Logistik 4.0: Big Data gehört dazu

Wohin geht es in Digitalien? Folge 9: Logistik und Big Data

Bei der Digitalisierung von Automatisierung im Transportwesen – der sogenannten „Logistik 4.0″ – spielt neben KI und Blockchain auch Big Data eine tragende Rolle. In der vorliegenden Folge unserer Serie „Wohin geht es in Digitalien“ nehmen wir deshalb diesen Aspekt ganz gezielt unter die Lupe.

Aufmacherbild: Aufmacher: Gerd Altmann/Pixabay

Das Schlagwort Industrie 4.0 hat sich gut etabliert. Noch eher unbekannt ist aber der davon abgeleitete Begriff „Logistik 4.0“. Gemeint ist damit die Digitalisierung und Automatisierung von Geschäfts- und Logistikprozessen sowie die Vernetzung von Geräten und Unternehmen im Transportwesen. Das erklärte Ziel von Logistik 4.0 ist vor allem eine Steigerung der Effizienz und die Stabilisierung von weltweiten Lieferketten. Neben Künstlicher Intelligenz und Blockchain-Technologie ist Big Data Analytics die dritte tragende Säule für Logistik 4.0.

Big Data entscheidend für Logistik

Den Logistik-Unternehmen ist die Bedeutung von Big Data durchaus bewusst. Eine Studie des Council of Supply Chain Management Professionals zeigt, dass 93 % der Verlader und 98 % der „3PL-Unternehmen“ (Third Party Logistics Provider, firmeninterne Logistikdienstleister) glauben, dass Datenanalysen für intelligente Entscheidungen entscheidend sind. Fast 81 % der befragten Verlader und 86 % der 3PL-Unternehmen gaben an, dass die effektive Nutzung von Big Data und Data Science zu einer Kernkompetenz ihrer Supply-Chain-Organisationen werden wird. Darüber hinaus erwarten 71 % von ihnen, dass Big Data die Qualität und Leistung verbessert.

In die Analyse-Prozesse können die unterschiedlichsten Datenquellen einfließen: von klassischen Geschäfts- und Logistikzahlen über Wetter- und Verkehrsdaten, Fahrzeugdiagnosen und Standortinformationen bis hin zu gesamtwirtschaftlichen Entwicklungen. Im Gegensatz zu früheren Zeiten, bei denen Excel-Tabellen oft als schwer nutzbare Datenquelle fungierten, bringen Big Data Analytics mehr Geschwindigkeit und Effizienz in die Entscheidungsprozesse. Das bedeutet für Logistik-Unternehmen: sie können agil bleiben und schneller reagieren.

Praktischer Einsatz noch in den Anfängen

Doch im Gegensatz zur theoretischen Anerkennung ist der praktische Nutzungsgrad von Big Data Analytics noch stark ausbaufähig: Laut einer Studie der BVL nutzt derzeit nur ein Drittel der Logistik-Unternehmen die Technologie. Und wenn, dann wird Big Data Anlytics eher für die Optimierung des Bestandsgeschäftes eingesetzt als für die Entwicklung von neuen Produkten

Wenn Big-Data-Lösungen genutzt werden, dann vor allem im Lagermanagement.  Gerade Corona hat vielen Unternehmen klar gemacht, wie fragil im Grunde genommen die Supply Chain ist – und wie wichtig daher ein optimiertes Lagermanagement. Intelligente Lagerhaltung beschleunigt den Warenumschlag und erleichtert die Planung. Mit den ermittelten Daten können Unternehmen aufkommende Probleme schneller erkennen und die Produktivität im Lager verbessern. Sensoren ermöglichen es beispielsweise, Standort und Menge von Produkten und Materialien zu tracken. Dadurch ist auch eine Automatisierung des Lagers möglich: bei drohendem Materialmangel fordert das Computersystem  automatisch Nachschub an.

Big Data wird vor allem für die Optimerung der Lagerhaltung genutzt.
Big Data wird vor allem für die Optimerung der Lagerhaltung genutzt. Bild: Jens.P. Raak/ Pixabay

Pilotprojekte unterstreichen Nutzen

Ein Beispiel hierfür zeigt Tetra Pak. Der Verpackungsspezialist hat bereits 2019 zusammen mit DHL in Singapur ein Lager mithilfe eines digitalen Zwillings automatisiert. Dank IoT-Technik in Verbindung mit Big Data Analytics kann Tetra Pak Materialien innerhalb von 30 Minuten nach Ankunft im Lager verstauen und umgekehrt innerhalb von 95 Minuten versandfähig machen. Positiver Nebeneffekt: Das optimierte Container-Management reduziert auch die Notwendigkeit, schwere Lasten zu bewegen, und sorgt so für mehr Sicherheit für die Mitarbeiter.

DHL war der Partner für Tetra Pak bei der Lagerautomatisierung in Singapur
DHL war der Partner für Tetra Pak bei der Lagerautomatisierung in Singapur. Bild: DHL

Lösungen für ein optimiertes Lagermanagement kommen auch von der Fraunhofer Austria Research.  So nennt Martin Riester, der dort den Bereich Logistiksysteme und Transport leitet, zwei aktuelle Beispiele. Ein Traktorenhersteller konnte durch die Fraunhofer-Lösung seinen Bestand an Teilen wesentlich reduzieren, seine Lieferfähigkeit gleichzeitig aber deutlich verbessern. Das zweite Beispiel stammt aus dem Einzelhandel. Um saisonale Verläufe richtig abzubilden, analysierte das System  85 Millionen Buchungszeilen einer Supermarktkette aus 90 Wochen. Big Data ermöglichte auch hier deutliche Verbesserungen in der Lagerhaltung.

Klarer Fall für Big Data: die Routenplanung

Eine besondere Rolle fällt Big Data Analytics bei der Routenplanung zu. GPS, Wetter- und Verkehrsdaten, aber auch etwa Personalpläne werden hier für die Analyse eingesetzt. Insbesondere bei der Zustellung auf der letzten Meile lässt sich mit optimierter Routenplanung ein immenses Einsparpotential realisieren. Denn dieser   Streckenabschnitt kann mehr als ein Viertel der gesamten Transportkosten verursachen. Eine Optimierung der Routen bringt mehr Effektivität und zudem deutliche Spriteinsparungen, wie ein bereits 2013 gestartetes Projekt von UPS zeigte.

UPS war eines der ersten Logistik-Unternehmen, dass massiv von Big Data profitiert hat.
UPS war eines der ersten Logistik-Unternehmen, das massiv von Big Data profitiert hat. Bild: UPS

Ein weiteres Beispiel hierfür stammt von der Avant Gebäudedienste GmbH. Sie bindet ihre Fahrzeuge über die Plattform Drive&Track der Telekom in das Internet der Dinge ein. Dadurch optimiert das Unternehmen die Routen und kann die Ankunftszeit der Fahrzeuge exakter voraussagen. Ergebnis: Eine Kostensenkung von 15 bis 20 Prozent.

Eine optimierte Routenoptimierung kann zudem jene Unternehmen unterstützen, die Produkte oder Bauteile durch Lieferanten mittels JIT/ JIS (Just-in-Time/Just-in-Sequence) beziehen. Aufgrund des engen zeitlichen Rahmens dürfen diese Waren nur mit geringen Verspätungen eintreffen, um eine laufende Produktion nicht zu gefährden.

Qualitätssicherung  durch Big Data

Mit Hilfe von Big Data und IoT lässt sich auch die Qualität sichern, wie Quehenberger Logistics zeigt. Das Unternehmen nutzt eine Lösung, die auf der Technologie des Startups Roambee basiert. Sensorgeräte sowie eine Cloud-basierte Plattform erfassen die Daten und geben Auskunft zu Standort, Temperatur und Zustand der so überwachten Ware.

Ein eher unterschätzter Mehrwert von Big Data Analytics ist die Kundenbindung. Dabei ist diese essentiell für den Erfolg eines Unternehmens. Studien von Bain & Company und Earl Sasser von der Harvard Business School haben gezeigt, dass bereits eine Verbesserung der Kundenbindung um 5 Prozent zu einer Gewinnsteigerung zwischen 25 und 95 Prozent führen kann. Für die Kundenbindung sind Informationen über die Präferenzen, Vorlieben und Abneigungen der Kunden unerlässlich. Diese sind aber bisweilen nur bruchstückhaft vorhanden und zudem oft mit unerwünschten Daten durchsetzt. Durch die Anwendung von Data Science lässt sich eine eindeutige Kundensegmentierung vornehmen und der Kundenservice optimieren. Die Analyse großer Datenmengen kann einen umfassenden Überblick über Kundenanforderungen und Servicequalität liefern.

Auch öffentlicher Verkehr kann profitieren

Nicht nur beim Warentransport, sondern auch im öffentlichen Verkehr und bei Taxiunternehmen kommt Big Data Analytics zum Zug. So sammelt etwa der dänische ÖPNV-Anbieter Din Offentlige Transport (DOT) Nutzerfeedback über seine mobile App. Fast 30.000 Rückmeldungen wurden so generiert. Sie lassen sich per Datenanalyse in Themengruppen und Problemfelder ordnen. Daraus konnte das Unternehmen Verbesserungen der Benutzerfreundlichkeit der App, aber auch des gesamten Transportsystems ableiten.

Der Einsatz von Big Data Analytics lohnt sich für den Nahverkehrsanbieter nicht zuletzt auch finanziell: Auf Basis historischer Verkaufszahlen lässt sich das Verhalten von Fahrgästen analysieren, um dann beispielsweise Marketingmaßnahmen zu einem optimierten Zeitpunkt zu starten. Die Ergebnisse können auch dazu dienen, Fahrpläne kundenorientierter zu gestalten und so mehr Fahrgäste anzulocken.

Auch Unternehmen des öffentlichen Verkehrs können von Big Data profitieren.
Auch Unternehmen des öffentlichen Verkehrs können von Big Data profitieren. Bild: Justin Hamilton/Pexels

Wie Studien zeigen, können sogar Taxiunternehmen sich mithilfe einer Analyse von Kundendaten Wettbewerbsvorteile verschaffen. Insbesondere New York ist immer wieder Schauplatz solcher Studien – wie etwa auch 2019, als Yuxin Tang eine solche Analyse durchführte. Durch diese Untersuchung ließen sich etwa die genauen Zeitfenster für Pendlerströme bestimmen und so ableiten, wo und wann der Bedarf an freien Taxis am größten ist.  Allerdings: Big Data machte hier seinrm Namen alle Ehre. Das Volumen der verwendeten Daten war so groß, dass sich mit vertretbarem Aufwand nur Teilaspekte herausarbeiten ließen. Interessierte Taxiunternehmen sollten sich davon aber nicht abschrecken lassen. Denn auch diese Ergebnisse helfen nachhaltig bei der Verbesserung des eigenen Angebots. In Digitalien führt somit in Zukunft für erfolgreiche Transport-Unternehmen kein Weg an Big Data vorbei.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht.