Im Zuge der Digitalisierung ändert sich die Zusammenarbeit von Unternehmen mit Partnern, Lieferanten und Kund:innen. Es ergibt sich eine steigende Anzahl globaler Partner mit komplexen und ständig verändernden Beziehungen. Diese Zusammenhänge lassen sich zunehmend mit digitalen Daten abbilden. Die Analyse und Steuerung solcher Wertschöpfungsnetze, bestehend aus Unternehmen, Partnern, Lieferanten und Kunden, ist eine Herausforderung für die Industrie. In diesem Projekt sollen Wertschöpfungsnetze digital abgebildet und analysiert werden. Die Grundlage dafür ist die Verfügbarmachung und Aufbereitung von Daten im Unternehmen sowie die Weiterentwicklung von Verfahren der künstlichen Intelligenz. Dazu gehört die geeignete Abbildung des Wertschöpfungsnetzes und verfügbarer Datenquellen. Pilotprojekte mit Unternehmen zielen darauf ab, den Absatz, den Bedarf von Kund:innen und Partnern und die Lieferzeiten besser einschätzen und prognostizieren zu können, und so Wertschöpfungsbeziehungen zu optimieren.

Die Herausforderung besteht in der steigenden Komplexität von Wertschöpfungsnetzen

Unternehmen haben mit steigender Komplexität in ihren Wertschöpfungsnetzen zu kämpfen. Diese liegt begründet in der steigenden Anzahl globaler Partner und ihrer umfangreichen Wirkzusammenhänge, sowie einer größeren Anzahl an Produkten mit kürzeren Lebenszyklen. Gleichzeitig steigen die Unsicherheitsfaktoren der globalen Märkte. Dies spiegelt sich wider in Herausforderungen wie der Prognose von Absatz, Bedarfen im Wertschöpfungsnetz oder Lieferzeiten und resultierenden Effekten wie dem Bullwhip-Effekt oder dem Teiletourismus. Gleichzeitig erzeugen digitalisierte Prozesse in vernetzten IT-Systemen große Datenmengen, die Grundlage für eine Analyse und Optimierung mittels Verfahren der Künstlichen Intelligenz (KI) sind. Es bedarf der strukturierten Aufbereitung verfügbarer Daten im Unternehmen sowie der Aufbereitung und Weiterentwicklung von KI-Verfahren. Der erfolgreiche Einsatz von Künstlicher Intelligenz für die Optimierung von Wertschöpfungsnetzen lässt sich in drei Handlungsfelder gliedern. HF1 Spezifikation der Wirkzusammenhänge: Im Rahmen von SCM und Logistik sind die logistischen Wirkzusammenhänge in einem Wertschöpfungsnetz umfassend zu spezifizieren. HF2 Spezifikation und Erweiterung der IT-Infrastruktur: Im Rahmen der Digitalisierung und Industrie 4.0 ist eine Spezifikation von IT-Systemen notwendig. Sie stellen als digitales Backbone die Verknüpfung zwischen physischer Welt und virtueller Abbildung dar. Dies ist essentiell für das Verständnis der existierenden Datengrundlage und ihrer Erweiterung. HF3 Auswahl und Entwicklung von KI Methoden: Aus den Bereichen Simulation, KI und Operations Research ergeben sich Potentiale für die Analyse und Optimierung von Wertschöpfungsnetzen. Hierzu müssen berechenbare Modelle aufgestellt sowie Verfahren weiterentwickelt werden.

Spezifikationstechnik für Wertschöpfungsnetze zur Analyse und Optimierung mit KI-Verfahren

Als vordergründiges Ziel des Projekts ergibt sich daraus die Analyse von typischen Effekten in Wertschöpfungsnetzen sowie die automatisierte Analyse und Optimierung mit KI-Verfahren. Dies geschieht auf Basis einer domänenübergreifenden Spezifikation von Wirkzusammenhängen in Wertschöpfungsnetzen. Die Beschreibung betrifft dabei einerseits das Wertschöpfungsnetz in Form seiner Elemente, der Beziehungen untereinander sowie Beziehungen zu externen Elementen. Andererseits wird auch die rechentechnische Abbildung des Wertschöpfungsnetzwerkes in Form zugrundeliegender IT-Systeme, Datenquellen, ihrer Eigenschaften und Beziehungen zueinander beschrieben. In ihrer Gesamtheit ermöglichen die beiden Partialmodelle eine Beschreibung des Wertschöpfungsnetzes im Sinne eines digitalen Zwillings. Die Spezifikationstechnik umfasst sowohl semiformale Modelle zur einfachen domänenübergreifenden Beschreibung und schnellen Aufnahme von Expertenwissen, als auch formale Modelle als Grundlage für die Analyse mit maschinellen Lernverfahren oder die Berechnung innerhalb von Simulationen. Dies ermöglicht die Berücksichtigung von Expertenwissen sowie von Wissen, das aus Daten abgeleitet wird. Die Spezifikationstechnik ist Grundlage für die Weiterentwicklung von Verfahren zur automatisierten Analyse und Optimierung von Wertschöpfungsnetzen. Dies umfasst datengetriebene Verfahren aus der KI, dem maschinellen Lernen und der Simulation, wobei die Integration von Experten und Domänenwissen in datengetriebene Verfahren für den Erfolg notwendig ist. Das Ziel für Pilotpartner im Rahmen des Projekts ist die Lösung von Problemstellungen im Rahmen des Wertschöpfungsnetzwerkes durch den Einsatz von KI-Verfahren. Dies wird im Wesentlichen durch die Erhöhung der Transparenz der Vorgänge und Effekte ermöglicht, die Basis für die Prognose von Bedarfen, Absätzen und Lieferzeiten ist.

Aus der Darstellung wird deutlich, dass im Vorhaben notwendige Teilschritte bzgl. der Umsetzung vollständig autonomer Systeme umgesetzt werden. Dies bildet einen notwendigen Schritt auf dem Weg zum Einsatz Intelligenter Technischer Systeme. Ziel sind Lösungen in der Supply Chain basierend auf dem Einsatz von KI-Verfahren. Auf diese Weise sollen die ohnehin zahlreich vorhandenen Daten veredelt werden. Ferner sollen Unternehmen für den Einsatz von KI-Verfahren zur Analyse und Optimierung der Wertschöpfungsprozesse befähigt werden. Dabei wird KI als Werkzeug verstanden, um komplexe, datenbasierte Planungsaufgaben in der Logistik zu lösen. Hier bedient sich das Projekt existierender ML-Verfahren und Big-Data-Ansätze, die auf die Anwendungsdomäne angepasst und/oder zielgerichtet weiterentwickelt werden. Übergeordnetes Ziel ist nicht die Integration von Intelligenz als Selbstzweck, sondern die Lösung realer Herausforderungen in der Praxis (z.B. Erhöhung der Transparenz der Vorgänge und Effekte im Wertschöpfungsprozess). Insgesamt leistet das Projekt einen signifikanten Beitrag zum Ausbau der Spitzenposition des Cluster it´s OWL auf dem Gebiet der intelligenten technischen Systeme und zum Ausbau der Innovationsführerschaft.