Die vorliegende Arbeit analysiert explizit die Potenziale und Grenzen von KI (=künstliche Intelligenz) im Segment LKW-Transportlogistik, speziell angesichts der Problemstellung Laderaumknappheit. Gegliedert ist diese beginnend mit der Problemstellung, Zielsetzung und der Methodik, fortgeführt mit ein paar Erläuterungen zu wichtigen Schlüsselbegriffen, gefolgt von der eigentlichen Planung und Durchführung bis hin zur kritischen Auswertung der empirischen Untersuchung. Im Anschluss erfolgt eine auf eigenen Ansätzen basierende Zusammenfassung und (Praxis-) Empfehlungen an Führungsgremien der Branche.
KI unterstütztes Logistik Management soll dafür Sorge tragen, die Probleme in dieser Kette zu lösen. In einer Veröffentlichung der IUBH Internationalen Hochschule wird bereits für die Zukunft geworben. Neue Technologien hätten bereits das Potenzial, die dramatische Lage spürbar zu ändern und dafür zu sorgen, dass es freiere Straßen gibt und eine sichere Versorgung gewährleistet werden kann.
Dieser Auffassung werde ich auf den Grund gehen und mithilfe eines Fach-Kollegs aus Experten den Potenzialen, aber auch den Grenzen zu KI Lösungsansätzen nachgehen. Die Logistikkette besteht aus etlichen logistischen, informellen und produktionstechnischen Prozessen, die den verschiedenen Stufen der Wertschöpfung zugeordnet sind und an der es gleich mehrere Beteiligte gibt. Die KI würde alle Ebenen beeinflussen und vereinen. Die empirische Untersuchung der Wirkungsweise von KI-Lösungen auf die Logistikkette ist im Rahmen dieser Masterarbeit schlichtweg viel zu umfangreich und wird beruhend auf dieser Studie dann eher ein Thema für eine zukünftige Dissertation werden.
Inhaltsverzeichnis
1. Einleitung
1.1. Logistik heute: Zwischen Laderaumknappheit und Fahrermangel
1.2. Motivation und Zielsetzung
1.3. Methodik und Vorgehensweise der Arbeit
2. Begriffsbestimmung
2.1 Logistik
2.1.1 Transportlogistik
2.2 Laderaumknappheit
2.3 Künstliche Intelligenz
3. Empirische Untersuchung
3.1 Planung
3.1.1 Fragestellung und Hypothese
3.1.2 Beschreibung der Erhebungsinstrumente
3.1.3 Zielgruppendefinition
3.2 Durchführung der Expertenbefragung
3.3 Auswertung
3.3.1 Resultate der Befragung
3.3.2 Stichprobenbeschreibung
3.3.3 Ergebnisse zu „Digitalisierung der Transportlogistik“
3.3.4 Ergebnisse zu „Einsatz künstlicher Intelligenz“
3.3.5 Ergebnisse zu „Ein Blick in die digitale Zukunft der Transportlogistik“
3.4 Diskussion im Plenum „zur Lösung der Laderaumknappheit“
3.4.1 Vorbereitung
3.4.2 Gruppendiskussion
3.4.3 Überprüfung der Hypothese
4. Ableitung von Veränderungen und Handlungsempfehlungen aus der empirischen Untersuchung
4.1 Einordnung der empirischen Ergebnisse
4.1.1 Chancen und Potenziale
4.1.2 Herausforderungen und Hemmnisse
4.2 (Praxis-) Handlungsempfehlungen
5. Abschlussbetrachtung
5.1 Folgen zunehmender Einsätze von KI in der Logistik
5.2 Kritischer (Aus-) Blick
5.3 Zusammenfassung und Fazit
Literaturverzeichnis
Abbildungsquellen
Anhang A: Fragebogen Expertenbefragung
Anhang B: Adressaten der Befragung
Anhang C: Leitfaden für Plenumsdiskussion
Hinweis für die folgende Abhandlung:
Aus Gründen der besseren Lesbarkeit wird in der vorliegenden Masterarbeit die gewohnte männliche Sprachform bei personenbezogenen Substantiven und Pronomen verwendet. Dies impliziert jedoch keine Benachteiligung des weiblichen Geschlechts, sondern soll im Sinne der sprachlichen Vereinfachung als geschlechtsneutral zu verstehen sein.
Abkürzungsverzeichnis
Abbildung in dieser Leseprobe nicht enthalten
1. Einleitung
„Der Logistik steht durch autonome Systeme und künstliche Intelligenz nicht nur eine Optimierung von Geschäftsprozessen bevor, sondern eine echte Revolution.“
...so lauten die Worte von Bernhard Rohleder, Hauptgeschäftsführer des Digitalverbandes Bitkom. Es bedarf zwar keiner Revolution, aber einer Lösung, denn seit Monaten kämpfen Logistiker mit dem Thema der Laderaumknappheit und die Branche rechnet fest damit, dass sich die Lage weiter zuspitzen wird. Ein Zustand, der seitens der Transporteure noch nie so wenig aktiv beeinflusst werden konnte: Mehr Verkehr inmitten einer weitestgehend gleichen Infrastruktur und fehlendem Fahrpersonal inmitten des Wachstums auf Dauer. Besonders die Produzenten leiden unter der unersättlichen Knappheit, da die Spediteure gezwungenermaßen einen Anteil der verfügbaren Aufträge ablehnen oder vergeben müssen. Längere Vorlaufzeiten und höhere Preise sind die Konsequenz.
KI (=künstliche Intelligenz) unterstütztes Logistik Management soll dafür Sorge tragen, die Probleme in dieser Kette zu lösen. In einer Veröffentlichung der IUBH Internationalen Hochschule wird bereits für die Zukunft geworben. Neue Technologien hätten bereits das Potenzial, die dramatische Lage spürbar zu ändern und dafür zu sorgen, dass es freiere Straßen gibt und eine sichere Versorgung gewährleistet werden kann. (Schreier, 2017)
Dieser Auffassung werde ich auf den Grund gehen und mithilfe eines Fach-Kollegs aus Experten den Potenzialen, aber auch den Grenzen zu KI Lösungsansätzen nachgehen. Die Logistikkette besteht aus etlichen logistischen, informellen1 und produktions-technischen Prozessen, die den verschiedenen Stufen der Wertschöpfung zugeordnet sind und an der es gleich mehrere Beteiligte gibt. Die KI würde alle Ebenen beeinflussen und vereinen. Die empirische Untersuchung der Wirkungsweise von KI-Lösungen auf die Logistikkette ist im Rahmen dieser Masterarbeit schlichtweg viel zu umfangreich und wird beruhend auf dieser Studie dann eher ein Thema für eine zukünftige Dissertation werden.
Die vorliegende Arbeit analysiert explizit die Potenziale und Grenzen von KI im Segment LKW-Transportlogistik, speziell angesichts der Problemstellung Laderaumknappheit.
Gegliedert ist diese beginnend mit der Problemstellung, Zielsetzung und der Methodik, fortgeführt mit ein paar Erläuterungen zu wichtigen Schlüsselbegriffen, gefolgt von der eigentlichen Planung und Durchführung bis hin zur kritischen Auswertung der empirischen Untersuchung. Im Anschluss erfolgt eine auf eigenen Ansätzen basierende Zusammenfassung und (Praxis-) Empfehlungen an Führungsgremien der Branche.
1.1. Logistik heute: Zwischen Laderaumknappheit und Fahrermangel
Um der Ausgangssituation zum Stand heute den notwendigen Ausdruck zu verleihen und das für die Arbeit notwendige Verständnis zu schaffen werde ich an dieser Stelle etwas ausführlicher auf dafür relevante Zahlen, Daten und Beobachtungen zurückgreifen.
Abbildung in dieser Leseprobe nicht enthalten
Logistische Dienstleistungen befinden sich auf einem Wachstumskurs. Die Grafik vergleicht die Anzahl der in der Bundesrepublik Beschäftigten in Mio. und den Umsatz in Mrd. € für die letzten 5 Jahre. „Mit diesem imposanten Zahlen und einem deutschen Anteil von 25 % am Logistikumsatz der EU ist dies der größte Wirtschaftsbereich nach der Automobilwirtschaft und dem Handel.“ (vgl. Grotemeier, 2018)
Wachsender Welthandel ist eines der Parameter, welcher zu dieser Steigung verhalf und für die Globalisierung spricht. Schon mein Vater pflegte in diesem Kontext zu sagen:
Abbildung in dieser Leseprobe nicht enthalten
Geht es der Wirtschaft gut, geht es uns Allen gut.
Ein simples Sprichwort, was auch hier an Bedeutung gewinnt. In dieser Grafik betrachten wir die Exportentwicklung zwischen 1950 und 2017. Innerhalb der 60 Jahre ist es nur 6x passiert, dass ein Vorjahreswert nicht übertroffen werden konnte. Der Artikel („Entwicklung des grenzüberschreitenden Warenhandels“, 2018) lässt außerdem annehmen, dass das und die Entwicklung derprichwort, was auch hier an Bedeutung gewinnt. In dieser Grafik betrachten wir die Exportentwicklung zwischen 1950 und 2017. Innerhalb der 60 Jahre ist es nur 6x passiert, dass ein Vorjahreswert nicht übertroffen werden konnte. Der Artikel („Entwicklung des grenzüberschreitenden Warenhandels“, 2018) lässt außerdem annehmen, dass das und die Entwicklung der inländischen Warenproduktion sowie der steigende Konsum das Wachstum weiter antreiben werden.
Die Prognose: Mehr Waren – mehr Transporte – mehr Umsatz – mehr Personal!
Online-Handel (auch bekannt unter dem Begriff E-Commerce), ist ein immer stärker werdender Wachstumstreiber für den B2C innerhalb der Branch. Der Umsatz2 hat sich erst in 2017 auf stolze 48,7 Milliarden Euro gesteigert und sich somit im Vergleich zu 2011 nahezu verdoppelt. (vgl. Roik, 2017, S. 3) Mit dem steigenden Bestellaufkommen stieg auch unweigerlich der Bedarf an Kurier-Express-Paketdienste (KEP) an.
Insbesondere im Kommen: Online-Food Retailing, sprich der Onlinehandel mit Lebensmitteln. Experten erwarten hier eine Verdoppelung des Handelsvolumens bis 2025 im Vergleich zu 20183 (Rücker, 2018, S. 3). In der Folge dessen gut denkbar, dass sich ein eklatanter Teil des stationären Lebensmittelhandels in das Internet verlagern wird, was uns als Food Logistiker fordern wird. Schon jetzt bereiten sich unsere Kunden immer mehr auf diese Entwicklung vor und errichten Zustellläger mit direkter Anbindung an die großen Ballungszentren. Die größte Herausforderung sehen wir bei der s. g. „Last Mile“, dem Transportweg von diesem Depot direkt zum Verbraucher. Nach Lage der Dinge werden Unternehmen wie Rewe, Metro etc. den B2C Transport nicht in Eigenregie durchführen. Zwangsläufig werden bei den bestehenden Big Playern aus der Logistik-branche neue Geschäftsfelder für KEP integriert oder KEP Firmen selbst damit beauftragt.
Zu Gründungszeiten fokussierten sich die ersten KEP Dienstleister wie z. B. DPD und GLS rein auf B2B, was sich mittlerweile aufgrund des Online Handels massiv verändert hat. Damit einhergehend auch deren Geschäftsmodelle. Wenngleich aus der Praxis niemand so richtig damit zufrieden war, werden wir den Trend (zunehmendes Wachstum in Richtung B2C) aufgrund der zuvor genannten Indikatoren weiter beobachten können.
Es ist dem Trend nach davon auszugehen, dass kurz- bis mittelfristig diese „Last Mile“ solchen Kunden mitangeboten werden müssen, um auch die Warentransporte direkt zum Verbraucher miteinzuschließen. Unter dem Strich bedeutet es weitere Komplexität für KEP- und Systemlogistiker, da es vor allem in der „Last Mile“ zu ungewollten kostenintensiven Problemen kommen kann, wie etwa der zeitraubenden Suche nach den Empfängern, Annahme von Rücksendungen und das Bearbeiten von Reklamationen.
Dieses wachsende Sendungsaufkommen erfordert vernetzte und weitreichendere Prozesse samt LKW-Kapazitäten.
Abbildung in dieser Leseprobe nicht enthalten
Der größte Anteil aller zu transportierenden Sendungen wird klassisch über den LKW abgewickelt. 71,7 % waren es noch im vergangenen Jahr. Die Tendenz, mit Blick auf die Abbildung – steigend! Viele Vorteile sprechen für diesen anhaltenden Trend.
Auch wir nutzen natürlich die Geschwindigkeit im weitestgehend umschlagsfreien Transport direkt von der Lade- zur Entladestelle (Tür-zu-Tür) als wertvollen Garant für die Erfüllung der immer kürzer geforderten Lieferfristen. Auch die Flexibilität in der Ausstattung der LKW-Auflieger spielt hier eine ganz bedeutende Rolle. In unserem Fall kommt zum Beispiel der Kühlung eine unabdingbare Rolle zu. Wir verwenden für diese Multitemperatur-Aggregate in den Aufliegern, welche mehrere Temperaturzonen im Frachtraum erzeugen können. Dies ermöglicht es, dass sowohl Frischware bei +2 °C als auch Tiefkühlware bei -25 °C transportiert werden kann. Ein sehr wichtiger Faktor ist die Durchgängigkeit der Kühlkette. Bei mehrfachen Umladen besteht schließlich immer das Risiko einer Unterbrechung dieser, was zur Folge haben kann, dass Tiefkühlware auftaut oder verderbliche Lebensmittel entsorgt werden müssen. Eigenschaften, die die Buchung anderer Verkehrsträger ohne garantieren Laderaum in dieser Form und Menge nicht möglich oder gar rentabel machen würde. Ganz geschweige denn davon, dass unsere Kunden in keinem Fall höhere Preise für so späte Auslieferungen bezahlen würden. Das Entscheidende aus Sicht der Kunden ist derzeit erfahrungsgemäß die Einhaltung von Lieferfristen, welche für diese tatsächlich eine höhere Priorität haben als der Preis, der letztendlich für den Transport bezahlt werden muss. Hauptsache es geht schnell! Die am Markt entscheidenden Wettbewerbsfaktoren sind Flexibilität, Anpassungsfähigkeit, Qualität und vor allem Schnelligkeit. Nachfolgende Referenzen in diesem Kapitel belegen das und so kommen wir zum kritischen Dreh- und Angelpunkt: Die Laderaumknappheit.
Abbildung in dieser Leseprobe nicht enthalten
TimoCom, die größte Frachtenbörse Europas veröffentlicht hier in regelmäßigen Abständen das s. g. Transportbarometer, welches das Verhältnis von verfügbaren Laderaum zu vorhandenen Frachten beleuchtet. Im Oktober 2017 standen 76 % Frachtaufträge lediglich 24 % Laderaumangebot gegenüber. Die Abbildung rechts veranschaulicht dies deutlich. (vgl. Voigt, 2018)
Angetrieben durch das anhaltende konjunkturelle Rekordhoch werden immer mehr Waren produziert und stehen wie angesprochen einer immer knapper werdenden Menge von freien Ladekapazitäten gegenüber. Es ist ein Paradigmenwechsel zulasten des Wirtschaftswachstums. Kontrovers, zumindest aus Spediteursicht, schließlich steigen durch die Verzerrung von Angebot und Nachfrage die Preise der begehrten Laderäume.
Abbildung in dieser Leseprobe nicht enthalten
Betrachtet man hingegen das Sendungsvolumen, welches aufgrund dieser Umstände vorerst ruht, alternativ über andere Verkehrsträger bedient werden muss, oder letztlich gar zu höheren Konditionen verkauft wird um doch noch einen schnellen Abnehmer (Transporteur) zu finden wird sehr schnell klar, dass die fehlende Fahrleistung die Wirtschaft ausbremst. Die Abbildung 5 visualisiert die Entwicklung der Fahrleistungen, beginnend mit 1991 bis 2015.
Im Direktvergleich von den Abbildungen 1 bis 3 eine eher stagnierende Angelegenheit. Kapazitätsgrenzen wie unsere Autobahnen und daraus resultierende Staus als auch die Verschärfung gesetzlicher Bestimmungen wie etwa die Einhaltung von Fahrtzeiten sind Gründe dafür. Logistiker wollen eigtl. mit der Konjunktur einhergehen und wachsen, aber
allen voran fehlt es hier sogar am LKW-Fahrer. (= Fahrermangel)
Bereits 45.000 fehlen nach Angaben des deutschen Speditions- und Logistikverbandes (DSLV) (Felt, 2018). Der Buhmann auf der Straße und in der Disposition, fehlende Wertschätzung beim Kunden, eine zu niedrige Bezahlung und unregelmäßige Pausenzeiten zulasten der Gesundheit. Salopp betrachtet, die am häufigsten anzutreffenden Aussagen zum Thema Attraktivität des Berufes direkt aus Fahrerkreisen. Gerade ein hoher Altersdurchschnitt und das Fehlen von Nachwuchs an Jung-Fahrern im Zusammenhang mit dem demografischen Wandel sind überaus belastende Themen.
Abbildung in dieser Leseprobe nicht enthalten
Die rechts befindliche Abbildung expliziert dass mit einer erschreckenden Prognose:
Die Zahl der Erwerbstätigen zwischen 18 und 65 Jahren wird deutlich abnehmen. Während die Bevölkerung der Rentner bis 2036 um etwa 37 % wachsen wird kommen immer weniger Kinder nach. Folglich gehen in Bayern mehr Beschäftigte in Rente, als es Eintritte in die Erwerbstätigkeit geben wird.
Des Weiteren identifizieren sich anlässlich der oben genannten Gründe immer weniger junge Personen als Berufskraftfahrer und sehen den Job in seiner Zukunft grundsätzlich als gefährdet4, wie ich im weiteren Verlauf noch genauer erläutern werde.
Wie dramatisch das in der Summe ist, verdeutlicht die DVZ (Deutsche Logistik-Zeitung) in ihrer Berichterstattung. In deren Prognose wird damit gerechnet, dass per 2020 bereits 150.000 Fahrer fehlen werden (vgl. Ptock, 2018). Das bedeutet einen Anstieg des Engpasses „Fahrer“ um mehr als das Dreifache in nur weniger als 2 Jahren.
Die Leser der Fachzeitschrift „Verkehrsrundschau“ haben den Begriff „ Fahrermangel “ sogar als Logistik-Wort des Jahres 2017 gewählt und dieser Herausforderung einer größeren Bedeutung zu Gute kommen lassen, als vergleichsweise dazu das Thema „Digitalisierung“ auf Platz 2 mit einem Abstand von ganzen 15,19 %. (sno, 2018)
Dabei ist Industrie 4.0, speziell KI in der Logistik doch in aller Munde: Algorithmische Tourendisposition und das autonome Fahren sind nur ein paar dieser Schlagwörter.
KI gilt als der Kern der Digitalisierung und soll mittelfristig die große Wende bringen. In einer umfangreichen Studie von McKinsey & Company wird künstliche Intelligenz sogar als Wachstumsmotor für die Wirtschaft betitelt. (McKinsey&Company, 2017)
Eine interessante Erkenntnis, wenn man bedenkt, dass die Menschen das Problem in der referenzierten Umfrage als gewichtiger bewerten, als die vermeintliche Lösung für genau diese Probleme. Sollte der Fokus doch gerade in solchen Zeiten auf die Bewältigung der Laderaumknappheit ausgerichtet sein, oder gibt es etwa berechtigte Skepsis?
1.2. Motivation und Zielsetzung
Mein Anreiz besteht darin, die bis dato ausbleibenden Handlungsempfehlungen für die Branche zu eruieren. Meiner Ansicht nach ist der Großteil der Spediteure in einem ausharrenden Zustand und versinkt in der Bewältigung des Problems. Die Mehrheit ist tendenziell eher damit beschäftigt zu reagieren oder den Fokus auf höhere Umsätze bei gleichbleibender Kapazität zu legen, anstatt proaktiv Strategien oder Vorkehrungen für die Zukunft zu treffen, um den Wandel oder Lösungen zu begünstigen.
Mit dieser wissenschaftlichen Untersuchung soll ein wichtiger Beitrag in Richtung der Transporteure aber auch zur wissenschaftlichen Diskussion zu KI geleistet werden.
Die Arbeit geht daher folgender Leitfrage auf den Grund:
Wird künstliche Intelligenz tatsächlich die Transportlogistik neugestalten und damit die von der Laderaumknappheit geplagten Situation ausheben?
Entsprechend habe ich mir für diese Masterarbeit zwei Ziele gesetzt:
Erstens soll im Rahmen dieser Forschung die Nützlichkeit (=Potenziale und Grenzen) von künstlicher Intelligenz in Bezug auf die Transportlogistik mit Konzentration auf das hochaktuelle Problem der Laderaumknappheit analysiert werden.
Zweitens soll im Zuge der angewandten empirischen Forschungsmethode Erkenntnisse gewonnen werden, mit deren Hilfe die angesprochenen Handlungsempfehlungen an Transportunternehmen abgegeben werden können. Im Speziellen, ob und / oder wie diese jetzt dazu beitragen können, um einen Turnaround zu lancieren bzw. ob die Branche überhaupt schon dazu bereit ist KI einzusetzen und darin zu investieren.
1.3. Methodik und Vorgehensweise der Arbeit
Der empirische Forschungsprozess soll Klarheit bringen und zuverlässige Antworten liefern. Heute ist der 20.07.2018, ausgehend von diesem Tag setze ich einen 3-monatigen Zeitraum an um die Forschung autark durchzuführen und nutzbringend abzuschließen.
Die Erhebung der notwendigen Informationen erfolgt über diesen Zeitraum hinweg mithilfe der Anlehnung an die Delphi-Methode (auch bekannt als Delphi-Studie5 ). Im Zentrum der Methodik steht die Erhebung von Informationen in mehreren Runden (hier: 2 Stufen). Die erste Erhebung stellt hier eine reguläre Befragung von Experten dar. Danach erfolgt eine Rückkoppelung6 der gewonnenen Ergebnisse. Kurzum, die erlangten Informationen werden ausgewertet und zusammengefasst. Danach geht es basierend darauf mit einer weiteren Erhebung von Daten weiter (hier: Gruppendiskussion) um eine kritischere Betrachtung von Potenzialen und Grenzen zu KI-Lösungen greifbar zu machen. Erst unter Abwägung aller erlangten Erkenntnisse wird am Ende ein belastbares Ergebnis validiert, welches elementare Argumente und Vorschläge in Hinblick auf die Zentralfrage zur Lösung der Laderaumknappheit liefern wird. (vgl. Bortz & Döring, 2002, S. 261)
Per 22.10.2018 werden den Beteiligten die Ergebnisse dieser Studie präsentiert.
Last but not least, werde ich das eruierte Know-how dazu nutzen und mich mit den kontemporären Themen aus der Fachpresse (hier: Algorhytmische Tourendisposition und autonome Zustellfahrzeuge) auseinandersetzen. Darauf basierend werde ich wichtige Handlungsempfehlungen ableiten und Veränderungen für die Branche prognostizieren.
Abschließend erfolgt ein Ausblick in die Zukunft der Transportlogistik und eine Zusammenfassung der wichtigsten Erkenntnisse und Empfehlungen.
2. Begriffsbestimmung
Im Folgenden werden zunächst die im Fokus stehenden Begriffe definiert, die im Laufe dieser Arbeit immer wieder verwendet werden. Deren Erklärung soll dazu dienen, dass es allen interessierten Lesern (darunter auch Nicht-Logistiker) möglich ist, die Abhandlung so zu verstehen, wie es Leute vom Fach vernehmen würden. Unter diesem Gesichtspunkt werde ich die im Folgenden genannten Begrifflichkeiten einfach und kompakt erläutern.
2.1 Logistik
Die Logistik kümmert sich vereinfacht gesagt um die sogenannten TUL-Prozesse (Transport, Umschlag und Lagerung), dessen Anspruch „die Bereitstellung des R ichtigen Produktes, in der R ichtigen Menge, in der R ichtigen Qualität, am R ichtigen Ort, zur R ichtigen Zeit, zu den R ichtigen Kosten, für den R ichtigen Kunden, mit den R ichtigen Informationen“ ist. Man spricht hier bereits von 8 R ‘s der Logistik. (Jetzke, 2014, S. 11)
In diesem Zusammenhang eine kleine Anmerkung für das bessere Gesamtverständnis: Das sind genau die Themen, welche aufgrund der unter Kapitel 1.1 beschriebenen Kapazitätsmängel derzeit so auseinanderdriften. Die Preise steigen permanent und die Mengen können nicht gemäß Bedarf performancegerecht abgewickelt werden.
Die Tatsache, dass zu meiner Ausbildungszeit (Jahr: 2006) noch von den 6 Dimensionen gesprochen wurde, hebt hervor, wie schnell die Logistik doch an Komplexität zunimmt. Zweifellos unterstreicht das achte R „mit den richtigen Informationen“ die nunmehr wachsende Bedeutung der Ressource Daten im Zeitalter der Digitalisierung7.
In diesem Zusammenhang fällt auch immer wieder der Begriff Logistik 4.0, welcher in den nachfolgenden Kapiteln praxisorientiert in aller Ausführlichkeit dargestellt wird.
2.1.1 Transportlogistik
Ist ein Teilbereich der Logistik und Zentrum dieser Arbeit. Es handelt sich hierbei um das T des oben erwähnten TUL Prozesses: dem Transport. Dies beinhaltet alle notwendigen Schritte in der Logistik, die dafür erforderlich sind und umfasst das Zusammenwirken von:
- Administrative Größen wie z. B. Fahrerverwaltung, Fahrzeugverwaltung
- Dispositive Größen wie z. B. Transportsteuerung, Transportstrategien
- Operative Größen wie z. B. Transporttechnik, Datenübertragung (vgl. TUP-Redaktion, 2013)
2.2 Laderaumknappheit
Laderaum meint die Fläche, die Verkehrsträger (hier: LKW) für die Fracht zur Verfügung haben. Im Transportwesen spricht man von Lademetern (0,4 ldm = 1 EP) als Maßeinheit. Knappheit bedeutet, dass man einen Mangel an einer Ressource hat (hier: Laderaum) und steht im Missverhältnis zu den Bedürfnissen (hier: Frachtgut). Laderaumknappheit, resultiert aus die in Kap. 1.1 erwähnten Gegebenheiten, wie etwa dem Fahrermangel. Dieser wird mit dem Fehlen von Fachkräften (hier: Fahrer) assoziiert.
2.3 Künstliche Intelligenz
… ist die Replikation des menschlichen analytischen Denkens und/ oder die der Fähigkeit der Entscheidungsfindung (Finlay, 2017, S. 9 ff). Fälschlicherweise wird oft angenommen, dass KI dasselbe wie maschinelles Lernen ist. Ein Irrglaube, denn KI geht weit darüber hinaus. Gegenwärtig beruhen relevante Praxisansätze lediglich auf maschinellem Lernen.
Maschinelles Lernen basiert auf das Zurückgreifen von mathematischen Verfahren (=Algorithmen) um Daten zu analysieren und brauchbare Muster (=Beziehungen oder Zusammenhänge) zu erkennen. Daraus erfolgen Rückschlüsse bzw. Reaktionen in Form automatischer Handlungen, analog der Handlungen eines Menschen. (Finlay, 2017, S. 5)
Unsere Fallbeispiele betreffend sprechen wir im Rahmen dieser Arbeit demnach von:
- Algorithmischer Tourendisposition, wenn Software die Arbeit von Disponenten übernimmt, Touren einteilt und Fahrzeuge unter optimaler Auslastung koordiniert.
- Autonome Zustellfahrzeuge, wenn der LKW autonom (=selbstständig) ohne Fahrer von der Ladestelle zum Empfänger fährt, um Frachten zu transportieren.
Viele vermögen hier an Science-Fiction zu denken. Doch die umworbene KI-Lösung für die Transportlogistik ergibt an sich Sinn. Schließlich gibt es im Militär bereits weit fortgeschrittene KI im Einsatz. So werden gemäß dem russischen stellvertretenden Verteidigungsminister Ruslan Zalikow bereits „einzelne Elemente künstlicher Intelligenz oder intelligente Steuerungssysteme bei den Streitkräften aktiv verwendet – beispielsweise bei unbemannten Systemen und Robotern“ und erwartet praktisch in allen Tätigkeitsbereichen der Streitkräfte zukünftig die Anwendung von künstlicher Intelligenz. Zumindest unter der Stufe des maschinellen Lernens. (vgl. Nackstrand, 2018)
Noch ein wichtiger Hinweis: Auf Details zu den Stufen und der Programmierung (von KI) kann nur am Rande eingegangen werden.8 Ich beschäftige mich rein mit der Integration bzw. deren unvoreingenommener Prüfung in Bezug zu derzeitigen Geschäftspraktiken.
3. Empirische Untersuchung
Ich bediene mich im Rahmen der Masterarbeit dieser wissenschaftlichen Forschung, um mithilfe der in diesem Kapitel beschriebenen Instrumentarien die unter Kapitel 3.1.1 behandelte Leitfrage bzw. Hypothese empirisch zu überprüfen.
Da es sich hier um ein besonders komplexes und vor allem zukunftsträchtiges Thema handelt, zu dem es noch sehr wenig Referenzen gibt, lege ich sehr großen Wert auf vor allem qualitativ hochwertige Ergebnisse im Rahmen einer eigens durchgeführten Studie.
Nur so ist es mir möglich valide Handlungsempfehlungen für die Branche abzuleiten oder auch die Grundlage für weiterführende Forschungsaufgaben zu schaffen. Dies erfordert zum einen ausreichende Informationsdichte und -tiefe und zum anderen eine besonders kritische Herangehensweise bei der Überprüfung von Ergebnissen und Informationen.
Aus diesem Grund habe ich mich nach reichlicher Überlegung dazu entschlossen, in Anlehnung an die sogenannte Delphi-Methode ein zweistufiges Verfahren anzuwenden.
Stufe 1 des Forschungsprozesses besteht aus insgesamt drei Phasen, die im Rahmen von Kapitel 3.1 behandelt werden: Zu Beginn steht eine sorgfältige Vorbereitung in Form einer Planung, die die Basis für eine erfolgreiche Durchführung darstellt. Am Ende gehen die dort gewonnenen Informationen in eine Auswertung dieser über.
Stufe 2 wird vor allem die kritische Herangehensweise demonstrieren. Die aus Stufe 1 gewonnenen Resultate werden in Hinblick auf die Problemlösung nochmals verdichtet und einem Gremium (hier: Plenum aus Experten) vorgelegt. Diese repräsentativ ausgewählte „Task Force“ bietet eine hochstrukturierte Gruppenkommunikation, deren Ziel es ist, eine Lösung für das komplexe Problem zu erarbeiten.
Die folgende Abbildung zeigt die einzelnen Schritte, referenziert mit der Kapitelnummer.
Abbildung in dieser Leseprobe nicht enthalten
3.1 Planung
Projekte, Fußballturniere, Politikertreffen, Hausbau und empirische Untersuchungen. All diese genannten doch eigentlich befremdlichen Punkte haben eine schwerwiegende Gemeinsamkeit. Die theoretische Vorbereitung bildet die wertvolle Basis für den Erfolg.
Es ist daher nicht unüblich, dass Vorbereitungs- bzw. Planungsphasen oftmals einen größeren Zeitblock beanspruchen als die der eigentlichen Umsetzung. Doch wer gute Ergebnisse will, braucht auch einen strukturierten Start und eine penetrante Vorbereitung.
Die hierfür richtigen Schritte werden in den folgenden Unterkapiteln erörtert.
3.1.1 Fragestellung und Hypothese
Beginnend bei der Leitfrage: Wird künstliche Intelligenz tatsächlich die Transportlogistik neugestalten und damit die von der Laderaumknappheit geplagte Situation ausheben?
Aus dieser akuten Not heraus ergaben sich weitere Unterfragen: Auf der einen Seite die der Nützlichkeit von KI bezogen auf die Transportlogistik. Respektive muss dazu erst mal eruiert werden, welches Potenzial künstliche Intelligenz für den Warentransport im Güterverkehr hat und wo es an ihre Grenzen stößt. Man darf andererseits vor allem nicht übersehen, dass es dafür unentbehrlich ist, herauszubekommen, ob und was Spediteure bereits jetzt machen können, um einer vermeintlichen Problemlösung deutliche Schritte näher zu kommen. Diese Fragen stellen dazu die Grundlage der weitergehenden Planung des Untersuchungsprozesses dar und beinhalten die Konstrukte für die Hypothese9.
Woraufhin ich im Rahmen der oben genannten Fragestellungen diese Hypothese ableite: Künstliche Intelligenz wird die Transportlogistik neugestalten und damit die von der Laderaumknappheit geplagten Situation ausheben.
Abbildung in dieser Leseprobe nicht enthalten
Im Zuge der wissenschaftlichen Untersuchung werde ich diese getroffene Hypothese entweder verifizieren (=für gültig erklären)
oder verwerfen (=für ungültig erklären).
Dies erfolgt, analog der Abbildung rechts mithilfe von Theorie, Gegenstand und empirischer Forschung. Die Basis bilden dabei die Daten und Informationen, welche mithilfe von Methoden erhoben werden. Dafür notwendige Erhebungsinstrumente müssen nun in Anlehnung an diesem Kapitel kreiert werden.
3.1.2 Beschreibung der Erhebungsinstrumente
Um die zuvor angesprochene Informationsdichte und –tiefe zu erlangen, habe ich auf erprobte quantitative und qualitative Instrumentarien zurückgegriffen. In meiner Master-arbeit erfolgt eine übergeordnete Trennung zwischen den Erhebungsinstrumenten gemäß Abbildung 7. Der Fokus in Stufe 1 geht auf die Informationsquantität, um möglichst umfangreiche Daten zu erzielen. In Stufe 2 werden dann die in Stufe 1 eruierten Konfliktfelder aufgegriffen und mit einem Instrument für Informationsqualität behandelt.
Stufe 1 – Quantitative Forschung
Quantität meint Informationsbreite und ist in dieser Stufe als übergeordneter Begriff zu verstehen. Charakteristika dieser quantitativen Forschung sind zumeist „Fragebögen, ein hoher Standardisierungsgrad, stärker in die Breite gehend und das Erfragen von Sachverhalten und Tatsachen und dem Abschätzen von Merkmalsverteilungen.“, die in der folgenden Untergliederung um qualitative Aspekte ergänzt wurden. (Lang, 2010, S.14)
Expertenbefragung (findet Anwendung unter Stufe 1, Kapitel 3.2)
Die Entscheidung, warum ich mich für dieses Instrument entschieden habe, begründet sich wie folgt: Das Thema ist sehr spezifisch, eine allgemeine Befragung machte daher keinen Sinn. Um das Fundament für eine taugliche Auswertung zu schaffen, benötigt man nicht irgendwelche Informationen, sondern fachkundige Erfahrungen und Einschätzungen.
Dazu wurde der im Anhang A befindliche Fragebogen als Ergebnis dieser Planung erstellt. Dieser untergliedert sich der Überschaubarkeit geschuldet in 3 Punkte: Digitalisierung der Transportlogistik, Einsatz künstlicher Intelligenz anhand zweier Fallbeispiele und der Blick in die digitale Zukunft der Transportlogistik. Die zugehörigen Fragen wurden in Anlehnung an dem Skript von Dr. Sabine Lang entwickelt und dient der Gewinnung möglichst facettenreicher Informationen. (vgl. Lang, 2010, S. 19)
Ein Pretest10 hatte noch vor der ersten Befragung den Einsatz des Fragebogens beglaubigt. Insofern wurde dieser firmenintern an interessierte Führungskräfte gereicht, die diesen vorab beantworteten. In diesem Zusammenhang wurde Feedback darüber erteilt, ob die Fragen redundant und genügend verständlich sind, sinnvolle Antworten gegeben werden können, der Spannungsbogen passt und ein roter Faden erkennbar ist.
Stufe 2 – Qualitative Forschung
In dieser Stufe werden die gewonnen Daten in der Tiefe behandelt. Qualitativ meint hier also Informationstiefe, in dessen Kontext das folgende Instrument Vorrang für mich hat.
Gruppendiskussion (findet Anwendung unter Stufe 2, Kapitel 3.4.2)
Geradezu in Hinsicht auf die kritische Herangehensweise soll eine hochstrukturierte Diskussion auch solche „Aspekte einer Forschungsfrage ans Tageslicht bringen, auf die man spontan nicht ohne Weiteres kommen würde.“ (Lang, 2010, S. 8)
Ziel bei diesem Disput zwischen der dafür eigens ausgewählten dreiköpfigen Taskforce ist die Überprüfung der Hypothese (3.4.3) und die Einordnung der Ergebnisse (3.4.4). Die finalen Ergebnisse sind jedoch erst nach Ende der Diskussion und der anschließenden Datenanalyse nach Abschluss der Transkription11 möglich.
Auf die Methodik wird im Zuge der Durchführung unter Kapitel 3.4.2 eingegangen.
3.1.3 Zielgruppendefinition
Die Erhebungsinstrumente müssen im Rahmen der Befragung richtig platziert werden. So ist es im Grunde genommen von der Informationsquelle abhängig, wie kostbar erhobene Daten sind. Vermutungen sind hier fehl am Platz, insofern fällt meine Wahl geradenwegs auf erfahrene Fachspezialisten aus Transport- und industrieller Logistik und IT.
An dieser Stelle ist es mir zudem besonders wichtig, repräsentative Gruppen von Experten zu befragen. Anlässlich der Aktualität der Laderaumknappheit und der zeitgleichen Prognose von vermuteten KI-Lösungen in der Fachpresse rechne ich persönlich mit massiven Auffassungsunterschieden zwischen den erwähnten Parteien.
Um diesen Aspekt zu berücksichtigen, unterteile ich in 3 Gruppen, deren Daten separat erhoben und analysiert werden, jedoch im Ergebnis unter ein Gesamtergebnis fallen.
Abbildung in dieser Leseprobe nicht enthalten
Ein weiteres Auswahlkriterium, was dazu beitrug, dass ich diesen Personenkreis definiert habe, ist die Tatsache, dass es sich bei diesen Parteien um unmittelbar Beteiligte handelt. Beteiligt, da jeder dieser genannten Gruppen von einer KI Lösung im Zuge der Laderaumknappheit profitieren würde oder im Rahmen einer möglichen Umsetzung in irgendeiner Form beteiligt wäre/ ist. Kurzum, ausgehend von der Theorie (beginnend bei den Forschern) über die Entwicklung bis hin zur Praxis in die Umsetzung (den Betroffenen) werden damit die Informationen aller an dieser Kette Involvierten erhoben.
Im Rahmen der Ermittlung und Akquirierung solcher Experten, setzte ich auf
- Persönliche Kontakte, und erinnerte mich im Speziellen an alte Kollegen und Geschäftspartner, die ich mithilfe eines Telefonats oder mit einer Mail kontaktierte.
- Persönliche Empfehlungen, die ich insbesondere von ausgewählten Universitäten und von Vortragenden der Industrie- und Handelskammern erhielt.
- Berufliche Netzwerke (XING, LINKEDIN). Hier recherchierte ich nach Experten, die sich explizit mit diesem Thema befassen und der Zielgruppe angehören.
Die im Rahmen dieser Studie beteiligten Befragten (= Experten) finden sich in hier anonymisiert unter Anhang B. Die Angabe erfolgte dem persönlichen Wunsche nach.
3.2 Durchführung der Expertenbefragung
Die Grundsteine sind gesetzt und die Zielgruppenbefragung mittels des entwickelten Fragebogens kann nun aufgenommen werden. Dafür habe ich unter Berücksichtigung terminlicher Aspekte einen Zeitraum von insgesamt einem ganzen Monat angesetzt. Die Befragung fand primär in Form von telefonischen und persönlichen Gesprächen statt. Das Fundament dazu bildet dabei der Fragebogen, der die Grundlage (als Leitfaden) dieses Gespräches darstellt. Unterm Strich empfand ich den gewählten Zeitpunkt als sehr praktikabel, da sich mehrere der Befragten etwas Zeit nehmen können. Diejenigen, denen das hins. Überreizung an Mails und Anfragen aber leider doch nicht möglich war, konnte ich die Möglichkeit einräumen, dass diese den Fragebogen per Mail erhalten, um ihn dann in aller Ruhe abends im Hotel oder zuhause auf dem Sofa schriftlich auszufüllen. Wobei ich hier etwas Bedenken hatte, da es in der Natur des Menschen liegt, dass die offenen Möglichkeiten meist nicht sehr intensiv befüllt werden. Erfreulicherweise zeigte sich der Großteil der Befragten bereitwillig im Anschluss daran kurz zu telefonieren.
Abbildung in dieser Leseprobe nicht enthalten
Demnach stellte ich fest, dass jede der in fett- formatierten Verfahrens- weisen andere Vor- und Nachteile birgt. Diese Aspekte stellt die rechts befindliche Tabelle dar. In Hinblick auf möglichst dienlichen Erhebungen, wurde der größte Teil in persönlichen und telefonischen Gesprächen durchgeführt, um hinsichtlich unserer Problemstellung entsprechend repräsentativ zu bleiben. Vor diesen ersten Gesprächen war es mir noch gar nicht so richtig bewusst, welch hohen Anklang das Thema hat. Die hohe Resonanz und das große Interesse der Befragten an persönlichen Treffen und Telefonaten zu dieser Masterarbeit unterstreicht meiner Ansicht nach die hohe Brisanz, die KI und Laderaumknappheit mit sich bringt. Dieser Gegebenheit ist es zu verdanken, dass etwa ¾ der Gespräche persönlich/ telefonisch geführt werden konnten. Eine Korrekturmaßnahme in puncto Rückmeldungen war aufgrund dieser Besonderheit gar nicht nötig und die Expertenbefragung wurde termingerecht per Monatsende vollzogen.
3.3 Auswertung
Das Resumé: Es wurden alle 18 der unter Anhang B genannten Experten befragt. Dies erfolgte sowohl in telefonischer (6 von 18; 33,33 %) (i. d. R. bedingt durch Distanz- und Zeitprobleme), als auch persönlicher Form (9 von 18; 50,00 %), die erfreulicherweise deutlich überwogen hat. Lediglich 3 der insgesamt 18 Befragungen, sprich 16,67 % wurden rein über die E-Mail Korrespondenz abgewickelt. Der Experte hatte in diesem Fall den Fragebogen nach vorheriger Übereinkunft per Mail zur Verfügung gestellt bekommen und diesen dann nach bestem Wissen und Gewissen in aller Ruhe ausgefüllt und retour gesendet. Die Ergebnisse dieser Befragung werden dabei in je drei Aufbrüche dargestellt.
In diesem Zusammenhang erfolgt die Auswertung auf Basis von deskriptiven Verfahren12 zur Beschreibung von Daten und analytische Verfahren zur Prüfung von Zusammenhängen und Unterschieden. (Lang, 2010, S.22)
Abbildung in dieser Leseprobe nicht enthalten
Die hier gezeigte Abbildung stellt dar, wie hier vor-gegangen worden ist und mittels welcher Techniken die Daten aus den Fragebögen aus-gewertet wurden. In den Kapiteln 3.3.3 bis 3.3.5 werden die Ergebnisse unter Berücksichtigung formaler Erfordernisse (bspw. Auswahl ehrlicher Grafiken und Maßstäbe) fest umrissen dargestellt.
3.3.1 Resultate der Befragung
In meiner Auswahl der Methodik und der Zielgruppe wurde ich mehrfach bestätigt. Ich erfreue mich unter anderem der hohen Beteiligung (siehe Kapitel 3.3), seitens der gezielt repräsentativ-ausgewählten Fachexperten, welche die Resultate in Anbetracht der Vorarbeit zu Stufe 2 aber auch vor Institutionen und Unternehmen statistisch gesehen belastbar gemacht haben. Zum Vergleich, allgemeinere Umfragen an eine breitere Masse ohne belegbaren Referenzen hätten die Resultate dieser Befragung aufgrund der fehlenden Bezugspunkte verzerrt und die Beteiligung relativ geringgehalten.
[...]
1 Nicht organisatorisch geregelt. Ergeben sich oftmals ungeplant, durch spontane Verbindung - meist in Reaktion aus auftretenden Herausforderungen des Formellen (=Geplanten).
2 Die Zahlen beziehen sich auf die BRD.
3 Umsatz 2018: 1.808 Mio € (gemäß www.de.statista.com)
4 Hins. umworbener Zukunftstrends wie etwa autonomes Fahren (= Fahren ohne Fahrer).
5 Hierbei handelt sich um ein methodisches Entscheidungsverfahren, wo Experten mehrstufig einer Befragung unterzogen werden. Ziel dieser ist das Identifizieren zukünftiger Ereignisse, Trends, Lösungen für komplexe Probleme oder einfach Meinungen über unklare Sachverhalte zu ermitteln.
6 Auch bekannt als Feedback oder Rückmeldung.
7 „Digitalisierung steht für den Einsatz von Technologien und den Aufbau von Infrastrukturen, der umfassenden Generierung und Verwertung von Daten, der Vernetzung von Objekten und Akteuren und der Entstehung neuer Anwendungssysteme und Geschäftsmodelle“ (vgl. Naumann, Gundelfinger, Schwemmer, & Pflaum, 2017, S. 6 - 7)
8 Fachliteratur (für Interessierte): „Künstliche Intelligenz und Heuristisches Programmieren“ von Nicholas V. Findler und „Programmiermethoden der Künstlichen Intelligenz“ von Herbert Stoyan.
9 Eine theoretisch begründete aber überprüfbare Vermutung bzw. Annahme über Zusammenhänge von Sachverhalten oder auch eine provisorische Antwort auf ein wissenschaftliches Problem.
10 Erprobung eines Mittels für Untersuchungen vor der Durchführung der eigentlichen Erhebung.
11 Das Gesagte (hier: in einer Gruppendiskussion im Plenum) zu Protokoll (hier: via Audioaufnahmegerät, in diesem Fall also eine Audiotranskription) zu bringen.
12 Deskriptives Verfahren meint im Rahmen einer Datenanalyse die Verdichtung und Darstellung von Informationen zu einem einfachen verständlichen Gesamtbild (z. B. in Grafiken oder Tabellen).
- Arbeit zitieren
- Oliver Lang (Autor:in), 2018, Durch künstliche Intelligenz unterstütztes Logistik Management, München, GRIN Verlag, https://www.grin.com/document/463683
-
-
-
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen.