Anzeige
Anzeige
Anzeige
Beitrag drucken

KI in der Logistik

Mit Machine Learning präzise Vorhersagen treffen

Immer häufiger wird Machine Learning als Analyse- und Steuerungsinstrument auch in der Logistik eingesetzt. Ein Beispiel dafür ist die Verknüpfung des Microsoft Azure Machine Learning Studios mit Bestandsmanagement- oder ERP-Systemen. Damit lassen sich unter anderem Bestände, Bestellungen und Lagerprozesse optimieren.

 (Bild: ©PhonlamaiPhoto/istockphoto.com)

(Bild: ©PhonlamaiPhoto/istockphoto.com)

Viele Unternehmen haben das Potenzial von Machine Learning in selbstlernenden Systemen erkennt. Dabei erkennen Algorithmen Muster und Gesetzmäßigkeiten in großen Datenmengen. Mit neuronalen Netzen lassen sich aus den Datenbeständen Rückschlüsse ziehen und Prognosen treffen. In Zeiten von Big Data und Cloud-Plattformen bilden die mittlerweile enormen Rechenkapazitäten eine gute Grundlage, um intelligente Anwendungen wie Machine-Learning-Systeme, zu entwickeln. Dabei lernt eine Software, indem sie selbstständig neues Wissen generiert – ohne explizite Programmierung. Zum Einsatz kommen Algorithmen, die komplexe Zusammenhänge zwischen den vorhandenen Daten verstehen, Muster erkennen und daraus nach einer Lernphase allgemeingültige Modelle ableiten. Ob der Algorithmus zuverlässige Ergebnisse liefert, hängt dabei allerdings wesentlich von dem Umfang und der Qualität der zur Verfügung stehenden Daten ab.

Ein exaktes Modell entsteht

Auch die Sievers-Group setzt bei Kundenprojekten zunehmend auf Machine Learning, um Informationen zu interpretieren, präzisere Vorhersagen zu treffen und dadurch insgesamt Prozesse zu optimieren. „Wir nutzen die Cloud-Lösung Microsoft Azure Machine Learning Studio“, erklärt Hendrik Ohlms, Teamleiter Vertrieb Business Solutions ERP bei der Firma. „Zunächst greifen wir damit auf die vorhandenen Datenmengen zu, bereiten diese auf, analysieren sie und stellen den Kunden schließlich die Ergebnisse zur Verfügung.“ Das Machine-Learning-System identifiziert dabei auf der Basis von neuronalen Netzen wiederkehrende Muster, Gesetzmäßigkeiten oder Anomalien. Dabei nutzt die Sievers-Group das sogenannte überwachte Lernen. Das System zieht beispielsweise 60 Prozent der verfügbaren Daten heran, um Zusammenhänge zu erkennen und daraus zu lernen. Anhand der restlichen 40 Prozent der Daten prüft die Software, mit welcher Wahrscheinlichkeit die aus der Lernphase ermittelten Ergebnisse zutreffen. Der Trainingsprozess dauert im Idealfall so lange, bis alle Beispiele richtig berechnet werden. So nutzt der Algorithmus die Daten, um sein erstelltes Modell ständig anzupassen und zu verfeinern. Je mehr Daten zur Verfügung stehen, desto genauer wird das Modell. Stimmt es größtenteils mit der Realität überein, können zunehmend präzise Aussagen oder Handlungsempfehlungen getroffen werden. Im Ergebnis ermöglicht Machine Learning Anwendern, durch die Analyse großer Datenmengen realistische Prognosen zu treffen und geeignete Maßnahmen abzuleiten.

Vielfältige Anwendungen

Durch die Verbindung der Cloud-Computing-Plattform Microsoft Azure Machine Learning Studio mit Lagerverwaltungs- oder ERP-Systemen erschließt der IT-Dienstleister Anwendungsmöglichkeiten des Machine Learning. Mit der künstlichen Intelligenz lassen sich beispielsweise Retouren verringern, Bestände optimieren oder ganze Lagerprozesse automatisieren. Da durch Machine Learning Absatzkurven prognostiziert werden können, weiß der Anwender ziemlich genau, zu welchem Zeitpunkt welche Artikel bestellt werden sollten und, ob beispielsweise eine Abhängigkeit vom Wetter oder von saisonalen Gegebenheiten sowie weiteren Einflussfaktoren besteht. Auch kann Machine Learning zur Bestelloptimierung genutzt werden. Aus der Analyse von Verkaufsaufträgen berechnet und prognostiziert die Software, wann welcher Kunde welche Artikel bestellen wird. Somit können Abläufe im Verkaufs- und Bestellwesen automatisiert werden. Muss ein Unternehmen jeden Tag eine gewisse Anzahl von Bestellungen mit einer bestimmten Artikelkombination zusammenstellen, kann es sich außerdem lohnen, diese Artikel vorzukommissionieren.


Das könnte Sie auch interessieren:

Das ERP-System Oxaion Automotive zielt genau auf die Bedürfnisse mittelständischer Automobilzulieferer. Die im ersten Quartal 2020 erschienene Version 5.1 soll Anwenderfirmen helfen, im rasanten Umbruch der Branche nicht den Anschluss zu verlieren - die neuen VDA-Standards wurden ebenfalls integriert.‣ weiterlesen

Die Betreiber digitaler Marktplätze zählen zu den wertvollsten Konzernen der Welt. Sie dominieren die Märkte, indem sie Konsumenten und Produzenten als sogenannte Matchmaker zusammenbringen. Die Mechanismen dahinter sind komplex und benachteiligen mitunter die Marktteilnehmer. Bei Bosch Research entsteht aktuell ein alternatives Modell einer Plattformökonomie, das auf dezentrale Technologien und die Kooperation der Marktteilnehmer setzt. Das Ziel: Eine faire und offene digitale Wirtschaft ohne einen dominanten Akteur an der Spitze.‣ weiterlesen

Produzierte Eisenbahnräder müssen der vorgegebenen Qualität genau entsprechen - und diese muss dokumentiert werden. Darüber hinaus wird es für Unternehmen immer wichtiger, die eigenen Prozesse zu kennen und zu verbessern. Ein Produktions-Informations-System kann in beiden Fällen Aufschluss geben.‣ weiterlesen

Während sich wenige über den Funktionsumfang von SAP-Sofware beklagen, sieht es bei ihrer Bedienung etwas anders aus. Ungelenke Benutzerführung lässt sich aber ändern: Fachleute für SAP-Benutzeroberflächen haben auf der 3. Jahrestagung SAP UX/UI 2020 im November die Möglichkeit, sich intensiv über die Optimierungsmöglichkeiten von SAP-Oberflächen weiterzubilden.‣ weiterlesen

Am Fraunhofer-Institut für Produktionstechnologie IPT entsteht gerade die Software KMUsecure. Das Programm soll produzierende KMU dabei unterstützen, kritische Netzwerkschnittstellen zu sichern und Vernetzung leichter zur Optimierung zu nutzen.‣ weiterlesen

85 Prozent der CISOs gaben in einer Umfrage von Netwrix an, die Cybersicherheit hintangestellt zu haben, damit Beschäftigte schnell remote arbeiten könnten. Der 2020 Cyber Threats Report zeigte auch, dass sich jedes vierte Unternehmen nach der Pandemie einem höheren IT-Sicherheitsrisiko ausgesetzt sieht als zuvor.‣ weiterlesen

Der SAP-Partner und MES-Integrator Salt Solutions wird Teil von Accenture. Wie die Unternehmensberatung bekannt gab, ist die Vereinbarung bereits unterschrieben.‣ weiterlesen

Innovation gehört zu den drei wichtigsten Digitalisierungszielen im Mittelstand, gleich nach Mitarbeiterproduktivität und Prozessmodernisierung. Das ist das Ergebnis einer Untersuchung, die im Auftrag des ERP-Anbieters Proalpha entstand. Doch wo ist Innovation gewünscht und können ERP-Systeme diese Erneuerung unterstützen?‣ weiterlesen

Im Projekt Scale4Edge arbeiten 22 Akteure aus Wissenschaft und Wirtschaft an besonders vertrauenswürdiger Computerhardware. Entstehen soll ein skalierbares Edge-Computing-Ökosystem rund um die Risc-V-Architektur etwa für Industrieanwendungen, Heimautomation und selbstfahrende Autos.‣ weiterlesen

Mit künstlicher Intelligenz lassen sich Rüstzeiten zwischen Aufträgen optimieren, um die Feinplanung zu unterstützen. Die Software Rüstzeitoptimierer von Anacision leistet bereits in der MVP-Version genau das - und soll in Kürze für verschiedene Fertigungstechniken erhältlich sein.‣ weiterlesen

Das IAB-Arbeitsmarktbarometer ist im September 2020 um 1,7 Punkte auf 100,1 Punkte gestiegen. Erstmals seit Beginn der Corona-Krise liegt der Frühindikator des Instituts für Arbeitsmarkt- und Berufsforschung (IAB) damit nicht mehr im negativen Bereich.‣ weiterlesen

Anzeige
Anzeige
Anzeige