KI-Anwendungsfälle von After Sales bis Zielgruppenselektion
KI im Supply Chain Management
Eine durch das Supply Chain Management strategisch optimierte Lieferkette ist wichtig für den Unternehmenserfolg. KI ist auf unterschiedlichen Stufen der Lieferkette einsetzbar. Bereits bei der Rohstoffbeschaffung hilft sie mit Preisprognosen. Diese sind bei Rohstoffen sehr volatil und unterliegen zahlreichen Einflussfaktoren. Für Unternehmen der Fertigungsindustrie haben deshalb Analysten und Einkäufer den Markt stetig im Blick.
Um die bestmögliche Kaufgelegenheit zu bestimmen, ist KI ebenfalls nützlich. Sie erfasst Parameter wie historische Preis- und Marktdaten, Bestellungen, Konjunkturprognosen oder geopolitische Krisen als Daten. Mittels Deep-Learning-Verfahren sucht das System in diesen Daten Muster, die ehemalige Preisschwankungen erklären und zukünftige Entwicklung prognostizieren. Unternehmen gelingt es so, Einkaufszeitpunkte und -mengen automatisch zu optimieren.
Weitere Aufgabe des SCM ist es, Logistikprozesse zu organisieren. Hakt es in der Logistik, steht irgendwann die Produktion still. Der gewachsenen Komplexität in der Lieferkette begegnen Unternehmen mit automatisierten Abläufen in der Intralogistik. Mittels KI-Anwendungen erweitern sich dabei die Möglichkeiten. Einerseits automatisieren sie weitere Prozessschritte, andererseits erhöhen sie die Effizienz bestehender. Grundlage dazu sind Daten, die etwa aus Warehouse-Management-Systemen oder Sensoren entlang der Transportwege stammen. Angelernte KI-Lösungen erkennen eigenständig, ob die richtigen Waren an den richtigen Stellen in der richtigen Menge vorhanden sind. Beispielsweise bestellen sie unter Berücksichtigung unzähliger Faktoren eigenständig Ware nach.
KI im Sales/After Sales
Im Unternehmensbereich Sales/After-Sales spielt seit jeher der persönliche Austausch eine große Rolle. Bei diesen zwischenmenschlichen Themen sind KI-Lösungen meist nicht die erste Wahl. Dennoch leisten sie wertvolle Unterstützung. Sie helfen etwa Vertriebsmitarbeitern bei der Recherche nach Absatzpotenzialen. Möglich macht das die Auswertung von Datenquellen per Text-Mining und Mustererkennung. Diese Verfahren analysieren das CRM-System samt Informationen wie Kaufhistorie oder schriftlichem Austausch mit dem Service. Ebenso lassen sich externe Datenquellen nutzen, die je nach Geschäftsmodell unterschiedlich sind. Die neunte Ausgabe von Rockwell Automations „State of Smart Manufacturing“ Report liefert Einblicke in Trends und Herausforderungen für Hersteller. Dazu wurden über 1.500 Fertigungsunternehmen befragt, knapp 100 der befragten Unternehmen kommen aus Deutschland. ‣ weiterlesen
KI in Fertigungsbranche vorn
Ein Automobilhersteller etwa nutzt für Angebote von Winterreifen lokale Wetterprognosen. Mit dem jeweiligen Datenset trainieren Experten die KI, sodass diese automatisch Käufergruppen identifiziert. Vertriebsmitarbeiter können damit die Kundenansprache konkreter und damit vielversprechender gestalten.
Im Bereich After Sales ist das Thema vorausschauende Wartung fast schon ein moderner Klassiker. Mit Predictive Maintenance sind Unternehmen in der Lage, den Zustand von Maschinen detailliert zu erfassen und den Wartungsbedarf individuell zu prognostizieren. Bislang orientierten sich Betreiber an starren Vorgaben wie Zeitraum oder Laufleistung.
KI-Anwendungen hingegen erkennen in den Betriebsdaten von der Norm abweichende Muster und damit baldige Betriebsprobleme. Ist dies der Fall, weist das System auf den Wartungsbedarf hin. Das ebnet den Unternehmen den Weg zu weniger Stillstandzeiten und höherer Auslastung von Werkstätten und Servicetechnikern. Der Thin[gk]athon, veranstaltet vom Smart Systems Hub, vereint kollaborative Intelligenz und Industrie-Expertise, um in einem dreitägigen Hackathon innovative Lösungsansätze für komplexe Fragestellungen zu generieren. ‣ weiterlesen
Innovationstreiber Thin[gk]athon: Kollaborative Intelligenz trifft auf Industrie-Expertise
Auf die Adaption kommt es an
Die Ausführungen und die Bandbreite möglicher Einsatzgebiete zeigen: KI-Technologien offerieren Unternehmen im produzierenden Gewerbe zahlreiche Möglichkeiten zum Verbessern, Kosteneinsparen und Neugestalten. Kleine und mittlere Unternehmen könnten mittels KI und dem damit verknüpften Automatisierungspotenzial sogar personelle oder finanzielle Ressourcennachteile ausgleichen.
Entscheidend ist, dass Unternehmen passende Lösungen für ihre individuelle Situation finden. Das gelingt am ehesten durch einen abteilungsübergreifenden Austausch. Nur wenn Fach- und IT-Wissen zusammenkommen, lassen sich relevante Daten zusammenführen und sinnvolle Ansatzpunkte für KI-Lösungen identifizieren.
