In der Lagerlogistik wird gerade sichtbar, was auch in Transport und Disposition passieren wird: Systeme werden nicht nur schneller. Sie werden anpassungsfähiger.
Gartner erwartet, dass bis 2030 ein erheblicher Teil neuer Lager in entwickelten Märkten robotikzentriert geplant wird. TechRadar beschreibt denselben Trend aus der Praxis: starre Automatisierung wird durch autonome mobile Roboter, digitale Zwillinge und Echtzeitdaten ergänzt.
Das klingt zunächst nach Lagertechnik.
Eigentlich geht es aber um eine Verschiebung von Arbeit.
Früher musste ein System möglichst stabil sein, weil Änderungen teuer waren. Heute entsteht der Vorteil dort, wo ein System auf Veränderungen reagieren kann: andere Nachfrage, andere Prioritäten, andere Verfügbarkeiten, andere Engpässe.
Damit verschiebt sich die Rolle des Menschen.
Weniger: “Ich führe jeden Schritt selbst aus.”
Mehr: “Ich erkenne, wo das System falsch läuft, und entscheide über Ausnahmen.”
Das ist in der Disposition ähnlich. Auch dort ist die Frage nicht, ob KI alles automatisch erledigt. Die bessere Frage ist:
Welche Vorarbeit muss passieren, damit Menschen Ausnahmen schneller und besser entscheiden können?
Ein Lager mit Robotern braucht saubere Daten. Eine Dispo mit KI braucht saubere Klärung. Wenn die Informationen falsch, veraltet oder widersprüchlich sind, wird Automatisierung nicht besser. Sie wird nur schneller falsch.
KI-Know-how für Logistiker:innen in 2 Minuten
Was ist ein Digital Twin?
Ein Digital Twin ist ein digitales Abbild eines realen Systems. Im Lager kann das ein Modell von Flächen, Regalen, Beständen, Wegen, Robotern und Aufträgen sein.
Der Nutzen entsteht nicht durch das schöne Bild. Der Nutzen entsteht, wenn das Modell mit Echtzeitdaten verbunden wird.
Dann kann man fragen:
- Wo entsteht gerade ein Engpass?
- Welche Route ist blockiert?
- Welche Reihenfolge reduziert Wartezeiten?
- Welche Entscheidung verschiebt das Problem nur an eine andere Stelle?
Für Transportlogistik ist der Gedanke übertragbar: Auch ein Transportprojekt hat einen digitalen Zustand. Auftrag, Fahrzeug, Strecke, Bescheid, Auflagen, Kunde, Fahrer, Zeitfenster.
Wenn dieser Zustand klar ist, kann KI helfen. Wenn er unklar ist, muss zuerst Klärungslast reduziert werden.