LE-1-2024 - TRANSPORT & LOGISTIK

LOGISTIK-EXPRESS.COM LE 1/2024 | S32
Transport & Logistik
Lieferketten-
Management:
Die 5 größten
Herausforderungen
Nach dem reaktiven Supply-Chain-Management
im vergangenen Jahr geht es 2024 vor
allem darum, kostspielige blinde Flecke in der
Lieferkette zu beseitigen, aufwändige manuelle
Prozesse zu automatisieren und eine
Single Source of Truth für Waren im Transit zu
schaffen. Möglich ist dies durch die Vernetzung
aller an der Lieferkette Beteiligten sowie
durch den Einsatz innovativer Visibility-
Lösungen und generativer KI.
REDAKTION
Das Jahr 2023 sorgte ein reaktives
Supply-Chain-Management für
steigende Kosten sowie für Einbußen
bei Effizienz und Kundenerlebnissen.
Die zunehmende Komplexität
globaler Lieferketten erschwert die Sichtbarkeit.
Viele Verlader haben Probleme, Sendungen
über verschiedene Verkehrsträger, Knotenpunkte
und Spediteure hinweg zu verfolgen.
Das gilt vor allem für Waren, die sowohl auf dem
Seeweg, als auch auf dem Landweg transportiert
werden. Und diese machen rund 70 Prozent
aller Lieferungen aus. Da oft genaue Kenntnisse
zur Fracht fehlen, sind Informationen für die
Auftragsbearbeitung schwer zu beschaffen. Die
Folge sind frustrierte Kunden.
Ein weiteres Problem sind die zahlreichen manuellen
Prozesse bei der Sendungsverfolgung.
Um Daten zu aktualisieren, müssen Verlader
oft in mehreren Systemen navigieren, unzählige
Tabellenkalkulationen bearbeiten und mit
Spediteuren und Transporteuren telefonieren.
Hinzu kommt, dass viele Unternehmen veraltete
Technologien nutzen, die nur auf einen oder
zwei Verkehrsträger und eine Region spezialisiert
sind. Dies erschwert weltweit tätigen
Verladern die Bestandsplanung und kann zu
Überschüssen führen.
Generative KI in der Lieferkette
Jetzt liegen alle Hoffnungen auf der generativen
künstlichen Intelligenz (KI), die 2023 ihren
Durchbruch feierte. Für das Supply-Chain-
Management gilt das bislang allerdings kaum.
Die Branche verwendet zwar bereits KI und
maschinelles Lernen (ML) für Prognosen und
Inspektionen. Die Möglichkeit, mit generativer
KI die Lieferketten zu optimieren, bleibt jedoch
weitgehend ungenutzt. Einer aktuellen Studie
von McKinsey zufolge setzen nur drei Prozent
der Unternehmen regelmäßig Generative AI im
Supply-Chain-Management ein.
Der Grund
Ein Großteil der Lieferkettendaten ist unstrukturiert.
Es ist extrem aufwändig, sie aus verschiedenen
Quellen zusammenzuführen, um
die Menge an hochwertigen Daten zu erhalten,
die das Training von LLMs (Large Language
Models) erfordert.