Hunger auf Daten: Wie Supply-Chain-KI ihren Wendepunkt erreichen kann

Künstliche Intelligenz (KI) in Supply Chains ist ein Hühnchen-oder-Ei-Problem. Es gibt diejenigen, die KI für ihr Potenzial loben, um größere Einblicke in die Supply-Chain-Operationen zu ermöglichen. Mit anderen Worten: KI zuerst, Sichtbarkeit zweites.

Was vielleicht wahr war, als eine umfassende, Echtzeit-Supply-Chain-Sichtbarkeit nicht anders erreicht werden konnte. Aber transformative Supply-Chain-KI – einschließlich der sehr leistungsfähigen generativen KI, die frische Einblicke, Ergebnisse, Prozesse und Effizienzen aus großen Datensätzen erstellt – erfordert, dass wir die Gleichung auf den Kopf stellen. Sichtbarkeit zuerst, gefolgt von GenAI-getriebener Innovation in der gesamten Supply Chain.

Stellen Sie sich einen regionalen Einzelhandelsmanager, Großhändler, Hersteller oder Beschaffungsoffizier vor, der am Montagmorgen aufwacht, einen vertrauten KI-Chatbot (vielleicht sogar sprachgesteuert) startet und in natürlicher Sprache fragt, ob seine Supply Chain für die Woche optimiert ist. Und wenn sie es nicht ist, fragt er, wie die Supply Chain angepasst werden kann, um seine Ziele zu erreichen. GenAI ermöglicht diese Interaktion mit Supply-Chain-Systemen.

Aber der einzige Weg, wie eine GenAI-basierte Supply-Chain-Lösung automatisch solche Antworten liefern kann, ist, wenn sie den Status, den Standort, den Zustand, die Bewegung usw. jedes Produkts, jeder Box, jedes Falls, jedes Paletts usw. in der Supply Chain kennt. Und der einzige Weg, wie sie das weiß, ist, wenn die Produkte selbst automatisch die Informationen ohne menschliche Intervention kommunizieren können. Heute können sie das durch eine allgegenwärtige Sichtbarkeitsplattform namens Ambient Internet der Dinge (IoT).

GenAI in der Supply Chain

Die globale Beratungsfirma Ernst & Young schätzt, dass 40 Prozent der Supply-Chain-Unternehmen in GenAI investieren. Sie haben GenAI verwendet, um komplexe Supply-Netzwerke zu kartieren, “Was-wäre-wenn”-Szenarien durchzuführen, die Vor- und Nachfrage zu prognostizieren, Chatbots zu entwickeln, damit Partner leichter Antworten erhalten können, und sogar neue Verträge auf der Grundlage von Vergangenheits- oder bestehenden Vereinbarungen zu erstellen.

In solchen Fällen trainieren Unternehmen KI-Modelle auf ihren eigenen, historischen Daten und dem, was sie von Partnern ableiten können. Dann bitten sie GenAI, Wege zu finden, um die Effizienz zu steigern. Aber wie es die EY-Analysten ausdrücken, “GenAI-Tools sind nur so leistungsfähig wie ihre Eingabedaten, also sind sie durch die Qualität und Verfügbarkeit von Daten von Supply-Chain-Partnern begrenzt.”

Der Heilige Gral der Supply-Chain-KI ist jedoch, neue Routen, Prozesse, Produktdesigns und Lieferantenlisten auf der Grundlage von Echtzeitdaten zu erstellen – und das so schnell wie möglich (was schneller ist als menschlich möglich). Oder wie es ein Executive der Harvard Business Review gegenüber sagte, “Wenn es eine Supply-Chain-Krise gibt, ist der Schlüssel zum Wettbewerb, alternative Lieferanten schneller zu finden als alle anderen, weil jeder danach sucht, das Gleiche zu tun.”

Dies erfordert, GenAI-Lösungen auf wesentlich mehr – und aktuellere – Daten über tatsächliche Supply-Chain-Operationen zu trainieren. Hier kommt das Ambient IoT ins Spiel.

Ambient IoT: Die Sprache der Supply Chains

Mit Ambient IoT tragen Produkte, Verpackungen und Orte digitale Signaturen, die die Echtzeit-Sichtbarkeitssprache der Supply Chain sind und letztendlich in die großen Sprachmodelle (LLMs) einfließen, die die Grundlage von GenAI bilden. Diese Signaturen werden über IoT-Pixels übertragen, die selbstbetätigte, stempelgroße elektronische Tags sind, die an alles in der Supply Chain angebracht werden, was verfolgt und überwacht werden muss. IoT-Pixels enthalten ihre eigene Rechenleistung, Sensoren und Bluetooth-Kommunikation, sodass Produkte und Verpackungen ihre Reise durch die Supply Chain in Daten beschreiben können, die LLMs verarbeiten können. Letztendlich stellen sie eine Brücke zwischen der physischen und digitalen Welt dar und machen Supply-Chain-Daten verfügbar, die tatsächlich Operationen zeigen, vorhersagen und optimieren können.

Ambient IoT-Pixels kommunizieren Daten über ein etabliertes Mesh bestehender drahtloser Geräte, wie Smartphones und Wireless-Access-Points, oder über leicht zu installierende, standardisierte Brücken und Gateways in Geschäften, Lagerhäusern, Lieferwagen und mehr. Tatsächlich können Ambient IoT-Pixels mit den entsprechenden Genehmigungen und Datenschutzmaßnahmen die Supply-Chain-Sichtbarkeit sogar bis zum Verbraucher erweitern, indem sie Daten über Produktverwendung, Wiederverwendung und Recycling übermitteln und somit die Grundlage für fortgeschrittenere GenAI-Modelle bilden.

Und sie senden Daten kontinuierlich. Im Gegensatz zu den Supply-Chain-Aufzeichnungen, die heute verwendet werden, um GenAI-Modelle zu trainieren, beschreiben Ambient IoT-Daten die Supply Chain gerade jetzt. Mit dieser Sichtbarkeit ist alles, was noch zu tun ist, die Implementierung von GenAI, um uns zu antworten, “Was sehe ich in meiner Supply Chain, gerade jetzt?”

Echtzeit-Sichtbarkeit und Ambient IoT-Datengenerierung in der gesamten Supply Chain könnten sogar dazu beitragen, eine der Herausforderungen von GenAI anzugehen: dass die Daten, die verwendet werden, um LLMs zu trainieren, notwendigerweise ungewollte Datenverzerrungen aus ihren Quellen widerspiegeln, die oft die verschiedenen ERP-Systeme von Unternehmen umfassen.

Produkte, die durch die Supply Chain mit Ambient IoT verfolgt werden, sprechen objektive Wahrheit, weil Produkte tatsächlich dort sind, wo Ambient IoT sagt, dass sie sind, und weil Ambient IoT nicht erfordert, dass Arbeiter mit RFID-Scannern Sendungen verfolgen, kann der menschliche Fehler minimiert werden.

Ambient IoT-Daten beschreiben genau die Route und die Zeit, die Produkte in der Supply Chain benötigen. Und die Produkte tragen in ihren digitalen Produkt-Pässen Daten über die an der Handhabung beteiligten Parteien und Einrichtungen. Wenn anwendbar, könnten Ambient IoT-Pixels LLMs Informationen über Temperatur, Feuchtigkeit und Kohlenstoffemissionen hinzufügen, und zwar auf jedem Schritt des Weges.

Laut EY ist eines der Gebiete, in denen Supply-Chain-Unternehmen die Verwendung von GenAI erkunden, die regulatorische und ESG-Berichterstattung. Der beste und kosteneffektivste Weg, um umfangreiche Daten zu sammeln, damit GenAI konforme Informationen liefert, ist durch Ambient IoT.

Von Chatbot zu Automatisierung

Tagtäglich gibt es zwei Möglichkeiten, wie eine Verbindung von Ambient IoT und GenAI Supply Chains nutzen kann. Erstens ermöglicht es mehr Menschen in der Supply Chain, sich entwickelnde Situationen zu verstehen und aktiv Schritte zu unternehmen, um die Supply-Chain-Operationen zu optimieren oder zu korrigieren. Man muss kein Datenanalyst oder Beschaffungsspezialist sein, um einen GenAI-Chatbot nach dem Status von Sendungen oder alternativen Lieferanten zu fragen, obwohl Unternehmen weiterhin Datenexperten benötigen, um sicherzustellen, dass LLMs und GenAI-Tools sich weiterentwickeln, um nützliche Ergebnisse zu liefern. Aber die Demokratisierung der Supply-Chain-Analyse und -Anfrage könnte die schnelle Entscheidungsfindung ermöglichen, die erforderlich ist, um wettbewerbsfähig zu sein.

Zweitens können GenAI und andere KI-Tools dazu beitragen, eine Brücke zur größeren Supply-Chain-Automatisierung zu bauen. Durch maschinelles Lernen, insbesondere das häufig in Kontrollsystemen verwendete Verstärkungslernen, kann Software trainiert werden, um Entscheidungen zu treffen, die bessere Ergebnisse erzielen. Schließlich könnten sie trainiert werden, um Supply-Chain-Störungen vorherzusagen, bevor sie eintreten, und automatisch alternative Lieferanten oder Spediteure zu aktivieren. Oder sie können prädiktive Wartung initiieren, indem sie bestimmen, ob bestimmte Lager- oder Fertigungssysteme oder -linien versagen könnten.

Sie tun dies, indem sie aus großen Datensätzen lernen, einschließlich der von Ambient IoT generierten Supply-Chain-Daten.

Wie wir in den letzten Jahren gelernt haben, existieren komplexe Supply Chains auf einem Messeredge. Ein paar kleine Faktoren können sie in Chaos stürzen. Künstliche Intelligenz wird entscheidend sein, um zukünftiges Chaos zu vermeiden. Aber um dorthin zu gelangen, müssen Supply Chains Daten für Dinge entsperren, die sie derzeit nicht sehen können. Ambient IoT liefert die Sichtbarkeitsdaten, auf denen die GenAI-Neuerungen von morgen aufbauen werden.