gedruckten Legosteinen bis zur Drohenlieferung.
• 5:47
  Speaker 1: und alle dachten damals die Relation kommt jetzt sofort.
• 5:52
  Speaker 1: aber zehn Jahre später sehen wir jetzt die Revolution kam aber sie kam anders als erwartet.
• 5:58
  Speaker 1: Viele Piloten sind in den letzten zehn Jahren gescheitert, zum Beispiel an zu hoher Komplexität, unreiver Technologie oder einfach der schlechten Datenqualität.
• 6:07
  Speaker 1: Und was mich dabei an der aktuellen Studie daher am meisten überrascht hat war der enorme Optimismus der Expertinnen und Experten die trotz der eher durchwachsenen Erfahrungen sagen In den nächsten zehn Jahren wird enorm viel Gutes passieren.
• 6:20
  Speaker 1: Ein Gründer dafür sind zum Beispiel dass die Cloud der Standard ist ein kain echten Durchbruch erzielt hat oder auch dass autonome Agenten immer greifbarer werden.
• 6:30
  Speaker 1: Und gleichzeitig, das ist eine der zentralen Botschaften der Studie, ist aber auch ganz klar, wer jetzt wann sich fünfunddreißig vorne sein will, der muss heute schon die Grundlagen legen.
• 6:40
  Speaker 1: und mein Lieblingszitat von Wayne Gretzky bringt es sehr schön auf den Punkt und er hat gesagt good players skate to the puck great players skate where the puck is going to be.
• 6:49
  Speaker 2: Okay spannende These also sollten sich die Unternehmen allmählich ja zu dem Ort bewegen, an dem der Puck dann in den Jahr zwanzig fünfunddreißig angekommen sein würde.
• 7:00
  Speaker 1: Genau!
• 7:01
  Speaker 2: Daniel kommen wir zu dir.
• 7:02
  Speaker 2: die Studie zeigt im Bereich Logistik eine besonders große Kluft zwischen Anspruch und Realität.
• 7:08
  Speaker 2: Neun dreißig Prozent so habt ihr ermittelt erwarten voll digitalisierte Lager bis zwanzichfünfunddreizig aber nur siebzehn Prozent nutzen heute überhaupt Echtzeit-Daten.
• 7:17
  Speaker 2: gleichzeitig verlieren laut euren Zahlen dreinvierzig Prozent der Lagerbetreiber bereits Umsatz durch Personalmangel.
• 7:24
  Speaker 2: Woran liegt das und warum bewegt sich trotzdem so wenig?
• 7:29
  Speaker 0: Diese Zahlen sind natürlich tatsächlich ernüchternd.
• 7:31
  Speaker 0: Und ich erlebe das oft bei den Kunden, lasst mich versuchen die zwei Seiten nochmal zu erklären.
• 7:36
  Speaker 0: Erstens der Fachkräftemangel.
• 7:38
  Speaker 0: drei Viertel aller Arbeitgeber weltweit haben heute Schwierigkeiten Stellen passend zu besetzen.
• 7:44
  Speaker 0: In der Lagerlogistik ist es dann besonders dramatisch wie du gesagt hast.
• 7:48
  Speaker 0: fast die Hälfte.
• 7:49
  Speaker 0: Aller-Warehouse und Distributionsbetriebe haben im Jahr den Umsatz direkt eingebüßt, weil sie eben nicht genug Fachpersonal hatten.
• 7:58
  Speaker 0: Und das ist natürlich ein massiver Druck.
• 8:00
  Speaker 0: Trotzdem bewegt sich dann so wenig andererseits.
• 8:02
  Speaker 0: Warum ist es so?
• 8:04
  Speaker 0: Die Logistik ist in vielen Unternehmen einfach historisch gewachsen.
• 8:08
  Speaker 0: Die Systeme sind nicht miteinander integriert – Lager, Transport und auch der Einkauf reden nicht miteinander.
• 8:14
  Speaker 0: Dazu kommt dann, dass die Locustik oft noch als reines Kostcenter gesehen wird und rutscht dabei dann in Transformationsprojekten, in der Priorität immer weiter nach hinten.
• 8:25
  Speaker 0: Aber für uns gilt irgendwie weitermachen das reicht nicht mehr.
• 8:29
  Speaker 0: wir sehen die Margen schrumpfen.
• 8:30
  Speaker 0: Kunden erwarten immer schnellere Lieferungen Stichwort Amazonisierung Und dabei wird Energie und auch der Transport immer teurer.
• 8:40
  Speaker 0: also wer jetzt nicht investiert Der wird den Anschluss verlieren und daher ist unser Appell auch in der Studie ganz klar lieber Jetzt durchaus auch im kleinen Staaten als später dann den Anschluss zu verlieren.
• 8:51
  Speaker 0: Die Technologien sind ja schließlich schon da.
• 8:54
  Speaker 2: Okay, dann gehen wir direkt mal in die Praxis.
• 8:58
  Speaker 2: Ihr beschreibt ein Praxisbeispiel eines Automobilzulieferers der mit autonomen AGVs arbeitet.
• 9:09
  Speaker 2: Gleichzeitig spricht ihr bereits von humanoiden Robotern, die im Lager zur Anwendung kommen.
• 9:14
  Speaker 2: Daniel wie realistisch ist das und was braucht es damit Automatisierung in der Breite ankommt?
• 9:20
  Speaker 0: Ja durchaus realistischer als man so denkt.
• 9:22
  Speaker 0: also dieser AGV Case ist einer meiner Lieblingsbeispiele weil es genau zeigt was heute eben schon funktioniert.
• 9:29
  Speaker 0: Der von Dir genannte Automobilzulieferer hat zum Beispiel autonome Transportsysteme für die Nachschubversorgung an seinen Montagelinien eingesetzt und dann holen diese AGVs Material aus dem Lager, und bringen es genau dorthin wo's gebraucht wird.
• 9:42
  Speaker 0: Ohne jegliches menschliches Eingreifen!
• 9:44
  Speaker 0: Und das Resultat sind eben die von Dir korporierten twenty-zwanzig dreißig Prozent Kostenreduktion bei den Materialflüssen.
• 9:52
  Speaker 0: Der Schlüssel für diesen Case ist die Integration.
• 9:56
  Speaker 0: also Manufacturing Execution Systeme, Warehouse Management Systeme und ERP-Systeme sind nahtlos miteinander verbunden.
• 10:03
  Speaker 0: Es gibt kein Inselprojekt sondern es gibt einen durchgängigen Prozess.
• 10:08
  Speaker 0: Und jetzt vielleicht der Schwenk zu diesen humanoiden Robotern.
• 10:12
  Speaker 0: wie gesagt ist das eigentlich echt näher als viele denken weil wir sehen gerade ein Paradigmenwechsel in der Robotik von regelbasierter Automatisierung hin zur Kontext und Trainings basierter Robotik.
• 10:24
  Speaker 0: Die können dann nämlich nicht mehr nur vorhersehbare Aufgaben in bekannten Umgebungen, sondern auch unverhehlsibare Situationen in verändernden Umgebung meistern.
• 10:34
  Speaker 0: Und jetzt konkret auf diesen Lagerfall.
• 10:36
  Speaker 0: bedeutet das dann das Picking und Verpacken in flexiblen Bereichen?
• 10:40
  Speaker 0: möglich ist visueller Qualitätskontrolle oder eben autonome Entscheidungsfindung wenn man eine Störung auftritt.
• 10:48
  Speaker 0: Damit das skaliert braucht es so sehen wir das eigentlich drei wesentliche Dinge die wir auch bereits Eingangs gehört haben.
• 10:57
  Speaker 0: Zum einen erstens eine saubere Datenbasis, also das System muss wissen was wo liegt.
• 11:03
  Speaker 0: Datenqualität als Fundament um dann auch Strategien und KPIs harmonisieren zu können.
• 11:09
  Speaker 0: Zweitens eine Integration in bestehende Systeme, also die AGVs und Roboter müssen mit den genannten Systemen, Warehouse Management Systeme MS oder dem ERP kommunizieren können.
• 11:20
  Speaker 0: Und drittens ein schrittweisen Ansatz mal eine Linie nehmen und pilotieren, die Ergebnisse verbessern.
• 11:28
  Speaker 0: Und dann skalieren auch um die Flexibilität zu erhöhen.
• 11:32
  Speaker 0: also ich meine niemand von uns kann genau vorhersagen wie man sich aussieht.
• 11:37
  Speaker 0: aber ganz klar wer anpassungsfähig ist der gewinnt.
• 11:40
  Speaker 0: ja es muss eben nicht die ganze verdrick von null auf hundert auf einmal umgestellt werden sondern ganz im gegenteil.
• 11:46
  Speaker 0: wir empfehlen eigentlich klein Aber gezielt dort anzufangen, wo der Return of Investment dann am schnellsten sichtbar wird.
• 11:54
  Speaker 2: Okay klingt absolut logisch.
• 11:57
  Speaker 2: also wir sind von der völlig automatisierten Fabrik eigentlich gar nicht so weit entfernt wie viele wahrscheinlich noch vermuten.
• 12:04
  Speaker 2: Kommen wir zur nächsten Frage.
• 12:17
  Speaker 2: mit spezialisierten Agenten wie zum Beispiel Demand Agents, Warehouse Agents Logistic Agents die zusammenarbeiten.
• 12:26
  Speaker 2: Daniel Wie sieht so ein Agententag eines Disponenten im Jahr zwanzig fünfunddreißig dann konkret aus?
• 12:32
  Speaker 0: Ja ich versuch mal so ein Bild zu malen.
• 12:35
  Speaker 0: erstmal stand heute stellt euch eine Disponentin einen Dispontent vor morgens halb acht auf dem Weg zum Büro schon Kaffee getrunken.
• 12:45
  Speaker 0: Im Büro angekommen werden erst mal fünf verschiedene Systeme aufgemacht.
• 12:49
  Speaker 0: Die E-Mails werden gecheckt, es werden die Spediteure angerufen, Stati werden erfragt, Probleme wird reagiert.
• 12:59
  Speaker 0: Alles eigentlich wirklich reaktiv.
• 13:01
  Speaker 0: und in twentyfünfdreißig denken wir und auch die Studienteilnehmer sieht das Ganze dann ein bisschen anders aus.
• 13:08
  Speaker 0: Es wird einen Control Tower geben und spezialisierte Agenten, die du genannt hattest haben dann wie die Heizelmännchen eigentlich über Nacht bereits so vorgearbeitet.
• 13:17
  Speaker 0: Logistics Agent hat gemeldet, Lkw-IVI, der hat Verspätung, kommt später an zwei Stunden nach dem geplanten ETA.
• 13:29
  Speaker 0: Der Warehouse Agent hat dann daraufhin sofort schon automatisch auf Tor Drei umgeplant und einen anderen Auftrag irgendwie vorgezogen.
• 13:41
  Speaker 0: die neuste Wetterprognose, weniger Regen oder mehr Regen, fünfzehn Prozent mehr Nachfrage nach bestimmten Produkten in irgendeiner Region und er fragt dann ob aufgrund dieser Prognose zusätzlich Kapazität bei den Carrying gebucht werden soll.
• 13:57
  Speaker 0: Und der Disponent, die Disponentin, die bestätigen, die korrigieren vielleicht nochmal eine Kleinigkeit und darauf basierend führen die Agenten aus.
• 14:06
  Speaker 0: also Das Prinzip ist, der Mensch gibt Leitplanken vor, steuert bei Ausnahmen und die Agenten erledigen dann in Anführungszeichen dann die Standardarbeit.
• 14:19
  Speaker 0: In unserer Studie haben wir dafür auch ein konkretes Beispiel mit einem Newsradaragenten, der screent externe Daten wie zum Beispiel das Wetter, Nachrichten oder andere Marktsignale und berechnet den Einfluss auf die Vorkas.
• 14:35
  Speaker 0: Dann schickt einen Alert mit Handlungsvorschlägen an den Planer und so könnten wir feststellen, dass wirklich der manuelle Aufwand auf über neunzig Prozent reduziert werden konnte.
• 14:47
  Speaker 0: Ein anderes Beispiel weil wir uns in der Logistik bewegen kommt dann aus dem Lager.
• 14:52
  Speaker 0: KI-Agenten können erkennen das.
• 14:54
  Speaker 0: zum Beispiel jetzt mehrere Kundenaufträge gleichzeitig ankommen in der Kommissionierung.
• 14:58
  Speaker 0: Und dann haben wir natürlich ein Bottleneck eigenständig schon separate Kommissioniert-Zonen einrichten, um Blockaden oder diese bottlenecks zu vermeiden.
• 15:10
  Speaker 0: Das klingt zwar relativ simpel aber was dahinter steckt stand heute ist eigentlich noch viel manuelle Arbeit.
• 15:18
  Speaker 0: Also man muss Auftragsdaten integrieren und das Lager Layout automatisch anpassen.
• 15:24
  Speaker 0: Man muss die Personalsituation berücksichtigen und historische Muster
• 15:28
  Speaker 0: etc.,
• 15:29
  Speaker 0: also viel manueller Aufwand.
• 15:33
  Speaker 0: Um das zu automatisieren, ist die zentrale Voraussetzung nach wie vor.
• 15:39
  Speaker 0: IOT, ERP und auch die Daten von externen, von den Partnern müssen semantisch harmonisiert werden.
• 15:46
  Speaker 0: Und in der gemeinsamen Umgebung zusammengeführt sein hat man im Grunde genommen die Grundlage für das was ich gerade geschrieben habe.
• 15:53
  Speaker 2: Das klingt alles natürlich wahnsinnig technisch reißt aber für mich auch hier geht davon aus dass der Logistik-Mitarbeiter auf jeden Fall seinen Job behält, aber die Heinzelmännchen einfach für bessere Abläufe sorgen.
• 16:07
  Speaker 2: Absolut!
• 16:10
  Speaker 2: Florian ein roter Faden durch die gesamte Studie ist die Datenqualität.
• 16:15
  Speaker 2: nur sieben Prozent haben harmonisierte Planungsdaten.
• 16:18
  Speaker 2: nur etwa neun Prozent der Befragten haben ETA Transparenz in Transport.
• 16:23
  Speaker 2: Ihr sagt, Daten sind das Fundament für alles?
• 16:26
  Speaker 2: Was sind die wichtigsten Schritte und warum scheitern so viele derzeit
• 16:29
  Speaker 2: daran?".
• 16:31
  Speaker 1: Genau!
• 16:31
  Speaker 1: Datenqualität ist echt das Querschnittsthema, dass sich durch die gesamte Studie zieht.
• 16:35
  Speaker 1: also egal ob Planung, Einkauf, Produktion oder Logistik wir sehen überall echtes gleiche Muster.
• 16:41
  Speaker 1: es gibt ambitionierte Visionen, aber die Datenbasis zur Umsetzung fehlt einfach.
• 16:47
  Speaker 1: Gibt euch den schönen Spruch GabicIn und GabicOut.
• 16:50
  Speaker 1: Also auch die beste KI liefert schlechte Ergebnisse, wenn die Daten ungenügend sind.
• 16:55
  Speaker 1: Warum scheitern hier so viele?
• 16:57
  Speaker 1: Ich gebe zu meinen Augen drei wesentliche Gründe für.
• 17:00
  Speaker 1: Erstens das Thema Datenqualität wird oft als notwendiges Übel gesehen, dass einfach keinem Spaß macht.
• 17:06
  Speaker 1: Es fehlt einem Budget, ROI ist schlecht messbar viel manuelle Aufwand, hohe Abschlusungsbedarf über Abteilungen und so weiter.
• 17:14
  Speaker 1: da liegt einfach oft dann keine Prior drauf.
• 17:17
  Speaker 1: Zweitens ist ja auch ein organisatorisches Thema, dass der eng mit verknüpft ist.
• 17:21
  Speaker 1: Also wer es verantwortlich und viel Unternehmen führt sich aus den eben genannten Gründen fühlt sich einfach keiner dafür zuständig oder will sich auch nicht zuständig fühlen weil es einfach nicht immer Spaß macht.
• 17:32
  Speaker 1: Und drittes Thema was das ganze kompliziert ist die historisch gewachsene Systemlandschaft.
• 17:37
  Speaker 1: also wenn in drei systemen dasselbe produkt anders heißt und eine andere materialnummer hat ist natürlich eine komplexität auch erstmal beherrscht werden muss und natürlich auch irgendwie vermieden werden sollen.
• 17:48
  Speaker 1: Und wenn wir jetzt überlegen, wie man das vermeiden kann oder wie man generell dieses Thema verbessern kann, dann kann man verschiedene Ansätze wählen.
• 17:57
  Speaker 1: Unsere Sicht ist wichtig erst mal Data Governance aufzusetzen also nicht als IT-Projekt sondern wirklich als Business-Thema mit klaren Verantwortlichkeiten.
• 18:06
  Speaker 1: Dazu gehört dann auch, dass man Stammdaten harmonisiert.
• 18:09
  Speaker 1: Also zum Beispiel einhergehend mit der Digitalisierung von Prozessen, Cleansing oder einfach der Etablierung von klaren Standards.
• 18:16
  Speaker 1: Ein guter Tier funktioniert was Daniel vorhin auch schon so skizziert hatte bei den KI US Cases das man sich einen KI US Case einfach nimmt und den Wert dadurch von guten Daten sehr gut sichtbar macht.
• 18:28
  Speaker 1: Das ist der Case quasi zu den Daten passt oder durch die die Daten verbessert werden müssen um den Case wirklich zu realisieren.
• 18:36
  Speaker 1: Und wenn das Team dann merkt, seitdem wir die sauberen Daten haben funktioniert die Bedarfdrucknose sicherlich kein besser.
• 18:42
  Speaker 1: Dann entsteht so ein Selbstläufer also einen selbst verstärkenden Kreislauf und neue Cases werden identifiziert mit denen die Daten aufbereinigt und und und.
• 18:49
  Speaker 1: Und dann kann man eine wirklich positive Spirale kommen wo die Daten immer besser werden.
• 18:55
  Speaker 2: heißt aber dann Auf der Gegenseite auch Man muss wahrscheinlich vielen vielen am Prozess Beteiligten auch mal die grundsätzliche Angst vor vor Daten nehmen und sie auch in diese Prozesse integrieren.
• 19:06
  Speaker 1: Ja genau, also das Thema Change Management ist da auch super wichtig.
• 19:11
  Speaker 1: Dass man den Leuten zeigt wie es funktioniert und halt auch die Angst nimmt wenn ich jetzt im System eine Zahl ändere dann kann ganz vieles schiefgehen, kann ganz viele Abhängigkeiten dadurch ins Banken kommen sondern dass man das wirklich strukturiert macht.
• 19:24
  Speaker 1: jedem hat natürlich auch dann die Rechte nur gibt für die Sachen wo die Rechten gebraucht werden und steuert.
• 19:29
  Speaker 1: aber da muss sicherlich auch ein großes umdenken hinsichtlich Daten Unternehmen passieren, dass das Daten eben nicht was Böses sind sondern was sehr wertvolles Wichtig ist, dass man nutzen kann.
• 19:43
  Speaker 2: Ja kommen wir gleich zu einem anderen hoch spannenden Thema weil ihr euch in der Studie auch mit der Nachhaltigkeit in der Logistik befasst habt.
• 19:53
  Speaker 2: Ihr zeigt es nur sechs Prozent der Logustiker heute kollaborativ mit Partnern arbeiten.
• 19:59
  Speaker 2: gleichzeitig kommen aber fünfzehn Prozent der globalen Treibhausgase aus dem Transport.
• 20:04
  Speaker 2: Wie können vernetzte Logistik-Ökosysteme, ihr nennt sowas Business Networks beides gleichzeitig lösen?
• 20:10
  Speaker 2: Effizienz und Nachhaltigkeit.
• 20:13
  Speaker 0: Ja das ist ein Thema, das ist mir besonders wichtig weil es uns eigentlich zeigt wohin die Reise gehen kann.
• 20:19
  Speaker 0: ja ich hatte es eingangs schon erwähnt heute funktioniert logistik zusammenarbeit ganz oft so per e-mail, per telefon manchmal haben wir ADI vielleicht auch mal Portal im Einsatz aber Alles ist eins zu eins, alles ist sehr fragmentiert.
• 20:38
  Speaker 0: Wie du sagst, sechs Prozent wirklich kollaborativ und das ist ja eigentlich fast nix.
• 20:44
  Speaker 0: Gleichzeitig sehen wir dann das wesentliche Anteil eben diese fünfzehn Prozent der globalen Treibhausgase aus dem Transport kommen und die staatliche Regulierung, das wissen alle hat sich seit zwanzigzwanzig auch noch wesentlich verschärft.
• 20:58
  Speaker 0: also Unternehmen müssen zukünftig lückenlos nachweisen, wie viel CO-Zwei ihre Lieferketten verursachen.
• 21:05
  Speaker 0: Und die Lösung sehen wir wirklich dann in diesen Business Networks also Plattformen auf denen die Verlader, die Spediteure, Logistikdienstleiste aller Couleur, also alle Akteure in der Kette echteid Daten miteinander teilen können.
• 21:20
  Speaker 0: Also sei es Transportstartie Kapazitäten, CO-zwei Fußabdrücke das ermöglicht dann zum Beispiel eine gemeinsame Routenoptimierung.
• 21:31
  Speaker 0: Also weniger Leerfahrten, eine bessere Auslastung der Equipments.
• 21:36
  Speaker 0: Man muss nämlich wirklich bedenken heute fährt nur jeder zweite Lkw in der EU mit voller Ladung und man sagt nach wie vor dass jeder fünfte LkW gänzlich leer unterwegs ist.
• 21:47
  Speaker 0: Und wenn man das jetzt positiv formulieren möchte liegt da ein enormes Potenzial?
• 21:52
  Speaker 2: Ja absolut also ganz nach dem Motto Kooperation statt Konkurrenz.
• 21:58
  Speaker 2: Die müssen einfach enger zusammenrücken, um was zu bewirken.
• 22:02
  Speaker 2: Kommen wir zur nächsten Frage.
• 22:04
  Speaker 2: Viele Mittelständler haben kaum dokumentierte Prozesse.
• 22:08
  Speaker 2: Ihr sagt aber CloudTools ermöglichen erstmals Zugang zu Technologien die früher nur Großkonzernen vorbehalten waren.
• 22:15
  Speaker 2: Florian wie sieht ein realistischer Einstieg für ein mittelständiges Unternehmen heute schon aus?
• 22:21
  Speaker 1: Genau, also einer der spannendsten Aspekte der Studie ist wirklich das durch die Cloud-Technologie demokratisiert wird.
• 22:27
  Speaker 1: Also was früher nur für die großen Supply Chain Vorreiter wie Amazon, Apple, PNG realisiert war, das wird jetzt auch durch die cloud Platform für den Mittelstand zugänglich.
• 22:37
  Speaker 1: Das konkretes Beispiel Automatic Tendering mit KI.
• 22:42
  Speaker 1: Früher hätte man dafür ein eigenes Data Science Team und eine teure Infrastruktur aufbauen betreiben müssen Und heute kann Mittelstände das einfach als Cloud Service out of the box nutzen.
• 22:51
  Speaker 1: Das sehen natürlich dann die Einstiegshürde enorm.
• 22:55
  Speaker 1: Deswegen wäre hier auch sehr ähnlich wie die Empfehlung zur Verbesserung der Datenqualität, dass man eben nicht auf die perfekte Formalisierung von allen Prozessen wartet sondern pragmatisch startet sich einen konkreten Paintpoint identifiziert also zum Beispiel hohe Fehlerquoten in der Kommissionierung oder unzuverlässige Lieferzeiten und das dann mit dem kleinen Use Case pilotiert.
• 23:18
  Speaker 1: Die Ergebnisse misst, davon lernt und dann nach und nach skaliert.
• 23:21
  Speaker 1: natürlich immer Zusammenspiel Mensch und Technologie.
• 23:26
  Speaker 1: Dabei könnte auch Planning as a Service mittelfristig ein vielversprechender Weg für den Mittelstand sein.
• 23:31
  Speaker 1: Der Gedanke da ist dass Planung ausgelagert wird an einen Dienstleister und er die Technologie und des Personal dann bündelt.
• 23:38
  Speaker 1: Das heißt, der Mittelständler profitiert dann von besseren Prognosen oder Risikomedikationen ohne dass jetzt der ganze Oberhead selbst aufgebaut werden muss.
• 23:46
  Speaker 1: Er hat natürlich auch für Governance- oder Compliance Anforderungen einen riesigen Vorteil mit den Standard Tools weil Transparenz und auch generell Nachweise damit deutlich einfacher werden was dann wiederum für regulierte Branchen zum Beispiel ein starkes Argument sein kann die Weg zu gehen.
• 24:04
  Speaker 2: Okay klingt ebenfalls super spannend.
• 24:07
  Speaker 2: Die Abschlussfrage möchte ich gerne an euch beide richten.
• 24:10
  Speaker 2: Ihr habt euch nämlich auch eigentlich mit denen in der Studie beschäftigt, die dann wahrscheinlich größtenteils zwanzig-fünfunddreißig in diesen Jobs unterwegs sein werden.
• 24:21
  Speaker 2: Nur acht Prozent der SCM Manager haben mit generativer KI experimentiert bisher aber seventy zwei Prozent der Studierenden erwarten KI im Job.
• 24:31
  Speaker 2: ihr sagt außerdem SCM wird künftig vor allem exception Handling sein.
• 24:36
  Speaker 2: Was bedeutet das für die Logistik-Berufe von morgen und was ist daraus resultierend?
• 24:41
  Speaker 2: euer Appell an die Zuhörer?
• 24:44
  Speaker 1: Ja, die seventy zwei Prozent der Studierenden hat mich schon auch echt persönlich recht stark beeindruckt.
• 24:50
  Speaker 1: Wir haben es im Rahmen eines Seminars am Karlsruhe Institut für Technologie befragt und haben dann davon von Studierende quasi verschiedene Ansichten abgefragt wie sie die Zukunft und die Arbeit in der Zukunft sehen.
• 25:03
  Speaker 1: Und dadurch dass Sie erwarten, sie im Job unterstützt, und auch generell die Nutzung von KI für die Generation völlig selbstverständlich ist.
• 25:12
  Speaker 1: Ist das natürlich dann eine große Herausforderung?
• 25:14
  Speaker 1: Weil wir diese seventy zwei Prozent haben und wie du schon gesagt hast, die acht Prozent zwanzig fünfundzwanzig überhaupt damit experimentiert haben also der Supply Chain Manager.
• 25:24
  Speaker 1: Man muss es natürlich auch sagen durch die schnellen Entwicklungen in dem Bereich wird die Zahl wenn man heute nochmal die gleiche Befragung machen würde letztes Jahr natürlich deutlich höher sein.
• 25:33
  Speaker 1: Aber gleichzeitig steht ja immer eine massive Erwartungslücke, also lässt sich schon noch so festhalten.
• 25:39
  Speaker 1: Man kann sich dann das auch so vorstellen dass Absolventinnen und Absolventen dann fast schon einen Kulturschock erleben wenn sie in Unternehmen kommen.
• 25:46
  Speaker 1: Sie kommen aus einer Welt wo sie ihre Probleme an der Uni mit KI lösen können und landen dann irgendwo wo sie vielleicht in selektiven Fällen KI als Alternative zu Google nutzen dürfen und ansonsten die Arbeit eigenständig machen müssen.
• 26:00
  Speaker 1: Es kann natürlich dann aber auch eine riesige Chance für Unternehmen sein, weil wenn ein Unternehmen einen jungen Talent in moderner Technologie bereitstellt, natürlich die Attraktivität stark erhöht werden würde wieder.
• 26:10
  Speaker 1: Also insbesondere dann, wenn es nicht alle Wettbewerber machen.
• 26:15
  Speaker 1: Beides Thema jetzt aber auch natürlich weit über das Rekruting hinausgeht.
• 26:19
  Speaker 1: Wir sehen hier unseren Beratungsalltag – hast du ja auch schon angesprochen – immer mehr.
• 26:23
  Speaker 1: dass operative Tätigkeiten mehr und mehr an KI und Software übergeben werden gibt so Stichworte wie Low oder vielleicht sogar No-Touch Planning.
• 26:32
  Speaker 1: Der Gedanke ist, dass dann die Routine von Agenten übernommen wird und der Mensch nur bei Ausnahme eingreift.
• 26:37
  Speaker 1: also Daniel hat das vorhin ja auch schon mal skizziert.
• 26:41
  Speaker 1: Dadurch wird aber natürlich mehr und mehr Zeit der Mitarbeitenden verfügbar, die für strategische oder auch differenzierende Themen genutzt werden kann.
• 26:49
  Speaker 1: Und was jetzt aber wichtig ist für die Unternehmen?
• 26:51
  Speaker 1: Ist das sie dann auch ihre Mitarbeiter dementsprechend vorbereiten und man nennt es dann sogenannte T-Shaped Skillset entwickeln, also wie T-förmig breite, tiefes... also breites Prozessverständnis und digitale Kompetenz ergänzt mit wirklich tiefer Fachexpertise die dann notwendig ist um quasi dieses ganzheitlich zu managen.
• 27:13
  Speaker 1: Und das zeigt natürlich wiederum dass sich die Anforderungen an die Mitarbeitenden generell ändern.
• 27:18
  Speaker 1: In unserer Studie haben wir einen Professor für Logistic Management dazu mal befragt der es recht schön auf den Punkt gebracht hat und er hat gesagt Wir brauchen jemanden der erfahren und jung ist Erfahren im Sinne von erkenntes Unternehmen und bleibt ruhig bei Krisen.
• 27:33
  Speaker 1: Und Jung in dem Sinne von kennt alle neuen Tools, ist flexibel genug sich immer wieder an dynamische Rahmenbedingungen anzupassen.
• 27:42
  Speaker 1: In den letzten Gedankenstoß, den ich noch zur Arbeit in der Supply Channel Zukunft geben möchte wie besprochen es ja absehbar dass wenn KID die ausführende Arbeitsperspektive nehmen wird die Mitarbeiter dann als Trainer der KI mehr oder weniger arbeiten und die KI überwachen und weiterentwickeln.
• 28:01
  Speaker 1: Und wenn man jetzt heute KI einführt, funktioniert das sehr gut weil die Mitarbeitenden quasi Ergebnisse überwachten, die sie früher selbst erzeugt haben.
• 28:09
  Speaker 1: Wenn wir uns aber in die Zukunft schauen werden Mitarbeiterinnen zu nehmen kommen und dabei eine KI bei solchen Aufgaben überwachsen, die sich nie selbst ausgeführt oder gelernt haben.
• 28:19
  Speaker 1: Also wenn man sich das als Analogie vorstellt können wir sich überlegen dass wir Lehrer in Schulen haben die Unterrichten und Klasuren bewerten, aber selbst nie zur Schule gegangen sind.
• 28:29
  Speaker 1: Das erfordert natürlich jetzt auch ein komplett neues Ausbildungskonzept also weniger Frontalunterricht mehr experimentieren mit Tools und viel Interaktives.
• 28:37
  Speaker 1: hier sehe ich dann auch insbesondere die Universitäten in der Pflicht wobei man hier auch positiv festhalten kann dass sie auch schon sehr weit sind.
• 28:44
  Speaker 1: wir haben vorhin ja auch schon darüber gesprochen viele KI-Nutzungen an den Universitäten und dementsprechend werden die Studierenden auch schon stark oder immer stärker zumindest auf die veränderten Bedingungen vorbereitet.
• 28:55
  Speaker 1: Aber gleichzeitig ist es natürlich auch ein Appell an Unternehmen, die Mitarbeitenden stärker in diese Richtung zu
• 29:00
  Speaker 1: entwickeln.".
• 29:02
  Speaker 0: Ja, Danke Floh!
• 29:03
  Speaker 0: Also für die Logistik lässt sich sagen, die Mitarbeiter in der Disposition verschwinden nicht aber ihr Rollenprofil wird sich weiterentwickeln.
• 29:14
  Speaker 0: also sie werden potenziell weniger telefonieren im Zwanzig-Fünfund-Dreißig und mehr orchestrieren jeder einzelne Transport geplant, sondern die KI wird zumindest mal Teile davon machen und es wird dann eingegriffen wenn das wirklich kritisch wird.
• 29:29
  Speaker 0: Auch im Warehouse, die Manager arbeiten mehr im Control Tower als direkt am Shopfloor – das haben wir auch schon gehört!
• 29:37
  Speaker 0: Daher unser Appell fangen Sie an nicht mit dem ganz großen Wurf, sondern gerne mit einem konkreten Use Case.
• 29:45
  Speaker 0: Die Technologien sind da, machen sie ihre Mitarbeiter fit.
• 29:49
  Speaker 0: Lassen Sie sie mit KI experimentieren, investieren sie wirklich in die Datenqualität und die Datenbasis und entwickeln sie eine Innovation-Robemap für Ihre Logistik.
• 30:00
  Speaker 0: nicht mit der Frage dann welches Sprachmodell wollen wir nutzen oder welchen Roboter kaufen wir als nächstes sondern eher welches Problem lösen wir?
• 30:09
  Speaker 0: Was ist der Business Case dafür und wie skaliert es danach?
• 30:13
  Speaker 0: Und dabei helfen wir natürlich auch gerne!
• 30:16
  Speaker 2: Das war ein wunderbares Schlusswort, lieber Daniel.
• 30:20
  Speaker 2: Danke dafür!
• 30:20
  Speaker 2: Also von uns auch nochmal zusammengefasst der Appell an die Unternehmen hat überhaupt keinen Sinn sich gegen moderne Technik vor einem KI irgendwie zu stellen.
• 30:29
  Speaker 2: im Gegenteil mit ihr werden die Chancen größer und wir hoffen Wir konnten mit euren sehr sehr spannenden Einblicken da ein bisschen Zukunft gestalten oder Zukunft zeigen wie sie sein wird und auch ein bisschen Hoffnung verbreiten.
• 30:46
  Speaker 2: Vielen Dank lieber Florian, lieber Daniel für eure Zeit und diese super spannenden Einblicke.
• 30:52
  Speaker 1: Ja vielen Dank Christian, hat Spaß gemacht!
• 30:54
  Speaker 0: Danke schön Christian.
• 30:56
  Speaker 3: Auch von mir vielen dank und auch ihnen liebe Zuhörerinnen und Zuhöhrer danke dass sie wieder eingeschaltet haben.
• 31:01
  Speaker 3: Sollten Sie Fragen, Ideen oder Feedback haben finden Sie einen Kontakt in den Shownutz Und wir freuen uns natürlich immer über eine Bewertung auf der Podcast-Plattform ihrer Wahl.
• 31:11
  Speaker 3: Das war's mit Verkehrsrundschaufung für heute.
• 31:13
  Speaker 3: Wir hören uns nächste Woche wieder.