Forschungsprojekt mit dem Fokus auf die Optimierung des Supply Chain Managements unter dem Einsatz von neuesten Technologien
Kick Off von Move
In dem im Oktober 2020 mit dem Kick Off gestarteten Projekt MOVE arbeitet das Fraunhofer IML mit einem starken Konsortium aus Forschungs- und Industriepartnern an Methoden und Werkzeugen unter Verwendung von Methoden der KI, welche Unternehmen dazu befähigen, ihre Supply Chain Konfigurationen nachhaltig und fortlaufend zu optimieren. Die hierbei entstehenden Aufgabenmodelle für die Verwendung von KI sowie erarbeitete Vorgehensmodelle und generische Lösungsmuster werden direkt in Unternehmen getestet.
Herausforderungen der immer komplexer werdenden Lieferketten
Das globale Wertschöpfungsnetz produzierender Unternehmen gewinnt durch interne wie externe Faktoren in zunehmendem Maße an Komplexität. Während die Anzahl und Abhängigkeit von verschiedenen Partnern steigt, nehmen somit auch die Einflüsse und Unsicherheiten auf die Supply Chain von außen zu. Zugleich werden die Anforderungen durch einen zunehmenden Kostendruck, steigende Erwartungen hinsichtlich der Termintreue sowie aktuelle Trends und eine hohe Individualisierung mit gleichzeitig sinkendem Produktlebenszyklus in die Höhe getrieben. Hierdurch entstehen für heutige Unternehmer zahlreiche Herausforderungen. Eine zuverlässige Prognose von Kundenbedarfen sowie die Beobachtung der Auswirkungen von Bedarfsschwankungen entlang der Lieferkette sind zwingend notwendig, um diese Herausforderungen zu meistern. Die digitale Transformation der prozessorientierten Wertschöpfungsketten induziert immer größere Datenmengen, die mit herkömmlichen Methoden nicht mehr zu bewältigen sind.
Die Nutzbarmachung enormer Datenmengen mit Hilfe von KI
Der Einsatz von KI-Verfahren hat das Potenzial, diesen Problematiken mittels automatischer Analyse, Auswertung und Optimierung zu begegnen. Im Forschungsprojekt MOVE werden über drei Jahre praxisnahe Methoden und Werkzeuge in engem Austausch mit Partnerunternehmen entwickelt und getestet. Um Verfahren und Methoden an den richtigen Stellen zielbringend einsetzen zu können ist im ersten Schritt die Nutzbarmachung der enormen Datenmengen erforderlich. Anschließend sollen Unternehmen für den Einsatz von KI-Verfahren in ihren Wertschöpfungsnetzen befähigt werden. Der Fokus des Forschungsprojekts liegt auf der Generierung und Integration von Expertenwissen in simulative, datengetriebene und hybride praxisnahe Werkzeuge.
Handlungsfelder der Problemstellung
Das Forschungsprojekt Move berücksichtigt drei Handlungsfelder für die Optimierung von Wertschöpfungsnetzwerken mit Hilfe des erfolgreichen Einsatzes von Künstlicher Intelligenz.
- Spezifikation der Wirkzusammenhänge: Um praxisnahe und nutzengenerierende Modelle zur Optimierung entwickeln zu können, ist das Verständnis und die Spezifikation der logistischen Wirkzusammenhänge im Supply Chain Management grundlegend.
- Spezifikation und Erweiterung der IT-Infrastruktur: Essenziell zur performanten Verwendung der existierenden Datengrundlagen ist die IT-Infrastruktur, die das Bindeglied zwischen physischer und virtueller Supply Chain markiert.
- Auswahl und Entwicklung von KI Methoden: Die Optimierung und Analyse der Wertschöpfungsnetze wird mit Hilfe von Modellen und Verfahren aus den Bereichen Simulation, KI und Operations-Research erzielt.