KI in der Logistik: Handlungsoptionen bei Lieferengpässen

Ein Bauteil fehlt, mehrere Pläne sind betroffen

Das folgende Szenario ist eine Illustration, kein Kundenbericht: Ein Werk montiert Haushaltsgeräte. Ein Zulieferer kündigt eine Verspätung an, während im Außenlager geeignete Bauteile liegen. Gleichzeitig sind Wareneingang und Montage bereits verplant. Die Disposition muss entscheiden, ob sie Material umverteilt, einen zusätzlichen Transport beauftragt oder die Reihenfolge der Aufträge ändert.

Ein Dashboard könnte Bestände und betroffene Aufträge anzeigen; ein Prognosemodell die erwartete Ankunft aktualisieren. Für eine Handlungsentscheidung fehlen noch die Abhängigkeiten: Welche Ware ist freigegeben und reserviert? Wann ist eine Rampe verfügbar? Welche Folgeaufträge würden verschoben? Erst diese Verbindung macht deutlich, ob ein vermeintlich schneller Ausweg tatsächlich umsetzbar ist.

Zuerst die Ausführbarkeit prüfen

Google OR-Tools zeigt Transportplanung mit Zeitfenstern sowie Produktionsplanung mit Reihenfolge- und Maschinenbedingungen. Diese Beispiele machen greifbar, wie betriebliche Grenzen als prüfbare Bedingungen in ein Planungsmodell eingehen.

Für unsere Werksversorgung wären etwa Materialfreigabe, Fahrzeugkapazität und belegte Rampenzeiten zu erfassen. Hinzu kommen Wechselwirkungen: Eine frühere Anlieferung hilft wenig, wenn die Qualitätsprüfung erst später möglich ist. Manche Grenzen sind unverhandelbar, andere bilden eine Präferenz ab. Die Disposition sollte deshalb festlegen, welche bereits bestätigten Pläne möglichst stabil bleiben müssen und welche Änderung sie zulassen kann. Ein Sprachmodell könnte Liefermeldungen strukturieren und Rückfragen vorbereiten. Ob der daraus entstehende Ablauf die modellierten Bedingungen erfüllt, sollte eine dafür vorgesehene Berechnung prüfen.

Quellen: Google OR-Tools: Vehicle Routing with Time WindowsGoogle OR-Tools: The Job Shop Problem

Drei illustrative Optionen vergleichen

Ein hilfreicher Vergleich legt für alle Optionen dieselben Annahmen offen: verwendbarer Bestand, belastbare Ankunftsinformationen und verfügbare Kapazität. Die folgenden Abwägungen sind qualitativ; sie enthalten keine berechneten Einsparungen oder gemessenen Auswirkungen. Jede Option braucht vor der Ausführung einen benannten Verantwortlichen, der ihre Voraussetzungen mit den betroffenen Teams abstimmt und offene Punkte klärt.

• Option A: Bestand umlagernMaterial aus dem Außenlager könnte den Engpass überbrücken. Dafür entstehen interne Transporte, und die Reserve am abgebenden Standort sinkt.
• Option B: Sonderfahrt beauftragenEine zusätzliche Fahrt könnte den bisherigen Ablauf stützen. Sie verursacht weiteren Transportaufwand und hilft nur bei verfügbarer Ware und passendem Annahmefenster.
• Option C: Produktion umstellenEin anderer Auftrag könnte vorgezogen werden. Dadurch entfiele möglicherweise die Sonderfahrt, während Rüstaufwand und Auswirkungen auf spätere Lieferzusagen geprüft werden müssten.

Mit Vergleich und Freigabe in den Betrieb

Die OR-Tools-Dokumentation weist darauf hin, dass Routingverfahren bei anspruchsvollen Problemen gute Lösungen liefern können, ohne deren globale Optimalität nachzuweisen. Eine plausible Empfehlung sollte deshalb ihre Rechengrenzen erkennbar machen.

Im Pilot würde das Team Empfehlungen zunächst mit der bisherigen Disposition vergleichen. Erfasst werden Umsetzbarkeit, Terminabweichungen, zusätzlicher Aufwand und die Gründe für Ablehnungen. Die freigegebene Option wird vor Ausführung mit dem aktuellen Bestand abgeglichen. Ändert sich eine entscheidende Annahme, geht sie zurück in die Prüfung. NyxAI richtet kontrollierte Optimierung auf solche abgegrenzten Entscheidungssituationen aus. Souveräne KI bedeutet dabei auch, Datenzugriff, Betrieb und Handlungsrechte passend zur Organisation zu gestalten. Der tatsächliche Nutzen muss sich anschließend im konkreten Prozess zeigen.

Quellen: Google OR-Tools: Vehicle Routing