Künstliche Intelligenz (KI) in der Logistik: Potenzielle Vorteile und Einsatzmöglichkeiten.

Das Logistikmanagement ist ein Teilbereich des Lieferkettenmanagements und umfasst alle Phasen der Produktion und Lieferung eines Produkts an den Endkunden. Dazu gehören der Transport von Rohstoffen sowie die Bewegung und Lagerung von Waren. Logistikmanager suchen kontinuierlich nach effizienteren Wegen, um diesen Prozess zu optimieren. Bisher haben Sie von Transport- und Lagerverwaltungssoftware sowie von Internet of Things-Geräten profitiert, die das Tracking von Lkws, Lieferfahrzeugen, Güterzügen und anderen Transportarten erleichtern. Dank der Integration von KI in diese sowie andere Anwendungen und Geräte, verfügen Logistikmanager jetzt über präzisere Tools.

Was versteht man unter KI in der Logistik?

Künstliche Intelligenz wird in der Logistik vielseitig eingesetzt. Dazu gehören die Bedarfsprognose, Sendungsplanung, Lageroptimierung sowie die kontinuierliche Überwachung von Routen, Frachtbedingungen und möglichen Störungen. KI-Algorithmen können Logistikexperten dabei helfen, Transitzeiten vorherzusagen, den besten Spediteur zum besten Preis zu bestimmen und alternative Routen und Spediteure im Falle von Transportunterbrechungen zu ermitteln. Sie können auch dazu genutzt werden, um bestimmte Kundenservice-Aufgaben zu automatisieren. Dies kann sowohl über KI-gestützte Chatbots geschehen, die grundlegende Kundenanfragen bearbeiten, als auch über KI-basierte Tools, die Kundenbeschwerden analysieren und die Daten an Logistikteams weiterleiten.

Wichtigste Erkenntnisse

• Unternehmen nutzen KI, um die Herkunft von Waren und Komponenten in allen Phasen der Lieferkette nachzuverfolgen. So wird sichergestellt, dass Lieferanten faire Arbeitsgesetze einhalten und nachhaltige Praktiken umsetzen.
• KI kann Transportrouten optimieren, indem sie Verkehr, Wetter, Lieferorte und potenzielle Auswirkungen von Streiks berücksichtigt. Durch optimierte Routen können Unternehmen CO₂-Emissionen und Kraftstoffverbrauch reduzieren sowie mehr Produkte effizienter und schneller transportieren.
• KI kann helfen, Probleme bei der Produktrückgabe zu lösen. Produkte mit hoher Rückgabequote können identifiziert werden, sodass Unternehmen dieses Feedback nutzen können, um Produktmängel zu beheben oder Diskrepanzen zwischen Produkt und Zielmarkt aufzudecken.

Erklärung zu KI in der Logistik

Die Hauptziele der KI in der Logistik sind präzisere ETA-Vorhersagen auf Basis interner und externer Daten (z. B. Wetterprognosen und potenzielle Arbeitsunterbrechungen) sowie die frühzeitige Identifikation gefährdeter Sendungen. So können Manager rechtzeitig Gegenmaßnahmen ergreifen, wie beispielsweise durch die Umleitung von Sendungen auf alternative Routen. KI-Modelle werden auf der Grundlage zuvor ausgeführter Aufträge und der Präferenzen der Nutzer trainiert und tragen so dazu bei, die Betriebsleistung zu verbessern und den Bedarf an manuellen Eingriffen zu verringern. Laut einer Forschung von McKinsey & Company haben frühe Anwender von KI-gestützter Supply-Chain-Management-Software ihre Logistikkosten um 15 % gesenkt. Zusätzlich konnten sie eine Verbesserung ihrer Lagerbestände um 35 % verzeichnen.

Die Rolle der künstlichen Intelligenz in der modernen Logistik

Die Bedeutung der KI in der modernen Logistik wächst stetig. Eine Umfrage von Zogby Strategies und Xometry aus dem Jahr 2024 zur Einschätzung von CEOs ergab, dass 97 % der Befragten planen, innerhalb der nächsten zwei Jahre künstliche Intelligenz in ihren Unternehmen einzuführen.

Logistikmanager setzen zunehmend neue KI-Funktionen ein, um die Transporteffizienz zu steigern. Durch die Analyse von Verkehrs- und Wettermustern können sie die kraftstoffeffizientesten Routen identifizieren und kostspielige Verzögerungen vermeiden. Hersteller sind auf die pünktliche Lieferung Tausender Komponenten aus der ganzen Welt angewiesen, um ihre Produkte zusammenzusetzen. Diese Lieferungen müssen präzise koordiniert werden, damit alle benötigten Teile rechtzeitig verfügbar sind – jedoch nicht zu früh, da hohe Lagerbestände erhebliche Kosten verursachen können.

Potenzielle Vorteile von KI in der Logistik

Während des Transports, der Lagerung und Lieferung von Produkten entsteht eine große Menge an Daten. Zu den erfassten Datenpunkten gehören unter anderem Echtzeit-Standort, Temperatur, Versandkosten und die Verfügbarkeit von Spediteuren. Die potenziellen Auswirkungen von KI in der Logistik – insbesondere auf pünktliche Lieferungen und die Kundenzufriedenheit – sind klar erkennbar. Darüber hinaus gibt es viele weitere Möglichkeiten, wie KI die Logistik optimieren kann, die im Folgenden näher erläutert werden.

• Bestandsverwaltung
  Dank KI-gestützter Lagerverwaltungstools können Logistikmanager eingehende Aufträge erkennen, die die voraussichtliche Lieferzeit überschreiten. Danach können Sie wichtige Informationen zu gefährdeten Bestellungen an den Auslieferungsmanager weiterleiten, um deren Bearbeitung zu priorisieren. Außerdem können sie alternativ Lagerstellplätze anpassen, um oft zusammen bestellte Artikel zu gruppieren. Zusätzlich wurden generative KI-Funktionen entwickelt, um präzise und strukturierte Zusammenfassungen von relevanten Auftragsrevisionen sowie bearbeitbare E-Mail-Bestätigungen für neue und geänderte Aufträge bereitzustellen.
• Präzise Nachfrageprognosen
  Dank KI-integrierter Logistikanwendungen können präzise Daten genutzt werden, um Probleme vorherzusagen, die die rechtzeitige Lieferung von Endprodukten beeinträchtigen könnten. Außerdem können die von den Anwendungen zur Bedarfsprognose generierten Daten den Logistikmanagern dabei helfen, die Lieferung von Produkten zu priorisieren, die wahrscheinlich den größten Einfluss auf die Kundenzufriedenheit und die Gesamtrentabilität haben.
• Optimierung von Überbeständen
  Hersteller können mithilfe KI-basierter prädiktiver Analysen ihre Lagerbestände optimieren. Dabei greifen sie auf historische Daten und Echtzeit-Nachfragedaten zurück, um Lagerausfälle zu vermeiden und das Volumen überschüssiger Lagerbestände zu reduzieren.
• Effizienz der Auftragserfüllung
  KI kann die Auftragserfüllungsraten verbessern, indem sie die Effizienz in Lagern steigert. Durch die Analyse historischer Nachfragedaten kann sie den optimalen Standort für bestimmte Produkte bestimmen und Layouts sowie Arbeitswege optimieren, um die Kommissionierung und Auftragsabwicklung zu beschleunigen. Lagermanager können KI außerdem dazu verwenden, um zu beurteilen, ob die Liefercontainer mit der optimalen Menge an Paketen gefüllt sind und kein Platz verschwendet wird.
• Auftragsgenauigkeit
  Hersteller und Logistikunternehmen nutzen KI-Algorithmen, die auf Daten von Kameras und Sensoren basieren, um Fehler von Mitarbeitenden aufzudecken und zu vermeiden. So kann beispielsweise die Entnahme falscher Produkte aus Lagern oder der Versand von Artikeln an falsche Adressen verhindert werden. Dieselben Systeme können die erfassten Daten analysieren, um häufige Fehler zu erkennen, die durch Anpassungen von Prozessen oder Design vermieden werden könnten. Dies umfasst Maßnahmen wie eine bessere Mitarbeiterschulung, Änderungen an der Verpackung oder die Optimierung der Produktplatzierung basierend auf der Nachfrage.
• Optimierung der Warenentnahme
  KI kann die Produktkommissionierung optimieren, indem sie Bestellmuster analysiert und empfiehlt, häufig gemeinsam bestellte Produkte im selben Lagerbereich zu platzieren. Dadurch können Lagermitarbeiter Bestellungen effizienter zusammenstellen und die Auftragsabwicklung beschleunigen. KI-gestützte Nachfragevorhersagen können die Produktkommissionierung weiter optimieren, indem sie empfehlen, Produkte mit kurzen Lieferfristen – wie verderbliche Waren oder zeitkritische Bestellungen – in leicht zugänglichen Lagerbereichen zu platzieren.
• Label-Automatisierung
  Mithilfe von GenAI-Tools kann die Erstellung von Versandlabels automatisiert werden, was bisher eine manuelle und fehleranfällige Aufgabe war. Die Tools für diese Aufgabe können in Logistik- und Lagerverwaltungsanwendungen integriert werden und unterstützen mehrsprachige sowie internationale Versandanforderungen.
• Transportmanagement
  KI-gestützte Transportmanagementanwendungen können voraussichtliche Ankunftszeiten von Sendungen zu zwei verschiedenen Zeitpunkten prognostizieren: sowohl bei der Planung durch den Logistikmanager als auch während des Transports der Produkte. In der Planungsphase ist es entscheidend, potenzielle Lieferverzögerungen frühzeitig zu erkennen. So können Logistikmanager alternative Transportrouten oder Spediteure auswählen, um Störungen zu minimieren.
  
  Auch wenn ein Wechsel des Spediteurs während des Transports nicht immer möglich ist, bieten mehrstufige Transporte oft zusätzliche Optimierungsmöglichkeiten. Logistikmanager können KI-gestützte Datenanalysen nutzen, um Sendungen beispielsweise an einen alternativen Hafen umzuleiten oder Lkw-Transporte auf effizientere Routen zu verlegen. Darüber hinaus ermöglichen KI-Tools den Vergleich prognostizierter und tatsächlicher Versandzeiten, sodass Logistikmanager riskante Routen identifizieren und nach Möglichkeit vermeiden können. Selbstverständlich steigt die Genauigkeit der Vorhersagen, je näher ein Transport dem Lieferort kommt. Nach Erreichen eines festgelegten Schwellenwerts für die geschätzte Ankunftszeit können KI-Managementtools genutzt werden, die automatisch eine Ausschreibung an das am besten geeignete Transportunternehmen senden. Somit kann die Sendung bei Ankunft sofort abgewickelt werden.
• Kraftstoffeinsparungen
  Laut der Europäischen Umweltagentur wird der globale Luft- und Schifffahrtssektor bis 2050 voraussichtlich für fast 40 % der globalen CO2-Emissionen verantwortlich sein, sofern keine Maßnahmen zur Senkung der aktuellen Emissionswerte ergriffen werden. Hier kann eine KI-optimierte Logistik dazu beitragen, die Umweltauswirkungen des Versands von Produkten und Materialien zu verringern, indem Lkw-/Schiffsladungen und Lieferrouten optimiert werden. Laut einem Bericht des Weltwirtschaftsforums aus dem Jahr 2021 wurden schätzungsweise 15 % der Lkw-Fahrten ohne Ladung durchgeführt.
• Lieferzeitenoptimierung
  Logistikmanager setzen KI ein, um Lieferrouten zu optimieren und sicherzustellen, dass Unternehmen die benötigten Rohstoffe zur richtigen Zeit erhalten und Endprodukte schnell und effizient an Lager oder Geschäfte geliefert werden. Manager können Prioritäten auf der Grundlage nahezu aller Faktoren festlegen, wie z. B. beispielsweise Auftragsvolumen und Produktverfügbarkeit. Zudem können sie mit KI sicherstellen, dass Aufträge von Kunden mit hoher Priorität in jeder Phase besondere Aufmerksamkeit erhalten, insbesondere wenn diese Aufträge gefährdet erscheinen.
• Liefersicherheit
  KI-gestützte Armaturenbrettsysteme und kamerabasierte Sensorsysteme können dazu beitragen, fahrzeuginterne Risiken wie abgelenkte oder schläfrige Fahrer sowie externe Gefahren wie drohende Kollisionen oder plötzliche Änderungen der Straßenverhältnisse frühzeitig zu erkennen. Logistikmanager können die Daten dieser Systeme nutzen, um Mitarbeiter zu identifizieren, die die Sicherheitsprotokolle nicht einhalten. Kommt es zu Unfällen, können Manager mithilfe von KI die Ursachen analysieren und Maßnahmen ergreifen, um derartige Vorfälle in Zukunft zu verhindern.
• Wartung von Lager und Transportmitteln
  Gabelstapler, Paletten, Sortieranlagen, Förderbänder, Lader und andere Arten von Lagerausrüstung sind anfällig für Ausfälle – ebenso wie wichtige Ausrüstungen auf Lastkraftwagen, Schiffen, Eisenbahnwaggons, Eisenbahnen und anderen Transportmitteln. Logistikmanager können GenAI nutzen, um Sensordaten aus Maschinen und Infrastruktur zu analysieren und Ausfälle präziser vorherzusagen. Dadurch lassen sich Wartungsarbeiten proaktiv planen, ungeplante Ausfallzeiten vermeiden, die Lebensdauer kostspieliger Geräte verlängern und die reibungslose Funktion der Lieferkette sicherstellen.
• Produktretouren
  KI kann auch dazu beitragen, Probleme mit der Rückwärtslogistik (auch als Produktretouren bezeichnet) aufzuklären. Wenn ein bestimmtes Produkt häufig oder in einer bestimmten Region überdurchschnittlich oft zurückgegeben wird, können KI-Algorithmen solche Trends schnell identifizieren und den Hersteller auf mögliche Konstruktionsfehler, Defekte oder eine Diskrepanz zwischen Produkt und Markt hinweisen. Darüber hinaus kann KI bei umfangreichen Produktrückrufen den Prozess optimieren. Ein spezieller Rückgabecode kann dabei helfen, zurückgerufene Produkte gezielt zu steuern und sicherzustellen, dass sie nicht zwischen anderen Rücksendungen verloren gehen.

KI-Anwendungen in der Logistik

Hersteller beginnen, KI-Software zu nutzen, um Aufgaben wie die Verfolgung von Geräteausfällen, die Verbesserung der Produktqualität und die Beschleunigung des Warenversands an Kunden zu automatisieren. Zudem nutzen sie KI, um große Datenmengen zu analysieren und komplexe Logistikprobleme effizient zu lösen. Nachfolgend sind spezifische Anwendungsbereiche aufgeführt, in denen Logistikmanager KI nutzen, um ihre Ziele zu erreichen.

• Optimierung von Routen
  Früher war die Planung von Routen ein mühsamer und zeitaufwendiger Prozess. Heute können KI-Systeme Verkehrs- und Straßenverhältnisse, Wetter, Lieferorte und weitere relevante Daten berücksichtigen, um die Route zu optimieren. Durch effizientere Routen können Unternehmen Kraftstoff einsparen und den CO2-Ausstoß reduzieren, während Fahrer in der gleichen Zeit mehr Lieferungen ausführen können.
• Planung der letzten Meile
  Laut dem CapGemini Research Institute sind die Kosten für die letzte Etappe oder „letzte Meile“ der Auftragserfüllung, vom Vertriebszentrum bis zur Haustür des Kunden, von 41 % der gesamten Lieferkosten im Jahr 2018 auf 53 % im Jahr 2023 gestiegen. Da die Kundenerwartungen an schnelle Lieferungen steigen, reagieren Unternehmen mit der Einrichtung von Netzwerken aus kleinen Lieferdepots, der Auslagerung an Drittanbieter und dem Einsatz von KI zur Optimierung der Routenplanung. Darüber hinaus können KI-Tools die Routenplanung effizienter gestalten, indem sie Lieferstandorte und Fahrzeugkapazitäten analysieren und Fahrern dabei helfen, schneller auf unerwartete Verzögerungen zu reagieren.
• Flottenmanagement
  In Flottenmanagementanwendungen integrierte KI-Funktionen können Managern dabei helfen, die beste Mischung aus angemieteten und privaten Flottentransportunternehmen zu ermitteln. Zusätzlich können diese Tools Fahrern automatisch Aufträge zuweisen und die Startzeiten für Sendungen anhand von internen und externen Daten optimieren.
• Bedarfsprognose
  Früher basierte die herkömmliche Bedarfsprognose fast ausschließlich auf internen historischen Daten. KI-gestützte Tools zur Bedarfsprognose analysieren auch Drittanbieterdaten zu Wetter, regionalen Ereignissen, schwankenden Nachfragemustern und anderen Faktoren, um die Prognosegenauigkeit zu erhöhen.
• Robotik und Automatisierung
  KI-gesteuerte Roboter können Produkte schneller und effizienter lagern und kommissionieren als menschliche Bediener. Automatisierte Roboter bieten Vorteile wie weniger Fehler und Verletzungen sowie eine effizientere Raumnutzung. Pilotprogramme für autonome Lkws versprechen weitere Einsparungen bei den Transportkosten sowie bessere Lieferzeiten, da die Fahrzeuge rund um die Uhr eingesetzt werden können.
• Intelligentes Verpacken und Sortieren
  KI-Algorithmen können optimale Lagerlayouts vorschlagen, die den Warenfluss in und aus den Einrichtungen beschleunigen. Zudem können sie den Kommissionierern dabei helfen, die effizientesten Lagerrouten für die Auftragserfüllung zu planen. Einer der größten globalen Paketzusteller setzt sogar KI-gesteuerte Roboter zum Sortieren von Paketen ein.
• Dynamische Preisgestaltung
  In einigen Branchen ersetzen dynamische Preismodelle zunehmend herkömmliche statische Preisstrukturen. KI-Algorithmen ermöglichen eine kontinuierliche Preisoptimierung für Waren und Dienstleistungen, basierend auf der laufenden Analyse von Marktnachfrage sowie weiteren Einflussfaktoren. Die Luftfahrtindustrie war ein Pionier auf diesem Gebiet, während Hotels, Einzelhändler, E-Commerce-Websites, Mitfahrunternehmen und professionelle Sportteams schnell nachzogen.
• Dokumentenautomatisierung
  GenAI-basierte Funktionen zum Dokumentverständnis, auch als intelligente Dokumenterkennung bekannt, sind darauf ausgelegt, automatisch Text aus digitalen Dateien zu extrahieren – selbst aus unleserlichen oder beschädigten Dokumenten. Mithilfe dieser Funktionen können Sie Logistikaufgaben optimieren, indem Sie beispielsweise digitale Quittungen aus Frachtbriefen erstellen oder Papierrechnungen digitalisieren und in das Kreditorensystem importieren. Darüber hinaus kann GenAI auch beim Extrahieren von Text, Tabellen und anderen wichtigen Daten aus Dokumenten helfen, um Spesenzahlungen, die Rechnungsverarbeitung und das Inhaltsmanagement zu unterstützen.
• Kundenservice und -erlebnis
  Unternehmen setzen GenAI-basierte Chatbots ein, um häufige Logistikanfragen ihrer Kunden zu beantworten – beispielsweise zur Verfügbarkeit eines Produkts an einer bestimmten Adresse oder zur Unterstützung grenzüberschreitender Sendungen und Mehrteilsendungen durch einen Spediteur in einem bestimmten Land. Bisher mussten Kundenservicemitarbeiter zur Beantwortung solcher Fragen eine Matrix-Tabelle zurate ziehen. KI-Systeme sind darauf ausgelegt, mehrere Variablen zu analysieren und Antworten automatisch anzupassen, sobald sich diese Variablen ändern. Benutzeroberflächen mit natürlicher Sprachverarbeitung Menschen, diese Informationen durch eine Unterhaltung mit dem Chatbot abzurufen.

Beispiele für KI in der Logistik

Western Digital setzt einen digitalen Assistenten namens Logibot ein, um Logistikinformationen an Partner in der Lieferkette zu liefern. Nach einem Benchmarking ihres Online-Shops mit der Konkurrenz definierten die Logistikmanager von Western Digital drei zentrale Ziele: eine 24/7-Beantwortung von Anfragen, die Erfassung und Beantwortung von Kundenfeedback sowie die Fähigkeit, die meisten Anfragen autonom zu bearbeiten, sodass sich Kundenservicemitarbeiter auf die kritischsten Probleme konzentrieren können. Das ultimative Ziel des Unternehmens ist es, jede Interaktion von Logibot mit den Benutzern nachzuverfolgen, den Anteil erfolgreicher und nicht erfolgreicher Interaktionen zu bestimmen und diese Erkenntnisse zur Optimierung des Tools zu nutzen, um einen noch effizienteren Kundenservice zu gewährleisten. Western Digital plant, Logibot von der Logistik auf Planung, Beschaffung und Fertigung auszuweiten.

Für Unternehmen, die verderbliche Waren anbauen oder produzieren – sowie für jene, die auf komplexe Versandnetzwerke für die Beschaffung und Auslieferung angewiesen sind – ist eine lückenlose Sendungsverfolgung unerlässlich. KI ermöglicht die autonome Verfolgung bereits versandter Artikel und benachrichtigt Mitarbeitende bei Problemen, wie einem Temperaturanstieg im Versandcontainer oder unerwarteten Verzögerungen, die die Lieferung gefährden könnten. Logistikmanager können diese Informationen nutzen, um Produkte umzuleiten und Kundenanforderungen anzupassen. Bereits vor der Verschiffung können Logistikmanager die Vorhersagefähigkeiten der KI nutzen, um potenzielle Probleme frühzeitig zu erkennen – basierend auf historischen internen Daten sowie externen Informationen zu Wetterbedingungen, Straßen- und Hafensperrungen, Arbeiterstreiks und weiteren Einflussfaktoren.

Herausforderungen bei der Einführung von KI

Obwohl KI das Potenzial hat, die Lagerung und den Transport von Materialien und Produkten zu verbessern, ist ihre Einführung nicht immer einfach. Im Folgenden sind einige Herausforderungen aufgeführt, denen Unternehmen bei der Einführung von KI gegenüberstehen.

• Kosten für die Implementierung und Schulung der Belegschaft
  Mitarbeiter fühlen sich mitunter von neuen Anwendungen eingeschüchtert, selbst wenn diese intuitiv und cloudbasiert sind, und könnten sich daher gegen deren Einführung sträuben. Unternehmen sollten daher Schulungszeiten in den Arbeitsalltag integrieren, um Mitarbeitende mit neuen Funktionen vertraut zu machen. Zudem sollten sie in Zusammenarbeit mit ihren Anbietern Schulungsprogramme entwickeln, die verschiedene Rollen abdecken – von Logistikmanagern, die auf KI-gestützte Warnungen reagieren, bis hin zu Fahrern, die automatisierte Fahrfunktionen nutzen und KI-optimierten Routen folgen.
• Integration in bestehende Systeme
  Die Integration neuer KI-Funktionen in eine ältere On-Premises-Logistikanwendung kann eine anspruchsvolle Aufgabe sein, die häufig die Unterstützung eines Systemintegrators erfordert. Und nach der Implementierung treten im Unternehmen oft Ausfallzeiten auf. In cloudbasierten Anwendungen hingegen sind KI und andere Verbesserungen in der Regel deutlich nahtloser integriert.
• Bedenken bezüglich Datenschutz- und -sicherheit
  Bei älteren On-Premises-Logistikanwendungen müssen Unternehmen ständig Patches anwenden, um Sicherheitslücken zu schließen. Dank KI-gestützten Logistikanwendungen in der Cloud erfolgen regelmäßige automatische Updates, um die Datensicherheit und den Datenschutz zu optimieren.

Schnellere Maximierung der Auftragserfüllung mit Oracle

Oracle Fusion Cloud Logistics, Teil von Oracle Fusion Cloud Supply Chain Management & Manufacturing, bietet neue KI-Funktionen zur Unterstützung von Logistikaufgaben, Optimierung der Transportrouten und Senkung der Lagerhaltungskosten. Zudem helfen diese Funktionen Herstellern, Kosten zu senken, Lieferzeiten zu verkürzen, die Mitarbeitersicherheit zu erhöhen und den ökologischen Fußabdruck zu verringern.

Häufig gestellte Fragen zu KI in der Logistik

Wie kann KI in der Logistik eingesetzt werden?
KI wird vorrangig genutzt, um Bedarfsprognosen zu erstellen, Sendungen zu planen, Frachtbedingungen zu überwachen sowie Lagerflächen und Transportrouten zu optimieren.

Wie wirkt sich KI auf die Schifffahrtsbranche aus?
Reedereien nutzen KI, um Faktoren wie Verkehr, Meeresströmungen und Wetterbedingungen zu analysieren und so ihre Routen zu optimieren bzw. Alternativen auszuarbeiten. So können sie ihren Treibstoffverbrauch senken und das Risiko kostspieliger Verzögerungen verringern. Zudem wird KI-Technologie für die vorausschauende Wartung von Anlagen eingesetzt.

Wie kann KI Lieferketten nachhaltiger gestalten?
Lieferketten können durch KI vor allem durch die Optimierung der Transportwege nachhaltiger gestaltet werden. Dies kann zu einem geringeren Verbrauch fossiler Brennstoffe durch Transportfahrzeuge und einer geringeren CO2-Emission beitragen.