Stellen Sie sich vor, Sie sind Hersteller von verderblichen Lebensmitteln für den Handel: Nehmen wir zum Beispiel eine Molkerei, die Produkte auf Milchbasis herstellt – wie beispielsweise Joghurt – und damit beliefern Sie kurzfristig Discounter. Sie haben wahrscheinlich folgendes Problem: Sie bewegen sich ständig am schmalen Grat zwischen Über- und Unterproduktion. Und sind somit gezwungen, vorzuproduzieren. Sind die Mengen zu niedrig, müssen u. a. Sonderschichten geleistet, sowie Maschinen freigemacht werden, um die Differenzen aufzufangen. Das ist schon unerfreulich genug! Noch ärgerlicher sind aber Überproduktionen, bei denen Energie und Ressourcen verschwendet werden. Sie müssen Waren wieder entpacken und womöglich wegschmeißen. Lagern Sie den Joghurt, verringert sich aufgrund des Verfallsdatums die Zeitspanne, in der Ihr Handelskunde das Produkt verkaufen kann – und damit der Umsatz, den Sie und Ihr Kunde erzielen. Am Ende verlieren alle Beteiligten.
Wäre es da nicht gut, wenn Sie bereits heute genau wüssten, wie hoch die Bestellungen in der kommenden Woche ausfallen? – Eine rhetorische Frage, die eigentlich nur mit einem klaren „Ja“ beantwortet werden kann.
Daten können Bestellmengen vorhersagen
Meine Kollegen haben hier eine Lösung: eine speziell auf Molkereiprodukte zugeschnittene Künstliche Intelligenz (KI), die künftige Bestelleingänge und -mengen vorhersagen kann.
Um eine solche Künstliche Intelligenz zu entwickeln bzw. zu „trainieren“ – bedarf es vor allem jeder Menge Daten. Das sind natürlich zuallererst die Daten der Molkerei, wie z.B. Preisinformationen, Artikelinformationen oder frühere Bestell- und Absatzmengen. Hinzu kommen mitunter hunderte potenzielle Einflussvariablen aus anderen Bereichen, wie dem Wetter, der Preise, Werbeaktionen sowie Feiertagen, Ferienzeiten, vergangenem Kundenverhalten oder auch Produkt- und Verpackungseigenschaften. Alle diese Faktoren werden von den Prognosen einer austrainierten KI gleichzeitig berücksichtigt. Ebenso ist es ein Muss, sich vor der KI-Entwicklung und der Implementierung in die bestehenden Unternehmensprozesse mit Experten aus den Fachbereichen auszutauschen. Auch sie können wertvollen, zusätzlichen Input hinsichtlich möglicher Einflussfaktoren geben.
Die KI ist schneller und genauer
Mit allen diesen Daten trainieren unsere Data Scientists also die KI. Sie erkennt dabei bestimmte Muster, die in den Daten versteckt sind und erlernt Regeln und Zusammenhänge. Daraus leitet sie schließlich konkrete Handlungsempfehlungen zu den Produktionsmengen ab. Ein Beispiel: Freitags wird von den Discountern immer mehr Joghurt bestellt, da viele Verbraucher häufig samstags Joghurt kaufen. Wenn der folgende Montag dann noch ein Feiertag ist und wir uns vielleicht auf eine besonders absatzstarke Region beziehen, dann steigt die erforderliche Produktionsmenge weiter. So haben wir also drei Regeln, die sich parallel auf den Absatz auswirken – einfache Regeln, die die KI in sich abgespeichert hat.
Zugegeben, selbst eine KI kann keine Vorhersagen treffen, die zu 100% richtig sind. Auch sie kann niemals zu jeder Zeit jede Situation korrekt einschätzen. Allerdings ist eine speziell auf den Anwendungsfall zugeschnittene Lösung um Längen schneller und genauer als gängige Durchschnittsverfahren oder komplexe Excel-Analysen. Hinzu kommt, dass das Training automatisiert werden kann: Das KI-System lernt fortwährend selbständig dazu. So kann es beispielsweise auf geänderte Marktsituationen unmittelbar reagieren, indem es Einflussfaktoren hinzuzieht, die in der Vergangenheit nicht so wichtig waren.
Da geht noch viel mehr als Joghurt
Am Ende profitiert nicht nur unsere Molkerei durch die Lösung von mehr Effizienz und Kosteneinsparungen, sondern auch ihre Zulieferer und Kunden. Und die Molkerei ist auch nur ein simples Beispiel. Solche KI-basierten Vorhersagen lassen sich auf unterschiedlichste Branchen und Anwendungsfälle münzen, von Vertriebsprognosen über Qualitätsprognosen bis zur Einbruchsprognose. Dabei kann der jeweilige Mehrwert sehr unterschiedlich sein, wie die Projekte unserer Kunden zeigen.
Sie möchten auch mit Künstlicher Intelligenz Erfolgsgeschichten schreiben? Dann informieren Sie sich weiter auf der Seite Künstliche Intelligenz oder besuchen Sie unser Training Künstliche Intelligenz: Einstieg in die Planung von KI-Projekten.
Kommentare (0)