KI-Insights vom FORTNA Chief Scientist

1) Dr. Meller, einige Leser fragen sich sicher, was ein leitender Wissenschaftler in einer Organisation wie FORTNA tut. Können Sie das erklären?

Natürlich. Der Zweck eines leitenden Wissenschaftlers in einem Unternehmen wie FORTNA ist es, einen übergreifenden Überblick über die Anwendung von Wissenschaft im Unternehmen zu haben. Dazu gehören mehrere Dinge: unsere Algorithmen, Datenwissenschaft, Simulation und Emulation. Auch die "ältere" Wissenschaft spielt eine Rolle, denn Ergonomie und menschliche Faktoren fließen natürlich in die operative Leistung ein.

Ein Chief Scientist sollte einen Überblick über möglichst viele Bereiche der Wissenschaft haben und diese Informationen, Forschungen und Daten gewinnbringend in das Unternehmen einbringen; aus jüngster Zeit gehören dazu auch Untersuchungen, wie sich KI-Technologie auf die Unternehmen und die Branche auswirkt.

2) Es wird viel über Künstliche Intelligenz (KI) diskutiert. Welchen Einfluss hat KI Ihrer Meinung nach heute auf die Distribution?

Was wir bei FORTNA tun können, ist, eine Vielzahl von Informationen zur Verfügung zu haben, sei es in der Planungsphase, in der Supportphase oder in der Phase der Software-Entwicklung. Wir haben so viele Informationen, die wir nutzen können, aber sie befinden sich in so vielen verschiedenen Systemen. Wir brauchen eine Möglichkeit, die Daten auf intelligente Weise zu untersuchen, und wir benötigen eine Verbindung zu all diesen Systemen: JIRA, Microsoft Teams-Sites, E-Mails etc.

Nehmen wir zum Beispiel den Kundensupport – dieser ist eine echte Herausforderung. Wenn bei einem Kunden ein Problem auftritt, braucht das Team vor Ort eine schnelle Antwort. Der Kundenservice verfügt über eine Fülle von Informationen, die ihm bei der Lösung des Problems helfen könnten. Wenn aber die Informationen nicht leicht zugänglich sind, ist auch eine schnelle Antwort nicht möglich. Wir bemühen uns aktuell darum, dieses Problem zu lösen. Technisch gesehen arbeiten wir mit einem großen Sprachmodell als Basis und fügen ihm nach und nach weitere sprachliche Fähigkeiten hinzu. Wir trainieren es mit Informationen, die wir im Rahmen des Planungs- und Implementierungsprozesses gewonnen haben. Ziel ist es, dass jemand, der Fragen an den Kundendienst hat, mit Hilfe eines natürlichsprachlichen Fragesystems auf Anhieb die benötigten Antworten erhält.

Ein Beispiel: Latenzprobleme im Pick-to-Light-Prozess. Mögliche Fragen sind:

• Mit welcher Latenzzeit ist zu rechnen?
• Welches System steuert den Pick-to-Light-Prozess?
• Wie können sie eine Ursachenanalyse für diesen Prozess durchführen?

Es ist eine wirklich große Leistung, alle unsere Informationen aus einer Quelle beziehen zu können. Ich denke, das ist ein wichtiger Bereich für den Einsatz von KI.

3) Wie würden Sie KI und ihren Einfluss auf die Supply Chain Branche definieren?

Auf höherer Ebene gibt es viele Definitionen für künstliche Intelligenz. Meiner Meinung nach ist KI dann gegeben, wenn ein Computer oder ein Roboter etwas ausführt, was früher einem Menschen zugeschrieben wurde.

Mein Lieblingsbeispiel für frühe KI ist MapQuest. Bevor es MapQuest gab, musste man eine physische Karte besorgen und die Route durch Ausprobieren selbst bestimmen, wenn man eine Reise machen wollte. Oder, für die Älteren unter uns, zu AAA gehen, damit die das für einen erledigen! Der Punkt ist: Dies war etwas, was ein Mensch tat. Als MapQuest dann herauskam, wurde jedem bewusst: aha, ein Computer kann etwas tun, was ein Mensch früher tat. Für mich ist MapQuest deshalb die erste Generation der KI.

Das ist der Grund, warum sich die Künstliche Intelligenz immer leistungsfähiger wird, indem sie sich weiterentwickelt. Dinge, die früher von Menschen erledigt wurden, übernehmen jetzt Computer oder Roboter.

Im Kontext von FORTNA und der Supply Chain Industrie integrieren wir künstliche Intelligenz in unser Warehouse Execution System (WES) und lassen Computer oder Roboter Aufgaben ausführen, die früher von Menschen erledigt wurden oder noch werden. Damit Distributionsunternehmen wettbewerbsfähig sind, brauchen sie Computer, insbesondere Algorithmen, um auf der Grundlage ihrer Daten schnellere Entscheidungen zu treffen. Genauso brauchen sie Roboter, die Aufgaben übernehmen, die Menschen aus Sicherheitsgründen nicht erledigen sollten oder nicht mehr erledigen wollen.

Im Falle unseres WES handelt es sich um einen Computeralgorithmus, der die Logistik und die verfügbaren Daten sehr genau analysiert, weil Arbeiten in unterschiedlichen Bereichen des Logistikcenters freigegeben und koordiniert werden müssen. Dies erfordert einen hochkomplexen Algorithmus, der in der Lage ist, Echtzeitdaten über den jeweiligen Prozess zu erfassen, seine Ziele zu interpretieren, um auf dieser Grundlage einen Plan zu erstellen und die Aufgaben zu seiner Umsetzung zuzuweisen. Folgender Hinweis ist wichtig: Es geht hier nicht um generative KI handelt, d. h. es liegt keine Wahrscheinlichkeitsmatrix zugrunde, die das Verfahren steuert. Wir verwenden einen sehr ausgeklügelten Algorithmus, der auf etwas angewandt wird, was früher ein Mensch ausgeführt hat - und jetzt Computer übernehmen. Das fällt also in den Bereich der Künstlichen Intelligenz.

4) Können Sie uns ein Beispiel dafür geben, wie Algorithmen in einer automatisierten Lösung wie AutoStore funktionieren?

Natürlich, ein einfaches Beispiel: Bei einem der größeren Einzelhändler, mit denen wir zusammenarbeiten, führen wir eine Batch-Kommissionierung aus einem AutoStore durch, d. h.: wir fordern einen Behälter an, aus dem wir eine bestimmte Anzahl von Artikeln benötigen, um damit mehrere Aufträge zu erfüllen. In diesem Fall ist das Grid sehr groß, daher sollte die Intention idealerweise sein, den Zielbehälter zum nächstgelegenen Arbeitsplatz zu bringen, ohne gleichzeitig die anderen Arbeitsplätze nicht ignorieren. Der Materialfluss muss in Echtzeit ausbalanciert werden, um sowohl die Arbeit für die Roboter zu minimieren als auch sicherzustellen, dass die Behälter rechtzeitig angeliefert werden (sodass die Mitarbeitenden an den Arbeitsplätzen keinen Leerlauf haben). Unsere Software und Algorithmen erhöhen die Leistung eines AutoStore, indem sie einen nahe gelegenen Port zur Ausschleusung wählen und damit den Workload insgesamt für einen optimalen internen Materialfluss ausgleichen.

5) Simulation und Emulation sind neue Ansätze zum Testen und Messen von Potenzial und Leistung eines Supply Chain Systems. Wo liegen die Unterschiede und wo die Vorteile für Unternehmen?

Die ereignisorientierte Simulation wird idealerweise angewendet, bevor die Intralogistikplanung abgeschlossen ist, denn sie liefert wichtige Erkenntnisse zu Design und Leistung der Logistik. Besteht zum Beispiel genügend Puffer (d.h. Akkumulation) zwischen diesen beiden Vorgängen, um das jeweilige Arbeitspensum zu bewältigen? Ein weiteres Beispiel, das uns im Tagesgeschäft oft begegnet: Gibt es im Wareneingang genügend Puffer, sodass die Kommissionierung oder andere Prozesse nicht beeinträchtigt werden, wenn es einen Rückstau gibt? Oder: Wie hoch ist die maximale Auslastung an den Ware-zur-Person-Kommissionierplätzen angesichts einer variablen Bereitstellung von Behältern durch ein Shuttle-System?

Designfragen lassen sich am besten mit Simulationen beantworten. Simulationen verwenden wir in der Konzeptphase gern, weil wir unseren Kunden damit eine gute Grundlage dafür geben, was das System leisten kann und was nicht. Wir können zum Beispiel den Betrieb simulieren und zeigen, dass das System optimal funktioniert, wenn die Durchsatzrate um bis zu zehn Prozent erhöht wird, dass aber bei einer Erhöhung um mehr als zehn Prozent Probleme in den nachgelagerten Prozessen auftreten können. Simulationsmodelle bilden die Logik, die in die Software eingebettet wird, abstrakt oder annähernd ab.

Die Emulation hingegen wird verwendet, um zu testen, wie die Software des Bestandssystems während eines bestimmten Vorgangs arbeitet. Wird ein System emuliert, denkt die Software, dass sie mit echter Förderertechnik in Verbindung steht, während sie in Wirklichkeit mit nicht-physischer, digitaler Förderertechnik kommuniziert. Das System läuft in der Emulation in Echtzeit, wobei eine Sekunde gleich einer Sekunde ist (dies ist nur einer der Gründe, warum die Emulation nicht das richtige Werkzeug zur Bewertung von Planungsfragen ist). Emulationsmodelle verfügen über physische Motoren, sodass Staus und Durchflussprobleme sichtbar werden, die in der Praxis ohne Anpassung der Steuerungssoftware auftreten würden.

Die Emulation ermöglicht es, die Logistik- und Systemleistung im Detail zu untersuchen, da die tatsächliche Warehouse Software verwendet wird, die zum Realbetrieb eingesetzt wird. So muss für Software-Tests keine Wartezeit überbrückt werden, bis die Anlage installiert ist.

6) Innovation und Technologie entwickeln sich wahnsinnig schnell. Wie setzen Sie Prioritäten bei dem, was Sie und Ihr Team entwickeln und woran Sie arbeiten?

Wenn wir neuen Technologien gegenüberstehen, die auf den Markt kommen, ist es mitunter herausfordernd, Prioritäten zu setzen. Designseitig sind wir an einem wegweisenden Punkt angelangt, weil in unserem Bereich so viel in die Entwicklung neuer Technologien investiert wurde. Mittlerweile ist es so weit, dass alles, was ich mir vorstellen kann, wahrscheinlich auch existiert.

Ich glaube, es gibt fast fünfzig verschiedene Anbieter autonomer mobiler Roboter (AMR), während es früher nur zwei oder drei waren. Heute müssen wir damit umgehen, dass es jede Woche ein neues Unternehmen mit einen ähnlichen Angebot zu geben scheint, das sich nur geringfügig in der Anwendung, im Design oder im Preis unterscheidet.

Unsere Aufgabe ist es, das Besondere daran herauszufiltern. Es braucht Zeit und Mühe, um eine Beziehung zu den Anbietern aufzubauen, und die Integrationswerkzeuge und Software bereitzustellen, die für die Kopplung mit ihren Technologien erforderlich sind. Es gibt inzwischen viele großartige Lösungen, und wir haben viele Möglichkeiten zur Hand. Unsere Herausforderung besteht darin, den Markt zu sondieren und die besten technologischen Lösungen für unsere Kunden zu identifizieren.

7) Welches sind die gängigsten Fehler, die Sie beobachten, wenn Unternehmen neue Technologien oder Automatisierungslösungen evaluieren? Gibt es einen "Parade"-Fehltritt, der vermeidbar ist?

Ich würde sagen, dass man die Amortisationszeiten realistisch einschätzen sollte. Es scheint, dass jeder Technologie-Anbieter behauptet, dass sich sein Equipment oder seine Automatisierungstechnologie in achtzehn Monaten amortisiert. Dann kommen wir in die Entwurfsphase und stellen fest, dass die Amortisierung acht Jahre beträgt. Wie kann das sein?

Tatsächlich ist es möglich, dass beide Aussagen stimmen! Die achtzehnmonatige Amortisatisierung kann Annahmen über Schichten (3) beinhalten, von einem Auslegungsverhältnis von 1,0 ausgehen, ohne die Notwendigkeit, jetzt zu kaufen, um zukünftiges Wachstum zu ermöglichen. Das heißt, allein die Umstellung von einem Drei-Schicht-Betrieb auf einen Ein-Schicht-Betrieb kann die Amortisierungszeit von 18 Monaten auf 4,5 Jahre verlängern. Fast alle unsere Planungen haben ein Auslegungsverhältnis, das größer als eins ist. Sagen wir, es liegt bei 2,0. Das bedeutet, dass außerhalb der Spitzenzeiten nur 50 % der Technologie täglich genutzt werden, aber für das Ganze bezahlt werden muss. Die Personaleinsparungen liegen lediglich bei 50 %, aber gezahlt werden muss für 100 % des Equipments (in diesem Beispiel). Und wenn diese Technologie heute Investitionen erfordert, um ein späteres Wachstum zu ermöglichen, dann wird klar, dass die Amortisationszeit sogar 8 Jahre überschreiten kann.

Das Wichtigste ist, realistisch zu sein und zu verstehen, dass das, was Ihnen über diesen Roboter oder diese Automatisierungstechnik erzählt wurde, nicht unbedingt auf Ihre Situation zutrifft. Aus diesem Grund sollten Sie mit einem Unternehmen wie FORTNA zusammenarbeiten, das über Experten und Teams verfügt, die diese Technologien entwickelt haben. Sie verfügen über Erfahrung im Umgang mit ihnen und sind in der Lage, einen echten ROI auf Ihre individuelle Situation anzuwenden und Ihnen zu helfen, diesen zu maximieren.

8) Wie schätzen Sie die Zukunft von Automatisierung im Supply Chain-Kontext ein? Gibt es etwas, das Sie begeistert?

Ich weiß nicht, ob meine Kristallkugel richtig justiert ist. Was ich sagen kann: Robotik wird immer alltäglicher, und die Innovation mit diesen Technologien hat bereits begonnen. Ich denke, wir sind an einem Punkt, an dem körperliche Arbeit in den Logistikzentren zunehmend unpopulär ist. Und das liegt nicht nur daran, dass sie körperlich anstrengend ist, sondern auch daran, dass die Menschen nicht das Gefühl haben, eine Aufgabe zu erfüllen, wenn sie in einem solchen Zentrum arbeiten. Für viele Menschen ist es einfach nur ein Job, und die Branche insgesamt hat Schwierigkeiten , Mitarbeitende zu gewinnen und zu halten.

Ich denke, dass in Zukunft Prozesse so gestaltet werden müssen, dass all diese "ungeliebten" Aufgaben von Robotern erledigt werden. Das bedeutet nicht, dass wir Robotik in immer größerem Ausmaß und in zunehmend komplizierterer Ausführung einsetzen müssen. Es ist sinnvoll, Technologien für die Bearbeitung von Teilaufgaben in Intralogistik und Distribution einzusetzen, anstatt einen Vorgang für einen einzigen Roboter zu konzipieren.

An Ware-zur-Person-Arbeitsplätzen besteht ein Arbeitsschritt der Mitarbeitenden beispielsweise aus zwei oder drei Aktionen: Sie greifen oder platzieren einen Behälter, entnehmen und platzieren einen Artikel und schieben den Behälter auf ein Förderband, wenn der Auftrag abgeschlossen ist. Eine Planung, die auf dem Einsatz von Robotik fußt, splittet dies in drei separate Teilaufgaben. Ein einzelner Roboter muss also nicht alle drei Aufgaben erledigen, sondern nur eine davon sehr gut beherrschen.

Um dies realisieren zu können, müssen die Kosten für Robotik weiter sinken, und die entsprechende Lösung muss für die Anforderungen der jeweiligen Kunden geeignet sein. Angesichts steigender Personalkosten müssen Unternehmen jedoch genau prüfen, wie ihre Betriebsabläufe derzeit und in Zukunft aussehen. Auf dieser Grundlage entwickeln wir dann Konzepte, die den Einsatz von Robotik voraussetzen.