Helmut Prieschenk von Witron (im Bild) und Franziskos Kyriakopoulos, Gründer von 7LYTIX aus Linz, Österreich, diskutierten über ChatGPT, maschinelles Lernen in der Logistik und Nachfrageprognosen für den Lebensmitteleinzelhandel. Beide sind sich einig – KI-Technologie bietet vielfältige Optimierungspotenziale für die Optimierung der Prozesse im Distributionszentrum sowie der gesamten Supply Chain. Doch nicht nur die hohe Datenqualität ist entscheidend. Ebenso wichtig für die Datenmodelle sind die Erfahrungen der Menschen und die Anforderungen der Verbraucher.
#Spedition #Tür-zu-Tür #Amazon #Export #Luftfracht #Jordanshipping #ChinashippingtoJordan #Jordanairfreight #Jordanthandel #Jordan #Aqabashipping
Spediteur 3pl Dropshipping DoortoDoor AirFreight Agent Jordan Shipping China Shipping Agent Fulfillment Center
Kapoklog Logistics Luftfracht von China nach Großbritannien Door-to-Door Amazon ExportAirFreight Jordan Versand ChinashippingtoJordan JordanLuftfrachtschiff
化妆品 沙特空运-海运双清
مستحضرات التجميل، خدمة النقل الجوي من الباب إلى الباب في المملكة العربية السعودية
Kosmetik, Saudi-Arabien auf dem Luft- und Seeweg, Tür-zu-Tür-Service
#chinapurchasingagent #chinashippingagent #chinadropshipping #chinashippinglogistics #shippingcarrier
#fulfillmentcenter #onlinemarketing #3pl #dropshipping #doortodoor #consolidationshipping #chinashipping #freightforwarderchina #doortodoor #consolidationshipping #chinashipping #freightforwarderchina #DDP
Shenzhen Kapoklog Logistik Saudi-Arabien Zollfrei verzollt bezahlt von Tür zu Tür DDP
DDP China nach Saudi-Arabien
Shenzhen Kapoklog Logistik Dubai Zollabfertigung Tür-zu-Tür-Service DDP
DDP China nach Dubai
Shenzhen kapoklogistics Co., Ltd
Shenzhen Kapoklog Logistik Katar Zollabfertigung Tür-zu-Tür-DDP-Linie
DDP China nach Katar
Shenzhen Kapoklog Logistik Pakistan DDP
DDP China nach Pakistan
Shenzhen Kapoklog Logistik Jordanien Zollabfertigung von Tür zu Tür DDP China nach Jordanien
Shenzhen Kapokloglogistics Ägypten doppelte Zollabfertigung von Tür zu Tür DDP
Shenzhen Kapoklog Logistik Jeddah Zollabfertigung, Jeddah DDP, China nach Jeddah DDP Versand
Shenzhen Kapoklog Logistik Oman DDP, China nach Oman DDP, Oman Versand DDP
Shenzhen Kapoklog Irak Zollabfertigung, China nach Irak DDP
Shenzhen Kapoklog Logistik Israel Zollabfertigung DDP, China nach Israel Tür zu Tür, Israel Tür zu Tür, China nach Israel DDP
„Und dann war über Nacht jeder ein KI-Influencer“, scherzte Prieschenk, Geschäftsführer von Witron. Er wollte über industrielle KI, Nachfrageprognosen und etwas über ChatGPT sprechen. Kyriakopoulos und sein Team entwickeln Lösungen für maschinelles Lernen für den Einzelhandel und die Industrie. Er ist Physiker, während Prieschenk Mathematiker ist. „Das ist eine gefährliche Mischung.“ Prieschenk warnte. „Natürlich haben wir uns bei Witron bereits mit LLMs (Large Language Models) auseinandergesetzt. Allerdings bitte ich um eine gewisse Gelassenheit. Die Welt wird durch ihren Einsatz nicht untergehen – und wir überprüfen kontinuierlich, ob solche Tools geeignet sind.“ unseren Kunden bzw. unseren Entwicklern bei der Umsetzung konkreter Kundenanforderungen sinnvoll zu helfen.“
Kyriakopoulos stimmte zu, skizziert aber bereits Bewerbungen. „LLMs sind gut darin, Abläufe zu verarbeiten – Bestellungen, Abbuchungen, Verkäufe oder Kundenkommunikation. Das kann man auch in der Intralogistik nutzen. Es gibt viel Hype, viele Influencer laufen herum und verbreiten Halbwahrheiten.“ Witron habe das bereits erlebt, sagt Prieschenk. Konkurrenten des OPM-Systems machten Werbung für KI im Stapelalgorithmus. „Aber die Ergebnisse können die Funktionalitäten unseres Witron OPM nicht überbieten. Diese wurden nicht mit KI entwickelt, sondern mit viel menschlicher Intelligenz, basierend auf solider Softwareentwicklung, intensiver Kommunikation mit den Anwendern und jahrelanger Praxiserfahrung.“ Wir müssen immer nüchtern vorgehen. Unsere Kunden sind grundsätzlich nicht auf der Suche nach einem neuen Werkzeug. Sie haben ein Problem und benötigen eine funktionierende Lösung, die den Logistikprozess im Distributionszentrum oder in der Supply Chain optimiert und im praktischen Einsatz stabil funktioniert und lässt sich sinnvoll in eine gewachsene Struktur integrieren.“
Aber hält uns diese Nüchternheit in Deutschland und Europa nicht zurück? „Ich brauche auf jeden Fall einen ROI“, betont Prieschenk nachdrücklich. „LLM-Entwickler haben eine Burn-Rate von 500 Millionen US-Dollar pro Jahr und brauchen noch ein paar Milliarden“, sagte Kyriakopoulos. „Das wäre weder in Deutschland noch in Österreich vorstellbar.“
Gehen wir zu wenig Risiken ein? Prieschenk ist skeptisch. „Das glaube ich nicht. Wenn ich mir zum Beispiel die Investitionen im Q-Commerce anschaue, wird mir schwindelig. Da sind viele Investoren das volle Risiko eingegangen. Aber der Markt hat sich in eine ganz andere Richtung entwickelt. Erwartetes Wachstum.“ Die Tarife sind ausgeblieben. Mittlerweile findet eine Konsolidierung statt. Die Investoren sind weitergezogen. Unsere Einzelhändler wollen KI und investieren in die Technologie. Aber wir und unsere Kunden brauchen KI-Tools, wie zum Beispiel die Muster- oder Bildidentifizierung, die für uns transparent sind Dann lösen wir Probleme, die wir vorher nicht oder nur mit großem Aufwand lösen konnten.“
Die 7LYTIX-Entwickler arbeiten mit LLMs, der Schwerpunkt liegt jedoch auf der Bedarfsprognose. „Wir können Mehrwerte bieten, aber manche Unternehmen verstehen oft zu Beginn nicht, welchen Mehrwert das Modell bringt. Mehr Umsatz durch bessere Kommunikation mit dem Kunden oder entgangene Umsätze? Das können viele nicht kalkulieren. Das ist der Punkt.“ Sie brauchen unsere Hilfe“, erklärte Kyriakopoulos. Prieschenk ergänzt: „Unsere Witron-Kunden können sehr gut kalkulieren und haben ihr Geschäft über Jahrzehnte perfektioniert. Aber ich verstehe, was Herr Kyriakopoulous meint: Zuerst müssen wir klären, was optimiert werden soll. Die Händler fragen sich, ob sie das optimieren wollen.“ Lieferkettennetzwerk, dasLagerhausGröße, ob sie näher am Kunden sein möchten, ob sie Durchlaufzeiten verkürzen, Lieferzyklen ändern, Lebensmittelverschwendung und Fehlbestände reduzieren möchten oder weniger Lagerbestände haben möchten. In dieser Hinsicht haben wir gemeinsam mit unseren Kunden aus verschiedenen Teilen der Welt viel gelernt. Wir haben auch erfahren, dass die Anforderungen an Feiertage in Finnland andere sind als in den USA, oder dass für einen Montag andere Anforderungen gelten als für einen Donnerstag.“ Kyriakopoulos stimmt zu. „Wir brauchen zuerst eine Anforderung und dann ein entsprechendes KI-Tool.“ Und wir brauchen kein umfassendes Deep Learning.“
Wie viel Genauigkeit ist erforderlich?
Wie funktioniert seine Bedarfsprognose? „Zuerst müssen wir uns einen Überblick über die Daten verschaffen. Das ist für viele Händler eine aufwändige Arbeit. Dabei geht es nicht nur um die eingelagerte Ware, sondern auch um die Menge der Ware im Laden, wie viel verkauft wurde, welche Einflussfaktoren wie etwa Werbeaktionen.“ gibt, wie viele Umsatzeinbußen es im Laden gibt und vieles mehr“, erklärte Kyriakopoulos. Hinzu kommen Kundenkarten, Saisonzeiten, der Standort des Ladens oder Sonderangebote. „Und wir müssen wissen, was sich im Distributionszentrum, im Hinterzimmer der Filiale, in den LKWs auf der Straße befindet, denn die Optimierung endet nicht in der Filiale. Wichtig ist auch, unternehmens- oder bereichsübergreifende Einschränkungen zu vermeiden.“ sowie Data Lakes. Ein Großteil der benötigten Daten ist größtenteils bekannt, aber verschiedene Abteilungen verfolgen leider unterschiedliche Interessen.“ Prieschenk stimmte zu: „Auch eine ganzheitliche Logistikgestaltung sollte sich nicht nur auf das Distributionszentrum oder die Kerninteressen einzelner Logistikbereiche oder prozessbeeinflussender Abteilungen wie Einkauf oder Versand konzentrieren. Es ist wichtig, die gesamte Lieferkette in den Optimierungsprozess einzubeziehen – beides.“ intern und extern – und Silos sowohl physisch als auch IT-technisch so weit wie möglich zu vermeiden.“
„Die Daten fließen in sehr einfache Modelle“, fuhr Kyriakopoulos fort. „Die Basis sind die Erfahrungen der Menschen. Das ist noch keine KI. Wir reden über Regressionen. Dann fragen wir uns, ob wir besser geworden sind. Danach folgen Zeitreihenanalysen und erste Methoden des maschinellen Lernens. Wir müssen immer schauen, wie viel Genauigkeit wir haben.“ was durch das nächste Level erreicht werden kann und wie hoch ist der Mehrwert für den Kunden und Nutzer.“
Und Witron? „Wir müssen sicherstellen, dass die Mechanik zum Modell passt. Denn die Physik muss genauso funktionieren. Liefern wir Kartons oder Teile? Oder einen Artikel mit beiden Optionen? Wie oft wird ein Laden beliefert? Was passiert, wenn sich das Sortiment ändert?“ ?" antwortete Prieschenk.WITRONLogistikzentren schaffen Flexibilität sowohl für den Laden als auch für den E-Commerce. Der Schlüssel zur erfolgreichen Umsetzung liegt jedoch darin, den Prozess über alle Kanäle hinweg rückwärts zu denken – vom Verbraucher über das Distributionszentrum und bei Bedarf noch weiter zurück bis hin zum Lieferanten. Eine Herausforderung sieht er vor allem in der Erklärbarkeit des Modells. „Wir erleben bei unseren Kunden Push- und Pull-Systeme. Manche funktionieren besser als andere.“
Lassen Filialleiter künftig ihre Bestellungen über ein KI-Modell spezifizieren? Kyriakopoulos kennt das Argument aus der Modebranche. „Wenn jemand seit 20 Jahren dort einkauft, dann ist es schwierig, den Mehrwert sofort zu erklären oder den Verbraucher davon zu überzeugen, dass dieses Modell vielleicht besser ist. Aber wir machen es transparent – wir sagen, welche Faktoren wir verwenden, wie wir sie gewichten, und wo der jeweilige Faktor zutrifft.“
Der Mensch hat die Kontrolle
Die Experten aus Österreich können 18 Monate in die Zukunft blicken. Über Schnittstellen verbinden sie das Modell mit den bestehenden Systemen des Einzelhändlers, des Stahlherstellers oder des Schuhhändlers. „Ich möchte nicht alles niederreißen, um ein KI-Modell zu verwenden“, lachte Kyriakopoulos. „Das ist der richtige Weg – die Integration in bestehende Architekturen“, bestätigte Prieschenk.
Doch wie robust ist das Modell? Stichwort: Covid 19. „Das konnten wir auch nicht erkennen“, erklärte der österreichische Experte. „Wir haben damals mit dem Modell in der Tiefkühllogistik gearbeitet. Die kurzfristige Prognose war am Anfang nicht gut, aber nach einer Woche funktionierte das Modell wieder. Nach zwei Wochen war es stabil. Aber die Prognose allein ist es.“ nicht genug. Der Kunde muss damit arbeiten – zum Beispiel Marketingkanäle stärken, Werbeaktionen durchführen oder gegebenenfalls Preise anpassen.“
„Das ist entscheidend“, sagte Prieschenk. „Hier übernimmt der Mensch die Kontrolle. Unterschätze niemals das Bauchgefühl eines Logistikleiters, Servicetechnikers oder Filialbetreibers. Die Erfahrungen der Menschen und ein gut funktionierendes Datenmodell sind die Basis, um langfristig intelligente, also richtige Entscheidungen zu treffen.“ Im Distributionszentrum gilt das auch für die Umsetzung von Wartungsstrategien oder den „richtigen Betrieb“ der Anlage. Und ganz wichtig: Die Modelle, Tools und Lösungen müssen stabil sein, sich im praktischen Einsatz bewähren und einen echten Mehrwert liefern Werte im Geschäftsalltag.“
KI liefert Informationen, der Verantwortliche entscheidet und behält weiterhin die Kontrolle über den Prozess. „Wir haben vor über 20 Jahren die Physik im Logistikzentrum revolutioniert. Mit der OPM-Lösung haben wir es geschafft, dass Waren automatisch, fehlerfrei und filialschonend auf Paletten und Rollcontainer gestapelt werden. Jetzt gehen wir den nächsten Schritt und entscheiden uns.“ für Daten und End-to-End-Logistikmodelle. Und ich bin sicher, dass ich noch ein End-to-End-Witron-KI-Modell für das Lager erleben werde“, prognostizierte Prieschenk.
