KI-basierter Simulator zur Optimierung des Bestands

Das Massachusetts Institute of Technology (MIT) Center for Transportation & Logistics und Mecalux haben einen KI-basierten Simulator entwickelt, der die Bestandsverteilung in verschiedenen Lagern innerhalb desselben Logistiknetzwerks optimieren kann. Die Plattform, genannt Genetic Evaluation & Simulation for Inventory Strategy (GENESIS), nutzt fortschrittliche Machine-Learning-Modelle, um Tausende von möglichen Szenarien zu analysieren und den optimalen Lagerbestand in jedem Lager sowie den Zeitpunkt der Nachbestellung zu bestimmen.

Der KI-basierte Simulator berücksichtigt Variablen wie prognostizierte Nachfrage in jeder Region, Transportkosten und die operative Kapazität jedes Lagers, um verschiedene Bestandsnachfüllungsrichtlinien zu testen, ohne den realen Betrieb zu beeinträchtigen. „Der genetische Algorithmus ermöglicht es, mehrere Simulationen mit unterschiedlichen Parametern durchzuführen, bis die effizienteste Logistikstrategie gefunden ist. Unternehmen können Szenarien vergleichen und diejenige auswählen, die am besten zu ihren Abläufen passt“, sagt Dr. Matthias Winkenbach, Forschungsleiter am MIT Center for Transportation & Logistics und dem Intelligent Logistics Systems Lab.

Sobald Daten und Variablen in das System eingegeben werden, generiert GENESIS die optimale Lösung zusammen mit fortschrittlichen statistischen Dashboards. Nutzer können Indikatoren wie Verbrauchsmuster, Regionen mit hoher Nachfrageschwankung, SKUs mit erhöhtem Risiko von Lagerengpässen oder Lager mit Lieferproblemen analysieren.

Umverteilung vor dem Einkauf

Eines der wichtigsten Merkmale des Systems ist seine Fähigkeit, Bestände zwischen Lagern neu auszubalancieren. Anstatt automatisch neue Bestellungen bei Lieferanten aufzugeben, analysiert das Tool, ob es effizienter ist, Produkte von einer anderen Einrichtung im Netzwerk zu transferieren, in der überschüssiger Bestand vorhanden ist. Auf diese Weise können Unternehmen Kosten senken und vorhandenen Lagerbestand besser nutzen.

Das System empfiehlt auch, wie der Transport organisiert werden sollte. Zum Beispiel schlägt es vor, ob Sendungen konsolidiert werden sollten, um LKW-Ladungen zu optimieren, oder ob bestimmte Aufträge von einem bestimmten Standort aus erfüllt werden sollten, um Lieferzeiten und Kosten zu reduzieren.

„Die eigentliche Herausforderung bestand nicht darin, den richtigen Algorithmus zu finden — sondern ihn schnell genug zu machen, um ihn praktisch einsetzen zu können. Wir haben GENESIS von Grund auf entwickelt, um Tausende von Szenarien gleichzeitig statt sequenziell zu bewerten. Was früher Tage dauerte, dauert jetzt Minuten, was bedeutet, dass Unternehmen es für echte taktische Planung nutzen können, nicht nur für theoretische Analysen“, sagt Rodrigo Hermosilla, Forschungsingenieur am MIT Intelligent Logistics Systems Lab.

Im Gegensatz zu analytischen Lösungen, die nur für spezialisierte Nutzer gedacht sind, ist GENESIS sowohl für technische Teams als auch für Geschäftsentscheidende konzipiert. „Das Ziel ist, Unternehmen dabei zu helfen, die Gesamtkosten ihres Logistiknetzwerks zu minimieren und gleichzeitig den höchsten Serviceniveau zu gewährleisten“, sagt Javier Carrillo, CEO von Mecalux.

Zukünftige KI-Anwendungen

Der KI-gesteuerte Simulator ist eines der ersten greifbaren Ergebnisse der gemeinsamen Initiative zwischen Mecalux und MIT CTL. Die Zusammenarbeit befindet sich nun in einer neuen Phase, die sich auf die Erweiterung der KI-Anwendung auf andere logistische Prozesse konzentriert, wie z.B. interne Nachbestellung, digitale Zwillinge in hochdichten automatisierten Lagersystemen und Slotting-Optimierung.

Das MIT Center for Transportation & Logistics (MIT CTL) ist weltweit führend in der Forschung und Ausbildung im Bereich Supply Chain Management, mit über 50 Jahren Erfahrung. Die Arbeit des Zentrums umfasst Industriepartnerschaften, innovative Forschung und die Umsetzung von Supply-Chain-Innovationen durch drei Säulen: Forschung, Outreach und Bildung