Künstliche Intelligenz – eine Welt jenseits unserer Vorstellungskraft

Wo unterscheiden sich traditionelle IT-Systeme und modernste KI?

Herkömmliche IT-Systeme sind regelbasiert und entsprechen statischen Nachrichten. Das heißt, wir definieren Funktionen und Entscheidungsbäume, die dann von Maschinen umgesetzt werden. Die Unternehmen von heute wollen jedoch mehr. Sie benötigen eine hochflexible und maßgeschneiderte IT-Unterstützung für eine Vielzahl von Auftragsarten und -strukturen, die über mehrere Vertriebskanäle eingehen. Beispielsweise müssen Systeme gleichzeitig die Lieferung an stationäre Geschäfte und das E-Commerce-Fulfillment unterstützen. Ein erster Schritt besteht darin, Algorithmen einzusetzen, die das Fulfillment optimieren. Diese hat SSI SCHÄFER für den Kunden Desigual eingesetzt, wodurch wir die Auftragsverwaltungsprozesse kontinuierlich anpassen und verbessern und die Kosteneffizienz der Kommissionierung verbessern können. Die Art und Weise, wie Logik derzeit in IT-Systemen modelliert wird, schränkt jedoch das ein, was wir derzeit tun können.

Bei SSI SCHÄFER hält uns unsere Innovationskultur am Vorwärtsdenken und KI ist unsere nächste große Mission. Wir wollen intralogistische Prozesse schaffen, die sich an die sich ändernden Bedürfnisse der Kunden anpassen können – autonom und dynamisch. Wir wollen IT-Systeme, die „aufgeschlossen“ sind und in der Lage sind, Muster zu erkennen und zu analysieren; zum Beispiel im Ordnungsverhalten, in Situationen, in denen Menschen mit unserem Fokus auf kausale Zusammenhänge nicht verarbeiten können. Dieser Paradigmenwechsel wird es uns ermöglichen, Prozesse agiler und situationssensitiver zu gestalten. Dadurch können wir beispielsweise Kundenbestellungen vorhersehen, bevor diese aufgegeben werden, und früher kommissionieren und mit dem Versand beginnen. Wir wollen das Kundenwissen nutzen, das in unseren Daten steckt.

Was ist Künstliche Intelligenz? Was ist Intelligenz? Wann wird ein System zur KI?

KI ist der Versuch, Computersystemen die Fähigkeit zu geben, bis zu einem gewissen Grad selbst zu denken. Allerdings können sich auch die Experten nicht wirklich auf eine genaue Definition von Intelligenz einigen. Ein Beispiel sind neuronale Netze. Dabei handelt es sich um ein IT-Modell kognitiver Strukturen mit dem Ziel, einen allgemein unbekannten funktionalen Zusammenhang zwischen Eingabedaten und Ergebnissen zu approximieren. Diese Systeme analysieren mögliche Zusammenhänge und nutzen die ihnen zur Verfügung stehenden Daten auf eine Weise, die Menschen mit Vorurteilen und Vorurteilen nicht möglich ist. Oder anders ausgedrückt: Menschen denken in Begriffen von spezifischen Problemen. Maschinen suchen nach Zusammenhängen und geben uns Antworten auf Fragen, die wir uns vielleicht nie gestellt haben.

Wie wird die Zukunft aussehen?

KI-Systeme, die für entsprechende intralogistische Aufgaben trainiert wurden, können menschliche Arbeiter in Lagern unterstützen. KI-Systeme geben Empfehlungen und verbessern die Prozesseffizienz durch intelligente Prognosen. Prescriptive Maintenance ermöglicht beispielsweise eine frühzeitige Vorhersage der verbleibenden Lebensdauer einer Maschine. Mögliche Störungen werden im Vorfeld diagnostiziert und präventive Wartungen mit Unterstützung proaktiver intralogistischer Prozesse durchgeführt. Mit anderen Worten, die Ausfallzeiten der Maschinen werden minimiert. Prescriptive Maintenance kombiniert die Intelligenz von Hard- und Software.

Der Begriff KI ist nicht neu, gewinnt aber an Relevanz. Warum wird dieses Thema immer häufiger im Gespräch?

In den 1990er Jahren hatten wir einfach nicht die Datenmenge oder die Rechenleistung für ausgefeilte maschinelle Lernverfahren, die unsere Imperative erforderten. Die heutige Hardware und leistungsfähige Chips machen es möglich. Die Big-Data-Technologie versetzt uns in die komfortable Lage, Systeme mit künstlichem Wissen zu versorgen und kontinuierliches Lernen zu ermöglichen. Deep Learning, also eine Art des maschinellen Lernens auf Basis hierarchischer neuronaler Netze, hat sich inzwischen bewährt und ist praktikabel. Letztendlich haben wir flexiblere, verbesserte Fähigkeiten. Wir können über die Theorie hinausgehen und diese Technologien in unserer täglichen Arbeit einsetzen. Die Dinge entwickeln sich ständig weiter und werden besser, was unsere KI-Möglichkeiten erheblich erweitert.

Welche Auswirkungen hat das auf Intralogistiklösungen von SSI SCHÄFER? Welche Rolle spielt KI in Ihrem eigenen Team?

Wir haben gesehen, wie sich unsere IT- und Softwarekompetenzen bei SSI SCHÄFER IT Solutions entwickelt haben, um neue KI-Möglichkeiten zu eröffnen. SSI SCHÄFER wird KI-Systeme bald in Kundenprojekten einsetzen können – zumindest was historische Daten betrifft. Dies wird in Zukunft dazu führen, dass wir weniger Programmierarbeit leisten und uns mehr auf Schulungssysteme konzentrieren, mit dem Ziel eines größeren Projekterfolgs. Gleichzeitig müssen wir die Kontrolle über das System behalten. Wie weit gehen wir? Wir werden Fallback-Strategien benötigen, die es uns ermöglichen, auf unvorhergesehene Änderungen auf Kundenseite zu reagieren. Nur so kann sichergestellt werden, dass das Lager des Kunden immer einsatzbereit ist. Letztendlich wollen wir eine Lösung implementieren, bei der die einzige Einschränkung die physische Intralogistik-Ausstattung selbst ist.

Flexibilität ist das zentrale Merkmal des Software-Supports und ermöglicht eine bessere Reaktionsfähigkeit auf Kundenbedürfnisse. Um jedoch ein erfolgreiches KI-Projekt zu erreichen, ist die Kommunikation zwischen Data Science, Simulationsexperten und den Personen, die tatsächlich für die Implementierung verantwortlich sind, erforderlich