JR-Center for Prädiktive Analytik und Datengetriebene Intelligenz in Wertschöpfungsnetzwerken

Dieses JR-Zentrum nutzt die Möglichkeiten der Daten-gestützten, prädiktiven Analytik von Wertschöpfungsnetzwerken und reduziert so die Komplexität der Entscheidungsfindung im Lieferkettenmanagement.

Wertschöpfungsnetzwerke (WN) sind in der heutigen Zeit von enormer Unsicherheit geprägt. Diese wird durch volatile Kundenbedürfnisse, kürzere Produkt- und Technologielebenszyklen, Lieferantenausfälle und komplexe Netzwerkstrukturen verursacht und durch Globalisierung, Digitalisierung, Disruptionen wie COVID-19, Materialengpässe oder die gestiegene Bedeutung von Nachhaltigkeit weiter verschärft. Durch den Einsatz prädiktiver Analytik (PA) können Unsicherheiten mithilfe von Daten-basierten Entscheidungen gezielt reduziert werden. Eine solche „prädiktive Intelligenz“ gewinnt durch die rasch wachsende Datenmenge in komplexen und global vernetzten WN zusätzlich an Relevanz.

Ziel dieses JR-Zentrums ist es, prädiktive Intelligenz zur Reduktion von Unsicherheit in WN zu nutzen und daraus ein intelligentes Entscheidungsunterstützungssystem (intelligent decision support system, IDSS) zu entwickeln. WN sind definiert als Netzwerke unabhängiger Unternehmen, die in Beziehungen stehen, um Kundenbedarf optimal zu erfüllen. „Optimal“ bedeutet im Zusammenhang mit Lieferkettenmanagement (supply chain management; SCM) eine möglichst effiziente Bedarfserfüllung mit geringen Lagerbeständen und minimalen operativen Kosten. PA ermöglicht hier im Zusammenspiel mit Machine Learning (ML) und künstlicher Intelligenz (KI), große Datenmengen zu analysieren und Muster in selbigen zu erkennen. Mithilfe dieser Muster können die Eintrittswahrscheinlichkeit und die Auswirkung unsicherer Ereignisse vorhergesagt werden.

In vielen Unternehmen fehlen die dafür benötigten technischen und organisatorischen Fähigkeiten. Dieses JR-Zentrum verfolgt das Ziel, PA-basierte Entscheidungsunterstützung mit entsprechenden Schnittstellen zu bestehenden Systemen in den Unternehmen zu implementieren. Dieser Ansatz ermöglicht es Unternehmen, i) die richtigen Fragestellungen an die Datensätze zu definieren, ii) die zur Beantwortung dieser Fragestellungen notwendigen Datensätze zu identifizieren, iii) leistungsfähige PA-Algorithmen auszuwählen und iv) prädiktive Intelligenz in Form von IDSS-Lösungen im SCM zu implementieren. Diese Lösungen sollen den Bedürfnissen, Zielen, Strukturen, der Kultur und der IT-Landschaft der jeweiligen Unternehmen entsprechen.

Durch die Nutzung von PA verändert dieses JR-Zentrum das klassische SCM von reaktiven Maßnahmen hin zu proaktiven, prädiktiven Entscheidungen. Dadurch wird die Entscheidungsfindung im SCM auf valide Informationsgrundlagen gestellt und Unternehmen können sich auf drohende, unsichere Ereignisse einstellen und entsprechend proagieren.