Künstliche Intelligenz wird häufig als Weg zu schnellerer Planung und widerstandsfähigeren Lieferketten beschrieben. Matthew Sterner, Global Customer Marketing Leader für Transport, Logistik und Lagerhaltung bei Honeywell, setzt einen anderen Schwerpunkt: Digitale Werkzeuge müssen an die tatsächliche Arbeit angepasst werden.
Logistiknetzwerke erzeugen Daten in Lagern, im Transport und im Kundenkontakt. Mehr Informationen schaffen jedoch nicht automatisch bessere Transparenz. Doppelte Datensätze, übersehene Ausnahmen und verspätete Aktualisierungen können dazu führen, dass ein System schnell, aber falsch entscheidet.

Arbeit nach ihrem Wert aufteilen
Ein untersuchter Versandprozess umfasste etwa 30 Schritte und wiederholte manuelle Eingaben. Eine Sendung konnte trotz widersprüchlicher Angaben oder eines fehlenden Sonderwunsches weiterlaufen. Die Prozessanalyse zeigte, welche Prüfungen automatisiert werden konnten und wo menschliches Urteil nötig blieb. Der Zeitaufwand für die Person sank von rund sechs Minuten auf 30 bis 45 Sekunden.
Das entspricht einem zentralen Industry-5.0-Gedanken: Effizienz bedeutet nicht, Menschen aus jeder Entscheidung zu entfernen. Sie bedeutet, Routine zu reduzieren und Beschäftigten bessere Informationen für Fälle zu geben, die Erfahrung, Kommunikation oder Abwägung erfordern. Unternehmen müssen festlegen, was eine Anwendung selbst ausführen darf, wann eine Freigabe notwendig ist und wie Konflikte mit internen Regeln behandelt werden.
Ein Signal hilft erst durch die Reaktion
KI kann einen unerwarteten Nachfrageanstieg erkennen und eine frühere Positionierung von Beständen unterstützen. Im Transport lassen sich Fahrzeugstandort und Wetterdaten verbinden, um eine Verzögerung zu erkennen, eine alternative Route vorzuschlagen und die erwartete Ankunft anzupassen. Resilienz entsteht daraus nur, wenn das Signal belastbar ist und ein Reaktionsprozess existiert.

Auch die Arbeitsumgebung muss berücksichtigt werden. In einem Team kann freihändige Anleitung sinnvoll sein, in einem anderen eine einfachere Unterstützung mit zusätzlicher Schulung. Sterner empfiehlt einen begrenzten Pilotversuch mit messbarem Ziel, um Datenqualität, Akzeptanz und den Nutzen einer breiteren Digitalisierung zu prüfen.







