Supply Chain
Wertbeitrag durch das Erkennen von Schlechtteilen mit KI
Ein Fallbeispiel
Blogserie zum Wertbeitrag von KI in der Lieferkette
Im vorangegangenen Blog „Der Nutzen künstlicher Intelligenz in der Supply Chain aus der Perspektive des Wissensmanagements“ haben wir hergeleitet, das KI nachhaltigen Wettbewerbsvorteil schafft. Mit diesem dritten Blog unserer Reihe stützen wir unsere Behauptungen mit einem anschaulichen Fallbeispiel.
Die sich aus dem KI-gestützten verteilten Wissen ergebenden Wettbewerbsvorteile werden durch den Geschäftsprozess der Erkennung von Schlechtteilen illustriert. Eine hohe Anzahl an Schlechtteilen führt zu höheren Transaktionskosten oder zu Lieferengpässen. Ein hoher Reifegrad dieses Geschäftsprozesses im Sinn der optimalen Kollaboration mit KI-gestützten Agenten ermöglicht Effizienzgewinne für die gemeinsame Kultur der Lieferkette.
Durch seine Fähigkeit kleinste Muster zu erkennen, findet KI die Ursache für die Schlechtteileproduktion heraus.
So hat zum Beispiel unser KI-Technologiepartner JAAI für einen Kunden eine visuelle Qualitätskontrolle entwickelt und implementiert, welche komplexe Spritzgußteile im freien Fall von allen Seiten analysiert und Anomalien mit modernen Deep-Learning-Methoden und selbstüberwachtem Lernen zuverlässig erkennt.
Allerdings schafft das Erkennen von Schlechtteilen in der Produktionslinie eines Herstellers oder in der Lieferung eines Zulieferers durch KI-gestütztes computerbasiertes Sehen noch kein Wissen. Wenn aber die selbstlernenden Algorithmen permanent hunderte von Schlechtteilen analysieren und ein Muster erkennen, das die Ursache für diese Schlechtteile aufdeckt, dann wird neues Wissen geschaffen.
Einerseits lernen die KI-Anwendungen aus der permanenten Analyse der Schlechtteile und der Aktualisierung ihres inhärenten Wissensspeichers. Andererseits lernen die menschlichen Experten aus den Ergebnissen der KI-Anwendungen. Je mehr komplementäre Informationen von den beteiligten Agenten verarbeitet werden, desto besser sind die Ergebnisse der Mustererkennung, da das neu geschaffene gemeinsame Wissen zwischen den beteiligten menschlichen Experten und KI-Agenten zirkuliert. Eine weit verbreitete und vollständig integrierte Information, die über alle Teilsysteme der Lieferkette hinweg ausgetauscht wird, verbessert die Bereitstellung komplementärer Informationen zur Erforschung der Grundursache von Fehlern jeglicher Art.
Die wichtigsten Punkte des Blogs
KI kommt nur dann zu ihrer vollständigen Entfaltung, wenn die Lieferkette für einen komplementären Informationsaustausch und einen gemeinsamen Datenspeicher sorgt.
Joachim Getto / Partner / Infront Consulting, Strategie-Beratung der KPS AG
In einem weniger ausgereiften Geschäftsprozess ist der komplementäre Informationsaustausch auf die einzelnen Entitäten der Lieferkette beschränkt. Daher entwickelt sich eine gemeinsame Kultur der Lieferkette nur in begrenztem Umfang.
Diese gemeinsame Kultur jedoch ist notwendig, um den Zeitaufwand für die Kommunikation, die Einrichtung kompatibler Kooperationsroutinen und die Entwicklung eines ungenauen Satzes gemeinsamer Richtlinien zu verringern oder sogar zu vermeiden. Daher müssen die Teilnehmer der Lieferkette über eine gemeinsame Basis verfügen, z. B. einen gemeinsamen Datenspeicher oder Erfahrungen, aus denen sie Wissen aufnehmen können. Wenn das neue Wissen den Entitäten der Lieferkette völlig fremd ist, und keine Grundlage vorhanden ist, auf der Informationen verstanden werden, ist ihre Lernfähigkeit stark eingeschränkt.
Dies gilt für alle Agenten, sowohl für menschliche Experten als auch für selbstlernende KI-Anwendungen in allen Formen der Zusammenarbeit. Dieses Wissen wird zu Trainingszwecken von KI-Anwendungen oder als individuelles Lernen von menschlichen Experten eingesetzt. Das Ergebnis dieses Lernprozesses bereichert die Routinen und Verfahren, die während der Zusammenarbeit angewendet werden. Ab diesem Zeitpunkt wird das Wissen Teil der gemeinsamen Kultur der Lieferkette. Diese mentalen Schablonen erleichtern die Erzeugung von Wissen, indem sie Bezugspunkte für die jeweiligen Akteure bieten.
Wer schafft nun eigentlich Wissen für die Lieferkette – Die KI oder der Mensch?
Wer schafft nun eigentlich Wissen für die Lieferkette – Die KI oder der Mensch?
Es steht außer Frage, dass KI-Anwendungen durch die Fähigkeit des Selbstlernens ihren Wissensspeicher aufbauen und ständig aktualisieren. Eine wichtige Frage ist jedoch, welcher Agententyp – Mensch und/oder KI – das Wirtschaftsgut Wissen und damit den eigentlichen Wertbeitrag für die gemeinsame Kultur der Lieferkette schafft. Ist es die KI-Anwendung, die Informationen über das Muster und Empfehlungen für Maßnahmen bereitstellt, oder ist es der menschliche Experte, der das sich ergebende Muster bewertet und aus dem Ergebnis Problemlösungsmaßnahmen ableitet?
Die Ergebnisse der Mustererkennung werden von der KI-Anwendung berichtet. Berichten bedeutet, dass ein menschlicher Experte Abfragen verwendet, die von einer KI-Anwendung bereitgestellt werden.
Die Ergebnisse der Mustererkennung werden von der KI-Anwendung berichtet. Berichten bedeutet, dass ein menschlicher Experte Abfragen verwendet, die von einer KI-Anwendung bereitgestellt werden.
Der menschliche Experte überträgt die Erkenntnisse der KI-Anwendung in kodifiziertes Wissen und damit in immateriellen Wert für die Lieferkette. Dies gilt für die Zusammenarbeit mit beschreibenden (deskriptiven) und vorhersagenden (prädiktiven) KI-Fähigkeiten. Es sind also die menschlichen Experten, die Wissen für die gemeinsame Kultur schaffen, indem sie dieses Wissen in Routinen der Lieferkette einbringen, die von allen Agenten der Lieferkette angewendet werden. Solange das neue Wissen in der Lieferkette allerdings nicht durch die Implementierung dieser Routinen angewandt wird, um die Ursache für die schlechten Teile in der gemeinsamen Kultur aller beteiligten Einheiten zu vermeiden, wird nur ein begrenzter Wert für die Lieferkette geschaffen. Dieser Wert trägt zu Wettbewerbsvorteilen bei, jedoch nicht zu nachhaltigen Wettbewerbsvorteilen. Der geschaffene greifbare Wert der berichteten Erkenntnisse hängt von dem Aufwand ab, der erforderlich ist, um (a) dieses Wissen zu kodifizieren und (b) es als Normen und Routinen in die gemeinsame Kultur der Lieferkette zu implementieren.
Von der KI vorgeschlagene Handlungsoptionen, müssen weiterhin von Menschen koordiniert und implementiert werden.
Von der KI vorgeschlagene Handlungsoptionen, müssen weiterhin von Menschen koordiniert und implementiert werden.
Bei einem hohen Reifegrad dieses Geschäftsprozesses arbeiten KI-gestützte Agenten ohne menschliches Zutun zusammen. Bei dieser Zusammenarbeit stellt die KI-Anwendung mit der Fähigkeit zum computerbasierten Sehen die Ergebnisse des Musters der KI-gestützten Plattform zur Verfügung, die das Wissen mit den jeweiligen Teilsystemen in der Produktions- und Forschungs-und-Entwicklungsorganisation sowie mit dem Zulieferer teilt und Handlungsalternativen empfiehlt. Im weniger ausgereiften Geschäftsprozess ist dieser Austausch von wissensfördernden Informationen zwischen den Entitäten der Lieferkette begrenzt und verlangsamt sich, da das gemeinsame Wissen nicht in einer gemeinsamen Plattform vorhanden ist.
Im ausgereiften Geschäftsprozess wird diese auf implizitem Wissen basierende Interaktion zwischen dezentralen KI-Anwendungen und der KI-gestützten Plattform in erster Linie autonom durch die KI-Anwendungen koordiniert. Die Kodifizierung erfolgt autonom in dem Moment, in dem die präskriptive Analysefähigkeit der Plattform den menschlichen Agenten Maßnahmen empfiehlt. Der nächste Schritt, die Anpassung der Teile (sei es, dass ein Rohstoff ersetzt oder eine Montageroutine angepasst werden muss), wird entweder durch die Kooperation menschlicher Experten oder menschlicher Experten mit unterstützenden KI-Anwendungen bearbeitet und die Kommunikation dieser Anpassungen als Normen und Regeln durch menschliche Experten fließt als kodifiziertes Wissen in die gemeinsame Kultur ein.
Mit der Umsetzung von Maßnahmen zur Vermeidung von Schlechtteilen entstehen weniger Kosten für Nacharbeit, weniger Materialabfall und weniger Prozesskosten.
Mit der Umsetzung von Maßnahmen zur Vermeidung von Schlechtteilen entstehen weniger Kosten für Nacharbeit, weniger Materialabfall und weniger Prozesskosten.
Diese Effekte wirken sich positiv auf die Liquidität aus und es wird ein greifbarer Wert für die Lieferkette geschaffen. Die zugrundeliegende Annahme ist, dass nur KI-Anwendungen in der Lage sind, diese Muster zu erkennen oder zumindest schneller, präziser und mit weniger Aufwand als es menschliche Experten können. Der hohe Reifegrad dieses Geschäftsprozesses schafft Wissen für die gemeinsame Kultur der Lieferkette. Allerdings sind auch in dieser stark datengesteuerten Kollaboration menschliche Experten die treibende Kraft für die Durchführung der unternehmensübergreifenden Anpassungen.
Zusammenfassend lässt sich sagen, dass das Zusammenspiel von implizitem Fachwissen der KI-Anwendungen, die Anreicherung der gemeinsamen Kultur durch dieses Wissen in der gesamten Lieferkette und die begrenzte Notwendigkeit der Kodifizierung einer gemeinsamen Kultur für den Einsatz menschlicher Experten den Unterschied zwischen den positiven oder negativen Auswirkungen auf den Wertbeitrag in der Lieferkette ausmachen.
Kontaktieren Sie die KPS-Experten
Das könnte Sie auch interessieren:
SAP Business Data Cloud
In einer datenzentrierten Welt entscheiden moderne Datenstrategien über den Erfolg. Erfahren Sie, wie SAP Datasphere und die Business Data Cloud Unternehmen dabei unterstützen, Informationen intelligent zu verknüpfen, Prozesse zu optimieren und aus Daten echten Mehrwert zu schaffen.
Future Ready Sales
Vertriebsorganisationen sind heute täglich mit einer wahren Datenflut und steigenden Kundenanforderungen konfrontiert. Darum benötigen Unternehmen leistungsfähige und zugleich flexibel anpassbare CRM-Systeme.
Testdatenmanagement (TDM): Ein Bereich, der nicht vernachlässigt werden darf
Testdatenmanagement (TDM) ist ein entscheidender Aspekt des Testprozesses, der oft unterschätzt wird.
Nachhaltigkeit in der Logistik: Herausforderungen und Wege zur grünen Supply Chain
Nachhaltigkeitsstrategien wie Circular Economy und neue Geschäftsmodelle im Schienengüterverkehr ermöglichen eine umweltfreundlichere Logistik. Unser Blog beleuchtet die Herausforderungen, Potenziale und Strategien.
