Für resiliente industrielle Lieferketten reicht es nicht, große Datenmengen zu sammeln. Systeme müssen auch verstehen, wie ein Unternehmen Begriffe definiert und welche Regeln für eine Entscheidung gelten. Eine Integration von project44 und Snowflake Cortex AI soll genau diese Verbindung herstellen.
Im Mittelpunkt steht Mo, der KI-Analyst von project44. Teams formulieren Fragen in Alltagssprache; Mo interpretiert die Anfrage im jeweiligen Geschäftskontext, sucht die relevanten Datensätze und kann nächste Schritte vorschlagen. Damit soll die Reaktion auf Störungen beschleunigt und die operative Analyse breiter zugänglich werden.
Semantik als Voraussetzung für verlässliche Automatisierung
Die Messung pünktlicher Lieferungen kann je nach Unternehmen ab der Frachtbereitstellung oder ab der Abholung beginnen. Verkehrsträger, Verträge und Ausnahmen verändern die Bewertung zusätzlich. Mo nutzt deshalb die Logistik-Ontologie und Semantik von project44, anstatt allgemeine Annahmen zu verwenden.
Die Grundlage bilden rund eine Billion Sendungsdatensätze aus zehn Jahren, aktuelle Meilensteine und prognostizierte Ankunftszeiten. Cortex Analyst übersetzt die fachlich eingeordnete Frage in SQL und ruft die Ergebnisse aus den project44-Daten in Snowflake ab. Einen Überblick gibt die Mo-Plattform von project44.
Wirkung auf Kosten und Kontinuität
In internen Tests beantwortete Mo alle 10 geprüften Fragen korrekt; ein allgemeines Large Language Model kam auf zwei richtige Antworten. Mo lieferte in zehn Wiederholungen stets dasselbe Ergebnis und war 2,5-mal schneller. Nach Angaben von project44 nutzen 210 Kunden die Plattform, die bisher mehr als 50.000 Fragen beantwortet hat.
Zu den genannten Kundenergebnissen zählen 6 Millionen US-Dollar weniger Exposition gegenüber Stand- und Demurrage-Kosten, 200.000 US-Dollar freigesetztes Betriebskapital nach einer einzelnen Abfrage sowie knapp 750.000 US-Dollar Einsparungen in einer Initiative zur Störungssteuerung.
Der Industry-5.0-Gedanke zeigt sich darin, dass KI den Menschen mit schnellerem Zugriff auf relevante Informationen unterstützt. Werden Ausnahmen früher erkannt und besser eingeordnet, können Unternehmen Ressourcen gezielter einsetzen, Versorgungsunterbrechungen begrenzen und zugleich die Belastung manueller Analyse reduzieren.
