Eine der wichtigsten und aktuellsten Methode, um Verkehre und Transporte nachhaltig zu planen und Kosten zu senken, ist Predictive Analytics. Dabei werden historische Daten mit aktuellen Informationen verknüpft – so lassen sich Entwicklungen prognostizieren, die den Personal- und Materialeinsatz verringern und gleichzeitig neue Geschäfte möglich machen. Nicht nur in Industrie und Handel, sondern auch in der Logistik.

„Grundsätzlich ist das Thema Big Data in der Logistik seit vier Jahren en vogue“, sagt Dr.-Ing. Christian Schwede, Abteilungsleiter Informationslogistik und Assistenzsysteme im Fraunhofer-Institut für Materialfluss und Logistik IML in Dortmund. Der Wissenschaftler arbeitet seit Jahren mit Unternehmen an neuen IT-Konzepten in der Logistik. Weil der digitale Wandel klassische Geschäftsmodelle unter Beschuss nimmt, könnte die Verwertung bestehender Daten mögliche neue Geschäftsmodelle begründen. „Seit ein bis zwei Jahren sind die ersten konkreten Umsetzungsprojekte in der Industrie im Gang. Das wird Schritt für Schritt immer intensiver“, so Schwede.

[testimonial id=“4853″]

Um die Chancen, die in diesen Projekten stecken, zu erkennen, hat beispielsweise DB Schenker die Kooperation mit den Forschern institutionalisiert und mit dem Fraunhofer IML ein eigenes Enterprise Lab gegründet: DB Schenker-Mitarbeiter und Forscher arbeiten gemeinsam an neuen Geschäftsmodellen, Warehouses der Zukunft und der Rolle der Logistiker in den Supply Chains der Zukunft.

[url_preview orientation=“left“ newtab=“true“]https://logistik-aktuell.com/2016/10/25/digitalisierung-in-der-logistik//[/url_preview]

Daten sammeln sich im Data Lake

Dabei baut das Analyse-Verfahren auf vielen Daten auf, die unter dem Begriff Data Lake gesammelt werden. Sie werden dann später geordnet und können als digitaler Zwilling für die Simulation von Geschäftsprozessen dienen. Mit solchen Simulationen beispielsweise hat DB Schenker die Personalplanung in Warehouses verbessert. Später können Forscher wichtige Erkenntnisse aus dem Data Lake gewinnen. Sie können Ineffizienzen in den Beschaffungsprozessen eliminieren, zum Beispiel durch neue Netzwerke, andere Fahrpläne oder Routen. Oder die Analyse ergibt bislang nicht erkannte Störungsmuster – strukturelle Probleme bei Verkehrslagen oder besonderen Terminen.

[selectivetweet float=“left“]#Predictive Analytics in der Logistik? Nur wie komme ich an den Rohstoff #Daten?[/selectivetweet]

Wichtigste Voraussetzung für Predictive Analytics sind kohärente Daten und die Informationsarchitektur im Unternehmen. „Wie komme ich an den Rohstoff ran? Darüber aber machen sich viele Logistiker keine Gedanken“, sagt Schwede. „Die Kompetenzen der Gestaltung der digitalen Wertschöpfung existieren bislang kaum. In den Unternehmen sind oft viele Daten vorhanden. Aber aufgrund einer bunten Systemlandschaft können sie nicht miteinander verbunden werden“, erzählt Schwede.

Hinzu kommt: Der digitale Wandel ist für viele Logistiker und deren IT –Abteilungen absolutes Neuland. „Das ist alles hochinnovativ“, sagt Schwede. „Unternehmen können aber auch erstmal punktuell Projekte umsetzen und so erste Erfahrungen machen.“ Allerdings sei bei ersten Projekten gerade der Aufwand an die Daten zu kommen sehr hoch. Es gibt bei der Vorbereitung auf die Zukunft keinen Fahrplan, die Forscher von Fraunhofer helfen aber gerne auf dem Weg.

About the Author