Keine KI-Panik auf der KI-Tanik?!
Vor einigen Jahren hörte ich bei einem Vortrag eines niederländischen Geschäftsführers zum ersten Mal von der „1-Meter-Regel“. Vielleicht erinnern Sie sich, dass ich darüber auch schon mal an dieser Stelle geschrieben habe. Sinngemäß besagte diese Regel, dass jemand, der sich innerhalb eines Meters von einem Problem befindet, vermutlich auch eine sinnvolle Idee haben sollte, wie man es lösen könnte. Mich überzeugt dieser Gedanke nach wie vor. Bei den aktuellen Diskussionen über KI-Agenten frage ich mich allerdings, ob wir nicht manchmal genau den umgekehrten Zusammenhang erleben: Je weiter jemand vom Problem entfernt ist, desto einfacher erscheint ihm die Lösung…
Dabei kommt mir das Bild der Titanic in den Sinn. Stellen Sie sich die Damen und Herren auf den höheren Decks vor, die sich noch in Sicherheit wiegen, während weiter unten bereits Wasser eindringt. Oben vertraut man auf die moderne Technik. Unten hätte man gerne einfach nur eine funktionierende Pumpe.
Nun handelt es sich bei den Unternehmen, die wir beraten, glücklicherweise nicht um sinkende Ozeanriesen. Aber fragen Sie einmal Ihre Geschäftsführung, ob Ihre Firma bereit ist für KI-Agenten. Und stellen Sie anschließend dieselbe Frage den Menschen, die täglich disponieren, Produktionspläne korrigieren und fehlendem Material hinterhertelefonieren. Ich vermute, dass die Antworten längst nicht immer deckungsgleich sind.
Oben träumt man von automatischen Agenten, die selbstständig Bestellungen auslösen, Engpässe auflösen und Produktionspläne optimieren. Unten kennt man die ungelösten Zielkonflikte zwischen den Abteilungen, die Bestände die nicht stimmen, und die Lieferzeiten, die eher historischen Erinnerungswert haben.
Meine Einschätzung ist deshalb ziemlich deutlich: Die meisten Unternehmen sind noch längst nicht bereit, KI-Agenten eigenständig operative Entscheidungen treffen zu lassen. Zwei wesentliche Hausaufgaben sind oftmals schlichtweg nicht erledigt.
Die erste ist die Definition klarer Business-Regeln. Wer bekommt die Ware, wenn sie nicht für alle reicht? Welcher Auftrag erhält die letzte verfügbare Komponente? Was hat bei einer überlasteten Anlage Vorrang: Liefertermintreue, Deckungsbeitrag oder möglichst wenig Rüstaufwand?
Natürlich werden diese Fragen heute auch beantwortet. Allerdings häufig erst dann, wenn der Engpass bereits da ist. Und manchmal entscheidet eben der Kunde, der zuletzt beim Geschäftsführer angerufen hat (oder Golf mit ihm spielt), indirekt über die Reihenfolge der Produktion. Das ist auch eine Entscheidungslogik. Ob man sie automatisieren möchte, sollte man sich allerdings gut überlegen…
Die zweite Hausaufgabe ist die Datenqualität. Denn selbst die beste Entscheidungslogik hilft wenig, wenn sie auf falschen Informationen basiert. Ein erfahrener Disponent weiß vielleicht, dass ein bestimmter Lieferant grundsätzlich später liefert als versprochen. Er weiß auch, bei welchen Beständen ein Anruf im Lager sinnvoll ist. Der KI-Agent müsste dieses Wissen ebenfalls zuverlässig berücksichtigen können. Er bekommt aber zunächst einmal die Daten, die wir ihm zur Verfügung stellen. Und eine falsche Zahl wird nicht dadurch richtig, dass eine künstliche Intelligenz sie verarbeitet. Sie wird im Zweifel nur schneller zur Grundlage einer falschen Entscheidung.
Bevor Sie jetzt vermuten, dass ich gegen KI-Agenten bin: Ganz im Gegenteil! Aber wer mittelfristig Verantwortung an sie übertragen möchte, muss heute seine Business-Regeln festlegen, die Datenqualität grundlegend verbessern und klären, wann ein Mensch entscheiden muss. Diese Arbeit nimmt uns die Begeisterung für die neue Technik nicht ab.
Bei Abels & Kemmner haben wir sehr gute Erfahrungen damit gemacht, verbindliche Business-Regeln zu erarbeiten und diese in Regelwerken abzubilden sowie die Datenqualität über automatisierte Regelwerke systematisch zu verbessern. Das klingt sicherlich weniger spannend als ein autonomer KI-Agent. Aber genau damit erledigt man die unerlässlichen Hausaufgaben. Und man schafft bereits heute Verbesserungen, die im Tagesgeschäft helfen.
Für mich ist das der sinnvolle Weg, um ein Unternehmen schrittweise an den Einsatz von KI-Agenten heranzuführen. Die Organisation wächst gewissermaßen in diese Arbeitsweise hinein: Entscheidungsregeln werden nachvollziehbar, Daten verlässlicher und automatisierte Abläufe zur gelebten Praxis. Auf dieser Grundlage können KI-Agenten dann nach und nach viele Entscheidungen sinnvoll übernehmen. Man muss ja nicht gleich das ganze Schiff auf Autopilot umstellen…
Mein Vorschlag wäre deshalb, vor dem nächsten KI-Projekt einmal die „1-Meter-Regel“ anzuwenden. Gehen Sie unter Deck und fragen Sie die Menschen, die Ihre Prozesse heute trotz aller Unzulänglichkeiten am Laufen halten, was einer automatisierten Entscheidung noch im Weg steht. Die Antworten sind vermutlich weniger beeindruckend als die nächste KI-Präsentation. Dafür zeigen sie Ihnen, wo Sie anfangen müssen und sorgen sie dafür, dass Ihr KI-Projekt nicht zur KI-Tanic wird.
FAQ – Häufig gestellte Fragen
Welche Voraussetzungen brauchen KI-Agenten im Supply Chain Management?
Damit KI-Agenten operative Entscheidungen in der Supply Chain übernehmen können, benötigen Unternehmen verlässliche Daten, klare Business-Regeln und definierte Verantwortlichkeiten. In Materialdisposition, Produktionsplanung und Bestandsmanagement muss beispielsweise feststehen, wie Zielkonflikte behandelt werden und wann ein Mensch entscheidet. Abels & Kemmner unterstützt Unternehmen dabei, diese Grundlagen für die schrittweise Automatisierung ihrer Planungs- und Steuerungsprozesse zu schaffen.
Warum sind Business-Regeln für die KI-gestützte Disposition wichtig?
Business-Regeln legen fest, nach welchen Kriterien Entscheidungen getroffen werden. Sie bestimmen beispielsweise, welcher Auftrag bei Materialknappheit Vorrang erhält oder wie Liefertermintreue, Deckungsbeitrag und Rüstaufwand gegeneinander abgewogen werden. Für eine KI-gestützte Materialdisposition müssen diese Regeln eindeutig und abgestimmt sein. Verbindliche Regelwerke machen Entscheidungen nachvollziehbar und schaffen eine Grundlage für die Automatisierung der Supply-Chain-Planung.
Welche Rolle spielt die Datenqualität beim Einsatz von KI-Agenten?
KI-Agenten können nur dann belastbare Entscheidungen treffen, wenn die zugrunde liegenden Informationen zuverlässig sind. Fehlerhafte Bestände oder unrealistische Lieferzeiten können zu ungeeigneten Bestellvorschlägen und Produktionsplänen führen. Deshalb gehört die Verbesserung der Datenqualität zu den zentralen Voraussetzungen für KI im Supply Chain Management. Automatisierte Regelwerke können helfen, Auffälligkeiten systematisch zu erkennen und die Datenqualität dauerhaft zu verbessern.
Können KI-Agenten die Materialdisposition vollständig übernehmen?
Wie weit sich die Materialdisposition automatisieren lässt, hängt von der Datenqualität, den Entscheidungsregeln und den jeweiligen Ausnahmesituationen ab. Ein sinnvoller Einstieg besteht darin, klar abgegrenzte Entscheidungen schrittweise zu automatisieren. Für ungelöste Zielkonflikte oder unzureichende Informationen braucht es definierte Grenzen und menschliche Entscheidungen. So lässt sich Verantwortung kontrolliert übertragen, während das Unternehmen Erfahrungen mit automatisierten Abläufen sammelt.
Wie sollten Unternehmen ein KI-Projekt in der Supply Chain vorbereiten?
Der Einstieg sollte bei den tatsächlichen Problemen in Disposition und Produktionsplanung beginnen. Mitarbeitende aus dem Tagesgeschäft können zeigen, welche Informationen fehlen und welche Entscheidungen bisher Erfahrungswissen erfordern. Anschließend sollten Unternehmen ihre Business-Regeln abstimmen, die Datenqualität verbessern und festlegen, wann menschliche Freigaben erforderlich sind. Diese Vorbereitung schafft die Grundlage für eine praxistaugliche Supply-Chain-Automatisierung mit KI-Agenten.
Wie unterstützt Abels & Kemmner bei der Vorbereitung auf KI-Agenten?
Abels & Kemmner verbindet Supply-Chain-Beratung mit der systematischen Gestaltung von Planungs- und Dispositionsprozessen. A&K unterstützt Unternehmen dabei, verbindliche Business-Regeln zu erarbeiten, in Regelwerken abzubilden und die Datenqualität durch automatisierte Regeln zu verbessern. Dadurch entstehen bereits im Tagesgeschäft nachvollziehbare Entscheidungen und verlässlichere Abläufe. Gleichzeitig schafft das Unternehmen die Voraussetzungen, um KI-Agenten schrittweise in seine Supply-Chain-Prozesse einzubinden.
