3 Use Cases wie Unternehmen von Smart Logistics Data profitieren

Transportschäden, Lieferverzögerungen, mangelnde Liefertreue: Dies sind drei konkrete Anwendungsfälle, bei denen Smart Logistics Data helfen, Risiken rechtzeitig zu erkennen und gegenzusteuern.

Smart Logistics Data bilden die Grundlage für agile, robuste und selbststeuernde Supply Chains, die vorausschauend auf mögliche Probleme reagieren und diese im besten Falle sogar vermeiden. Kurz gesagt: Sie sind die Basis für ein effizientes Risikomanagement.

Nachdem wir zuvor beleuchtet haben, wie Supply-Chain-Daten tatsächlich intelligent werden können und dass wir dabei neben den Logistik- auch Produktionsdaten einbeziehen müssen, zeigen wir nun anhand von drei Anwendungsfällen, wie unsere Kunden ganz konkret von Smart Logistics Data profitieren.

Use Case 1: Transportschäden vorhersehen – Produktionsqualität sicherstellen

Die Qualität eines Fertigungsproduktes kann nur so gut sein, wie die Qualität seiner Bestandteile. Entsprechend müssen Unternehmens nicht nur für den reibungslosen Ablauf ihres eigenen Produktionsprozesses Sorge tragen, sondern auch verhindern, dass mangelhafte Teile verbaut werden. Doch gerade sensible Materialien können schon beim Transport zur Produktionsstätte erhebliche Schäden erleiden, die nicht oder erst zu spät erkannt werden.

Daher nutzt einer unserer Kunden nun Smart Logistics Data, um den Transport von Teilen zu überwachen, die sensibel auf Temperatur- oder Feuchtigkeitsschwankungen oder Erschütterungen reagieren. Dafür verknüpfen wir auf unserer Plattform kundenbezogene Daten, etwa zu Lieferabruf, Planung, Bestellung, Transportauftrag etc., mit IoT-Daten, die Sensoren während des Transports in Echtzeit an uns übermitteln. Auf übersichtlichen Dashboards kann das Unternehmen jetzt mögliche Transportschäden nahezu in Echtzeit bereits während der Anlieferung erkennen.

Durch die Kombination von neuen und historischen Daten vergangener Lieferungen lassen sich darüber hinaus Risiko-Prognosen erstellen. Etwa, mit welchen Schäden zu rechnen ist, wenn bestimmte Lieferanten bestimmte Waren auf bestimmten Routen transportieren. Damit lässt sich im nächsten Schritt die Planung optimieren, um eben diese Transportschäden zukünftig zu vermeiden.

Fazit: Mit Smart Logistics Data können Unternehmen Lieferprobleme vorhersehen, gezielt vorbeugende Maßnahmen einleiten, die Qualität der verbauten Komponenten sicherstellen und so ihre Produktionsqualität und Kundenzufriedenheit verbessern.

Use Case 2: Lieferengpässe frühzeitig erkennen – Produktionsplanung anpassen

Produktionsmaterialien sind typischerweise lang unterwegs, bis sie beim Unternehmen eintreffen. Dabei wechselt in der Regel das Transportmittel mehrfach entlang des Transportwegs, oft passiert es auch Konsolidierungscenter: Von LKW oder Schiene geht es für mehrere Wochen aufs Schiff, dann wieder auf die Straße.

Üblicherweise gibt es auf so einer Strecke etliche blinde Flecken, bei denen Unklarheit darüber besteht, wo sich die Ware gerade befindet. Vor allem auf dem Wasser ist die Lage schwierig einzuschätzen: Stürme können das Schiff vom Kurs abbringen. Am Hafen kann sich die Entladung aufgrund von unerwarteten Kapazitätsproblemen verspäten. Und vieles mehr kann passieren, was das ursprüngliche Estimated Time of Arrival (ETA) beeinträchtigt und so die Planungen gehörig durcheinanderwirbelt.

Bis das Unternehmen allerdings darüber Kenntnis erhält, können schnell Tage oder Wochen vergehen. Um die Produktion dennoch aufrechtzuerhalten, müssen die Materialplaner in Eile prüfen, ob es in einem Lager vielleicht noch Materialbestände gibt, die die Lücke notdürftig schließen können. Oder man prüft Zweitbeschaffungs-Optionen, wobei der Zeitdruck in der Regel die Beschaffungskosten in die Höhe treibt.

Solche Situationen lassen sich ebenfalls durch Smart Logistics Data entschärfen. Daten wie Bedarfsinformationen und Konsolidierungsdaten werden in unseren Data Lake eingespeist. Dort werden diese mit weiteren Daten angereichert, wie beispielsweise mit Satellitendaten, mit denen sich der Standort des Schiffes nahezu in Echtzeit bestimmen lässt.

Auf Basis dieser Standortdaten und weiterer Informationen wird dann ermittelt, ob die ursprüngliche Ankunftszeit (ETA) überhaupt noch einzuhalten ist oder ob sich die Lieferung um Tage, wenn nicht sogar Wochen verzögert. Das Unternehmen erhält somit proaktive Alerts und kann entsprechend umplanen – teilweise sogar schon Wochen im Voraus, während die Materialien noch auf dem Seeweg sind.

Fazit: Auch hier lassen sich Probleme mit Hilfe von Smart Logistics Data frühzeitig erkennen. Dies verschafft wertvolle Zeit, um rechtzeitig Alternativen zu prüfen und die Auswirkungen auf die eigene Produktion so gering wie möglich zu halten.

Use Case 3: Lieferzuverlässigkeit analysieren – Risiken minimieren

Lieferverzögerungen und -ausfälle verursachen erhebliche wirtschaftliche Schäden. Deshalb schauen immer mehr Unternehmen genauer hin: Wie zuverlässig ist der Lieferant? Wird er die vereinbarten Mengen auch tatsächlich liefern und das in der vereinbarten Frist? Kann es erneut zu Problemen kommen, weil er in der Vergangenheit schon einmal die sog. On-time-Delivery-Quote (OTD) überzogen hat?

Smart Logistics Data helfen Unternehmen dabei, all diese Fragen konkret zu beantworten und so ihre Risiken zu minimieren. Dafür reichern wir aktuelle Kundendaten zu Bedarfen, Bedarfskollaborationen und Transporten mit historischen Daten aus unserer Plattform über die Lieferantenperformance an. Zusätzlich fließen Daten aus der Lieferantenproduktion ein (zum Beispiel über eine MES-Integration), aus denen sich weitere Indikatoren ableiten lassen.

Mit Hilfe von Machine-Learning-Algorithmen analysieren wir dann diese Daten: Lassen sich Muster erkennen? Etwa auf bestimmten Transportstrecken, beispielsweise von Werk zu Werk? Oder bei gewissen Materialien? Und wie wahrscheinlich ist es, dass Probleme bei diesem Lieferanten und dieser Bestellung erneut auftreten?

Fazit: Wie in den anderen Beispielen zeigt sich auch hier, dass es von großem Vorteil ist, Risiken durch Smart Logistics Data genau eingrenzen zu können. Denn das ermöglicht dem Unternehmen, proaktiv Maßnahmen zu ergreifen, um Engpässen vorzubeugen. Es kann im beschriebenen Fall beispielsweise die Sicherheitsbestände im Lager erhöhen, um einen größeren Puffer zu haben, oder Sonderlieferungen in Auftrag geben, um eventuelle Ausfälle abzufedern.

Die Ergebnisse der Datenanalysen können nicht zuletzt auch dem Lieferanten helfen, eigene Schwachstellen zu erkennen. Gemeinsam mit dem Kunden lassen sich auf dieser Grundlage Lösungen erarbeiten, wie beispielsweise die Produktionszyklen beim Lieferanten beschleunigt oder mittelfristig dessen Planungshorizont verbessert werden kann.