KI als Wegbereiter zu Effizienz und Komplexitätsbeherrschung im Supply Chain Management

Oskar Schneider (), Markus Wenzel () and Aron Dolling ()
Additional contact information
Oskar Schneider: Horváth & Partner GmbH
Markus Wenzel: Horváth & Partner GmbH
Aron Dolling: Horváth & Partner GmbH

Chapter 13 in Performance Intelligence, 2025, pp 203-216 from Springer

Abstract: Zusammenfassung Steigende Volatilität der globalen Absatzmärkte und zunehmende regulatorische und geopolitische Veränderungen wirken zeitgleich auf globale Wertschöpfungsketten und steigern Komplexität und Aufwand im Supply Chain Management (SCM). Wesentlicher Treiber ist hierbei die Verlagerung des SCM zu stärker operativen Fragenstellungen. Während historisch die strategische, taktische Optimierung mit stabilen Parametern und Rahmenbedingungen im Fokus stand, stehen heutzutage vor allem die Lösung kurzfristiger Probleme und die fortlaufende Optimierung im „Tagesgeschäft“ im Vordergrund. KI bietet im SCM das Potenzial der zunehmenden Komplexität und dem steigenden Aufwand effizient zu begegnen. Bereits heute wird KI daher in einer Vielzahl von Use Cases angewendet. Charakteristisch ist dabei, dass für nahezu alle Use Cases eine Korrelation zwischen Mehrwert und Anforderungen an die KI Readiness der SCM-Organisation besteht. KI-Use-Cases, welche eine Optimierung der gesamten E2E Supply Chain vorsehen, besitzen so häufig das größte Potenzial, haben aber auch die höchsten Anforderungen an Daten, Prozesse, Organisation und Governance im Zusammenhang mit KI. Bei der Umsetzung von KI Use Cases im SCM ist daher besonders darauf zu achten, dass der Mehrwert den Aufwand zur Umsetzung der Anforderungen rechtfertigt. Use Cases, die dieses Paradigma in der Praxis erfüllt haben, finden sich zum Beispiel in der Szenario-basierten Netzwerkoptimierung oder der Slotting-Optimierung in Lagern.

Date: 2025
References: Add references at CitEc
Citations:

There are no downloads for this item, see the EconPapers FAQ for hints about obtaining it.

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:spr:sprchp:978-3-658-49638-8_13

Ordering information: This item can be ordered from
http://www.springer.com/9783658496388

DOI: 10.1007/978-3-658-49638-8_13

Access Statistics for this chapter

More chapters in Springer Books from Springer
Bibliographic data for series maintained by Sonal Shukla () and Springer Nature Abstracting and Indexing ().