Wie Daten, KI und Agenten die Supply-Chain-Planung verändern
Dieser Artikel ist der zweite Teil einer sechsteiligen Serie, die derzeit in der DVZ (Deutsche Verkehrs Zeitung, dvz.de) erscheint und die Zukunft jedes einzelnen Knotens in der Lieferkette analysiert. Zusammen mit SAP haben Prof. Hoberg und sein Team im letzten Jahr untersucht, wie sich Lieferketten realistisch entwickeln werden, und dabei Beiträge von 660 Lieferkettenexperten einbezogen.
In der Diskussion um die Zukunft des Lieferkettenmanagements steht ein Bereich zunehmend im Mittelpunkt: die Planung. Supply Chain Planning entscheidet nicht nur über die operative Effizienz, sondern beeinflusst direkt die Servicequalität, das gebundene Kapital und die Reaktionsfähigkeit eines Unternehmens.
Supply Chain Planning ist der zentrale Hebel, um Probleme zu antizipieren, bevor sie entstehen. Unternehmen, die Engpässe in ihren Lieferketten frühzeitig erkennen und Kapazitäten, Bestände und Ressourcen steuern, vermeiden hektisches „Feuerlöschen“ im Tagesgeschäft. Effektives Planen erfordert nahtlose Integration und Auswertung einer Vielzahl interner und externer Datenquellen – von granularen Abverkaufsdaten über wirtschaftliche Rahmendaten bis hin zu Produktions-, Beschaffungs- und Distributionsplänen.
Unterschiedliche Planungsebenen und -horizonte gilt es miteinander zu verknüpfen – und genau hier liegen enorme Chancen für künstliche Intelligenz (KI). Fortschrittliche Planungsprozesse werden in den kommenden zehn Jahren zur Selbstverständlichkeit. Wer bis 2035 nicht mindestens ein modernes, integriertes Planungsniveau erreicht, riskiert nicht nur Wettbewerbsnachteile, sondern den Verlust operativer Steuerungsfähigkeit.
Eine Umfrage für die Studie von SAP und Kühne Logistics University (KLU) unter rund 120 Supply-Chain-Entscheidern zeichnet ein klares Zukunftsbild (siehe Grafik unten). 42 Prozent erwarten, dass Planung im Jahr 2035 einfacher und intuitiver sein wird. Mehr als die Hälfte (56 Prozent) geht davon aus, dass generative KI und GPT-Modelle einen erheblichen Einfluss auf Planungsprozesse haben werden – und 60 Prozent sehen die Datenqualität als erfolgskritischen Faktor für Planungsentscheidungen. Zusätzlich rechnen viele mit dem Durchbruch neuer KI-gestützter Prognosetools, die zusätzliche Datenquellen einbeziehen und die Absatzplanung signifikant verbessern. Rund ein Viertel erwartet, dass fortschrittliche Risikoanalysen die Fähigkeit bieten werden, Störungen zu erkennen und abzumildern.
Allerdings: Nicht einmal jedes zehnte Unternehmen stuft seine Planung schon als ausgereift ein. Ebenso experimentieren wenige mit GenAI- oder GPT-Anwendungen im Planungsumfeld. Nur 7 Prozent verfügen über genaue, aus verschiedenen Quellen harmonisierte Planungsdaten. Hochautomatisierte Bedarfsplanung mit minimalem menschlichem Eingriff ist die Ausnahme, ebenso wie Planungssysteme, die klare Handlungsempfehlungen bei Störungen liefern. Diese Diskrepanz verdeutlicht, dass der Weg zu einer wirklich modernen, intelligenten Planung noch lang ist, und gezielte Investitionen, klare Prioritäten und strukturiertes Vorgehen erfordert.
Um die Lücke zwischen Anspruch und Wirklichkeit zu schließen, müssen verschiedene Ansätze verfolgt werden. Unternehmen, bei denen die Planung ein strategischer Kernprozess ist oder individuelle Abläufe erfordert, können mit agentenbasierter KI enorme Potenziale realisieren. Mit dem Aufkommen neuer Tools wird ein Großteil der repetitiven, fehleranfälligen Arbeit automatisiert, so dass sich Planer auf wertschöpfende Analysen und Entscheidungen konzentrieren können. Firmen mit standardisierten Prozessen und geringer strategischer Relevanz der Planung werden ihre Planungsfunktion künftig vermehrt als Service beziehen können.
Technologie und Plattformmodelle könnten erstmals eine echte End-to-End-Planung über Unternehmensgrenzen hinweg ermöglichen. Auch Simulationen und digitale Zwillinge werden eine wachsende Rolle spielen. Zwar scheitern diese heute oft an Komplexität, Modellierungsaufwand und Skalierbarkeit. Doch KI-gestützte Modellierungsagenten könnten künftig das Erstellen und Aktualisieren von Simulationen beschleunigen und präziser machen, wodurch ihr Einsatz in größeren Netzwerken praktikabler wird.
Unabhängig vom individuellen Zielbild gibt es Maßnahmen, die jedes Unternehmen sofort angehen sollte. Dazu gehört vor allem der Aufbau einer robusten Daten-Governance und die Harmonisierung von Stammdaten als Grundlage für jede datengetriebene Planung. Ohne qualitativ hochwertige Daten kann selbst das beste KI-System keinen sinnvollen Mehrwert liefern. Ein konsistenter, unternehmensweit abgestimmter IBP- oder S&OP-Prozess (Integrated Business Planning oder Sales & Operations Planung) schafft die Basis für ein gemeinsames Planungsziel. Erste Pilotprojekte mit agentenbasierter Absatzprognose helfen, Erfahrungen mit KI-gestützten Planungsansätzen zu sammeln. Schließlich ist es wichtig, bestehende Planungsplattformen mit KI-Services zu verknüpfen, um Integrationspotenziale frühzeitig zu erschließen.
Supply-Chain-Planung wird bis 2035 zu einem entscheidenden Unterscheidungsmerkmal zwischen erfolgreichen und abgehängten Unternehmen. Die Technologien, um Planung intelligenter, schneller und resilienter zu machen, existieren bereits – aber sie müssen mit klaren Zielen, einer belastbaren Datenbasis und organisatorischer Veränderungsbereitschaft kombiniert werden. Wer heute die Grundlagen legt, kann morgen nicht nur schneller und präziser planen, sondern auch strategisch agieren, bevor andere überhaupt reagieren können.
