LE-1-2024 - TRANSPORT & LOGISTIK
LOGISTIK express Journal 1/2024 - Transport & Logistik - Ein Viertel Jahrhundert DB Schenker // Revolution in der Künstlichen Intelligenz: Wie wird Generative KI die Logistik verändern? // Kontraktlogistiker sind zuversichtlich // trans-o-flex ThermoMed Austria nimmt neuen Standort in der Steiermark in Betrieb // Agiles Handeln in der Logistik // Droht ein Mangel an Leercontainern? // Österreichisches Weltraum Forum testet bei Gebrüder Weiss // Logistikexperten befürchten Rezession und starke China-Abhängigkeit // Houthi-Angriffe stören globale Lieferketten // Lieferketten-Management: Die 5 größten Herausforderungen
LOGISTIK express Journal 1/2024 - Transport & Logistik -
Ein Viertel Jahrhundert DB Schenker // Revolution in der Künstlichen Intelligenz: Wie wird Generative KI die Logistik verändern? // Kontraktlogistiker sind zuversichtlich // trans-o-flex ThermoMed Austria nimmt neuen Standort in der Steiermark in Betrieb // Agiles Handeln in der Logistik // Droht ein Mangel an Leercontainern? // Österreichisches Weltraum Forum testet bei Gebrüder Weiss // Logistikexperten befürchten Rezession und starke China-Abhängigkeit // Houthi-Angriffe stören globale Lieferketten // Lieferketten-Management: Die 5 größten Herausforderungen
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
<strong>LOGISTIK</strong>-EXPRESS.COM <strong>LE</strong> 1/<strong>2024</strong> | S32<br />
Transport & Logistik<br />
Lieferketten-<br />
Management:<br />
Die 5 größten<br />
Herausforderungen<br />
Nach dem reaktiven Supply-Chain-Management<br />
im vergangenen Jahr geht es <strong>2024</strong> vor<br />
allem darum, kostspielige blinde Flecke in der<br />
Lieferkette zu beseitigen, aufwändige manuelle<br />
Prozesse zu automatisieren und eine<br />
Single Source of Truth für Waren im Transit zu<br />
schaffen. Möglich ist dies durch die Vernetzung<br />
aller an der Lieferkette Beteiligten sowie<br />
durch den Einsatz innovativer Visibility-<br />
Lösungen und generativer KI.<br />
REDAKTION<br />
Das Jahr 2023 sorgte ein reaktives<br />
Supply-Chain-Management für<br />
steigende Kosten sowie für Einbußen<br />
bei Effizienz und Kundenerlebnissen.<br />
Die zunehmende Komplexität<br />
globaler Lieferketten erschwert die Sichtbarkeit.<br />
Viele Verlader haben Probleme, Sendungen<br />
über verschiedene Verkehrsträger, Knotenpunkte<br />
und Spediteure hinweg zu verfolgen.<br />
Das gilt vor allem für Waren, die sowohl auf dem<br />
Seeweg, als auch auf dem Landweg transportiert<br />
werden. Und diese machen rund 70 Prozent<br />
aller Lieferungen aus. Da oft genaue Kenntnisse<br />
zur Fracht fehlen, sind Informationen für die<br />
Auftragsbearbeitung schwer zu beschaffen. Die<br />
Folge sind frustrierte Kunden.<br />
Ein weiteres Problem sind die zahlreichen manuellen<br />
Prozesse bei der Sendungsverfolgung.<br />
Um Daten zu aktualisieren, müssen Verlader<br />
oft in mehreren Systemen navigieren, unzählige<br />
Tabellenkalkulationen bearbeiten und mit<br />
Spediteuren und Transporteuren telefonieren.<br />
Hinzu kommt, dass viele Unternehmen veraltete<br />
Technologien nutzen, die nur auf einen oder<br />
zwei Verkehrsträger und eine Region spezialisiert<br />
sind. Dies erschwert weltweit tätigen<br />
Verladern die Bestandsplanung und kann zu<br />
Überschüssen führen.<br />
Generative KI in der Lieferkette<br />
Jetzt liegen alle Hoffnungen auf der generativen<br />
künstlichen Intelligenz (KI), die 2023 ihren<br />
Durchbruch feierte. Für das Supply-Chain-<br />
Management gilt das bislang allerdings kaum.<br />
Die Branche verwendet zwar bereits KI und<br />
maschinelles Lernen (ML) für Prognosen und<br />
Inspektionen. Die Möglichkeit, mit generativer<br />
KI die Lieferketten zu optimieren, bleibt jedoch<br />
weitgehend ungenutzt. Einer aktuellen Studie<br />
von McKinsey zufolge setzen nur drei Prozent<br />
der Unternehmen regelmäßig Generative AI im<br />
Supply-Chain-Management ein.<br />
Der Grund<br />
Ein Großteil der Lieferkettendaten ist unstrukturiert.<br />
Es ist extrem aufwändig, sie aus verschiedenen<br />
Quellen zusammenzuführen, um<br />
die Menge an hochwertigen Daten zu erhalten,<br />
die das Training von LLMs (Large Language<br />
Models) erfordert.