Big Data in der Logistik

Logistikunternehmen sollten auf Big Data setzen

| Autor / Redakteur: Prof. Dr.-Ing. Dieter Uckelmann, Nicolas Gimber, Thomas Krug / Nico Litzel

Nicolas Gimber und Thomas Krug haben im Zuge ihres Masterstudiums „Umweltorientierte Logistik“ an der Hochschule für Technik in Stuttgart unter Betreuung von Prof. Dr.-Ing. Dieter Uckelmann einen Fachbeitrag zum Thema „Big Data in der Logistik“ verfasst.
Nicolas Gimber und Thomas Krug haben im Zuge ihres Masterstudiums „Umweltorientierte Logistik“ an der Hochschule für Technik in Stuttgart unter Betreuung von Prof. Dr.-Ing. Dieter Uckelmann einen Fachbeitrag zum Thema „Big Data in der Logistik“ verfasst. (Bild: © j-mel - stock.adobe.com)

Die zunehmende Digitalisierung und die steigende Vernetzung der Industrie führt aktuell in allen Bereichen der Supply Chain und der Produktion zu einem Paradigmenwechsel. Um aus den gesammelten Informationen einen wirtschaftlichen Nutzen oder gar einen Wettbewerbsvorteil generieren zu können, müssen die Daten mithilfe von geeigneten Analysemethoden ausgewertet werden. Dieser Artikel betrachtet den Status Quo von Big Data in deutschen Unternehmen und zeigt einige Anwendungspotenziale von Big Data innerhalb der Supply Chain auf.

Eine Studie des Beratungsunternehmens PwC aus dem Jahr 2015 kam zum dem Ergebnis, dass nur 30 Prozent der Logistikunternehmen Big-Data-Lösungen nutzen. Sie verwenden Informationen lediglich zur Sammlung und Speicherung von Daten und zur Erstellung von Reports. Sobald es zu komplexen Analysen der Daten kommt, geht die Nutzungsintensität zurück.

Gründe, warum Unternehmen – insbesondere kleine bis mittelständische Unternehmen – keine Big-Data-Lösungen nutzen, gibt es viele. Wie eine Studie von KPMG berichtet, sehen 53 Prozent der befragten Unternehmen sich bei der Nutzung von Datenanalysen mit unzureichenden Finanzmitteln und fehlenden personellen Ressourcen konfrontiert. Außerdem verfügt längst nicht jedes Unternehmen über die nötigen Kenntnisse, um die bestehenden Analysemöglichkeiten zu nutzen. Des Weiteren fehlt es bei 35 Prozent der Unternehmen an klar definierten internen Prozessen, um Datenanalysen umzusetzen. 30 Prozent der Unternehmen haben besonders Zweifel am fachlichen Know-how im Unternehmen, um Big-Data-Projekte zu realisieren.

Grund für das zögerliche Verhalten von deutschen Unternehmen in Sachen Big Data ist das geringe Vertrauen in Datenanalysen. Hierbei geben 60 Prozent der Unternehmen an, dass sie kein Vertrauen in die Fähigkeit und Kenntnisse der Datenanalyse haben. Innerhalb der Logistikbranche haben lediglich 38 Prozent kein Vertrauen in Big-Data-Lösungen.

Zusammenfassend kann gesagt werden, dass die fehlende bzw. zurückhaltende Investitionsbereitschaft in IT, Weiterbildungen und externes Fachwissen auf das geringe Vertrauen in Big Data von deutschen Unternehmen zurückzuführen ist.

Anwendungspotenziale von Big Data in der Logistik

Die Datenanalysen von internen und externen Daten lassen die Transparenz innerhalb der Supply Chain immer weiter steigen. In Kombination mit einer schnellen Analyse, möglichst in Echtzeit, können vor allem Logistikdienstleister ihre Prozesse äußerst dynamisch gestalten und managen. Besonders in den Bereichen der Routen- und Laderaumoptimierung hat Big Data Analytics eine hohe Relevanz, denn durch kürzere bzw. schnellere Strecken und höhere Auslastungen können die Transportkosten deutlich gesenkt werden. In Abbildung 1 werden einige Anwendungspotenziale von Big Data für ausgewählte Bereiche einer Supply Chain eines produzierenden Unternehmens aufgezeigt. Hierbei wurden außerdem Verbesserungspotenziale für die unterschiedlichen Bereiche in der Logistik benannt.

Abbildung 1: Anwendungspotenziale von Big Data in der Supply Chain
Abbildung 1: Anwendungspotenziale von Big Data in der Supply Chain (Bild: Prof. Dr.-Ing. Dieter Uckelmann, Nicolas Gimber, Thomas Krug)

Bedarfsplanung

Gleich zu Beginn der Wertschöpfungskette kann eine präzisere Bedarfsmengenplanung durch eine verbesserte Absatzvorhersage aus dem Vertrieb geschaffen werden. Diese Vorhersage lässt sich mit Hilfe von Big Data Analytics bestimmen.

Risikomanagement

Innerhalb der Supply Chain können mithilfe von Big-Data-Lösungen natürliche Risiken, wie zum Beispiel Unwetter, in der Logistikplanung berücksichtigt werden. Außerdem können politische und gesellschaftliche Schwankungen erfasst und somit frühzeitig strategische und operative Maßnahmen ergriffen werden. Beispielsweise können Prognosen zu politischen Lagen in jeweiligen Ländern erstellt werden, damit Lieferausfälle /-engpässe verhindert werden können.

Transportmanagement

Mittels Verkehrs-, Wetter- und Telematikdaten können Vorhersagen über voraussichtliche Ankunftszeiten eines Lkw gemacht werden. Mit dem Wissen über die Anlieferungszeiten lässt sich die Entladereihenfolge auch noch kurzfristig durch eine Big-Data-Lösung effizient festlegen. Dieses Vorgehen vermeidet lange Wartezeiten der Fahrer vor Ort, senkt somit die Personalkosten eines Transports und ermöglicht eine sichere JIT-Belieferung.

Mitarbeiter- und Ressourcenplanung

Durch Big Data kann eine bessere Ressourcenplanung bei der Entladung/Beladung stattfinden. Ein weiterer Ansatzpunkt von Big Data ist die Verbesserung der Mitarbeiter- und Ressourcenplanung. Hierbei können Auslastungen der einzelnen Produktions-/ Prozessschritte besser analysiert werden, damit keine Überlastung bei den einzelnen Produktionsschritten stattfindet. Des Weiteren können mithilfe von Modellen Instandhaltungsmaßnahmen von Maschinen vorhergesagt und dadurch besser geplant werden.

Serialisierung

Serialisierung bedeutet die Erweiterung der Produkt- und Teilenummern um eine Seriennummer zur eindeutigen Identifikation auf Artikelebene. Es werden alle Komponenten eines Produktes mit einer eindeutigen Identifikationsnummer versehen, damit später die komplette Rückverfolgbarkeit des Produktes gewährleistet werden kann. In den Produktionsschritten werden die Komponenten durch Barcodes, 2D-Codes oder RFID-Tags identifiziert, sodass während der Produktion des Produktes eine Vielzahl an Daten entstehen. Da die bestehenden IT-Systeme in den Unternehmen diese Datenflut nicht verarbeiten können, benötigen Unternehmen Big-Data-Lösungen, um die hohe Datenmenge zu erfassen, speichern und Analysen der Daten durchzuführen.

Lagermanagement

Die steigende Transparenz in der Lieferkette ermöglicht eine Senkung der Sicherheits- und Lagerbestände, sowohl bei den Lieferanten, als auch beim Produzenten. Durch Verknüpfung von RFID- und Positionsdaten können über- und unterlastete Lagerbereiche in einer Lagerhalle identifiziert und mithilfe von Simulationen effizienter gestaltet werden. Ein weiterer positiver Aspekt der gestiegenen Transparenz ist die Verringerung des Risikos einer Out-of-Stock-Situation.

Absatzplanung

Durch den unternehmensübergreifenden Datenaustausch und die Verwendung von prädiktiven bzw. präskriptiven Analysen können präzisere Absatzzahlen auf den jeweiligen Märkten bestimmt werden. Das führt zu einer besseren Planbarkeit von Bedarfsmengen und strategischen und operativen Entscheidungen durch die Unternehmensführung.

Neue Datenquellen

Darüber hinaus kann durch die Analyse von Kundendaten wie Social Media zukünftige Markttrends und Marktentwicklungen prognostiziert werden. In Bezug auf die Kunden können Unternehmen außerdem präziser auf die Kundenbedürfnisse durch die Nutzung ihrer Daten eingehen.

Versand

Im Versand des Unternehmens kann der Status Quo der Transporte zum Kunden überprüft werden. Dabei können die Daten, die durch RFID- und Positionsdaten generiert werden, zusammengefasst und für den jeweiligen Mitarbeiter bereitgestellt werden. Damit ist der aktuelle Aufenthaltsort der Ware innerhalb der Supply Chain transparent. Außerdem können anhand von Big Data die Auslastung der Lkw definiert werden, um die Kapazität der Lkw maximal zu nutzen.

Strategische Entscheidungen

In Bezug auf die Standort- und Distributionsplanung geben Prognosen und umfangreiche Reports Entscheidungsempfehlungen, um den bestmöglichen ökonomischen Standort für das Unternehmen auszuwählen. Außerdem unterstützt Big Data Analytics die Unternehmensführung bei der Entscheidungsfindung für die Erreichung von operativen und strategischen Zielen.

Cloudspeicher

Generell können alle Daten innerhalb der Supply Chain in einer Cloud gespeichert und darin die einzelnen Analysen durchgeführt werden. Dadurch entsteht eine höhere Transparenz und bessere Datenqualität entlang der gesamten Supply Chain für alle Beteiligten.

Green Logistics

Neben Kostenvorteilen haben Verbesserungen der Effizienz und die Optimierung von Logistikprozessen durch Big Data Analytics oftmals positive Umweltauswirkungen durch geringeren Ressourcen- und Energieverbrauch. Dieses Thema spielt in der Logistik durch den zunehmenden politischen Druck eine immer größere Rolle.

Fazit und Ausblick

Zusammenfassend lässt sich sagen, dass die Digitalisierung und Vernetzung zukünftig eine entscheidende Rolle für Unternehmen und insbesondere für Logistikdienstleister spielt. Da das Datenaufkommen aufgrund von neuen Technologien wie RFID zukünftig weiter steigen wird, ist es essenziell für Logistikanbieter, Big Data Analytics einzusetzen. Hierfür benötigen die Unternehmen neuere und effizientere IT-Systeme, welche die Datenflut schnell verarbeiten und für Analysen bereitstellen können. Für präzisere und umfassendere Analysen ist außerdem ein unternehmensübergreifender Datenaustausch notwendig, um eine hohe Datenqualität gewährleisten zu können.

Damit Unternehmen weiterhin wettbewerbsfähig bleiben, sollten sie trotz der Unsicherheit in Bezug auf Big Data schon heute ihre Prozesse bzw. IT-Struktur auf Big-Data-Lösungen ausrichten. Wie in Abbildung 1 zu sehen ist, bietet Big Data Analytics eine Vielzahl an Anwendungspotenzialen in der Logistik. Zukünftig wird Big Data Analytics ein fester Bestandteil in vielen Unternehmen sein. Insbesondere in der Logistik bieten die Analysen in den nächsten Jahren ein enormes Potenzial aufgrund der wachsenden Automatisierung und dem ständigen Druck der Kostensenkung.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 45378520 / Industrie 4.0)