Ziel dieser Arbeit ist es, aufzuzeigen, welche Bereiche durch neue Ansätze wie künstliche Intelligenz und Robotik-Prozess-Automation in der Supply-Chain und im Einkauf optimiert werden können. Darüber hinaus wird dargelegt, welche Herausforderungen und Hindernisse auftreten können, die einer Umsetzung der genannten Ansätze in der Praxis entgegenstehen.
Der Begriff 'digitale Transformation' beschreibt einen Veränderungsprozess durch die Nutzung moderner datengetriebener Ansätze wie unter anderem Big Data, Cloud-Computing und Internet der Dinge (IoT). 'Industrie 4.0' wird hierbei oft als Oberbegriff verwendet. Die industriellen Wertschöpfungsketten können mithilfe der genannten neuen Ansätze Ressourcen effizient nutzen und die Automatisierung kann in allen Bereichen des Unternehmens gefördert werden.
Im Zusammenhang mit der Logistik haben diese Ansätze eine große Bedeutung. Potenzielle Ziele sind eine höhere Effizienz, bessere Termintreue, größere Kundenbindung und kürzere Durchlaufzeiten. Mithilfe von künstlicher Intelligenz (KI) und Robotik-Prozess-Automation (RPA) kann dieser Prozess noch besser, schneller und einfacher durchgeführt werden.
Viele Industrieunternehmen haben sich entschieden, bei diesem Wandel als Wegbereiter aufzutreten, um die Vorteile neuer Technologien und die sich bietenden Möglichkeiten wie Vernetzung, Agilität und Effizienz zu nutzen, um damit ihre digitale Reife zu erhöhen und ihre Wettbewerbsposition zu stärken. Vielen von ihnen ist es bisher jedoch aufgrund von Unsicherheiten im Rahmen des Veränderungsprozesses oder hoher Investitionen in die IT-Infrastrukturen nicht gelungen, diesen Wandel zu vollziehen.
Inhaltsverzeichnis
1 Einleitung
1.1 Hintergrund und Motivation
1.2 Zielsetzung und Forschungsfragen
1.3 Methoden und Struktur der Arbeit
2 Theoretische Grundlagen und Abgrenzung
2.1 Definition, Aufgaben und Ziele des Supply-Chain-Managements und des Einkaufs
2.2 Informationstechnologie im Supply-Chain-Management
3 Robotic-Process-Automation
3.1 Begriffserklärung
3.2 Business-Process-Management (cognitive Automation)
3.3 Allgemeine Funktionsweise von RPA
3.4 RPA-Software
3.4.1 UiPath
3.4.2 Automation Anywhere
3.5 Anwendungspotenzial von RPA in Unternehmensbereichen
3.5.1 Einkauf
3.5.2 Logistik
3.5.3 Kundenservice und Support
3.6 Grenzen und Herausforderung
4 Künstliche Intelligenz
4.1 Historische Entwicklung der künstlichen Intelligenz
4.2 Begriffserklärung und Abgrenzung: Künstliche Intelligenz, Machine Learning und Deep Learning
4.3 Differenzierung zwischen starker und schwacher künstlicher Intelligenz
4.4 Überblick über da Anwendungspotenzial der künstlichen Intelligenz in den Geschäftsbereichen
4.5 Grenzen und Herausforderung
5 Methodik der empirischen Untersuchung
5.1 Erhebungsinstrument
5.2 Fragebogenerstellung und Durchführung der Befragung
5.3 Datenauswertung
6 Auswertung der Ergebnisse
6.1 Allgemeine Auswertung
6.2 Ergebnis in Bezug auf die Forschungsfragen für RPA
6.3 Ergebnis in Bezug auf die Forschungsfragen für KI
7 Interpretation und Handlungsempfehlung
7.1 Interpretation der Ergebnisse
7.2 Handlungsempfehlung zum Einsatz von RPA im Einkauf und in der Supply-Chain
7.3 Handlungsempfehlung zum Einsatz von KI in der Supply-Chain und im Einkauf
8 Zusammenfassung und Ausblick
Zielsetzung & Themen
Diese Masterarbeit zielt darauf ab, das Anwendungspotenzial von Robotic-Process-Automation (RPA) und Künstlicher Intelligenz (KI) innerhalb der Supply-Chain und des Einkaufs zu untersuchen und praktische Handlungsempfehlungen für deren Implementierung abzuleiten.
- Grundlagen und Definitionen zu Supply-Chain-Management, Einkauf und Digitalisierung
- Funktionsweise und Anwendungspotenziale von Robotic-Process-Automation (RPA)
- Künstliche Intelligenz: Konzepte, Historie und Einsatzmöglichkeiten
- Empirische Untersuchung zur Bewertung von RPA und KI in der Unternehmenspraxis
- Herausforderungen und Grenzen bei der technologischen Transformation
Auszug aus dem Buch
3.1 Begriffserklärung
Das Institut für Robotic-Process-Automation & Artificial Intelligence (IRPAAI) definiert RPA folgendermaßen: „the application of technology that allows employees in a company to configure computer software or a ‚robot‘ to capture and interpret existing applications for processing a transaction, manipulating data, triggering responses and communicating with other digital systems“ (Langmann & Turi, 2020, S. 5).
Nach Langmann und Turi ist RPA ein Softwareprogramm, mit dem (Software-)Roboter programmiert werden können. Diese sind in der Lage, ganze Geschäftsprozesse oder auch nur einzelne Prozessschritte daraus selbstständig automatisiert durchzuführen (vgl. Langmann & Turi, 2020, S. ff. 5).
PricewaterhouseCoopers verwendet folgende Begriffsdefinition: RPA ist eine Automatisierung von Routineaufgaben durch Roboter. (Gehrer, 2017) Dabei handelt es sich nicht um Roboter im engeren Sinne, sondern um Softwareprogramme, die die Eingaben eines Benutzers in den Benutzerschnittstellen von Anwendungen ausführen. Dies geschieht unabhängig von der Anwendung, d. h., die Programme führen Aufgaben technologieübergreifend aus und ermöglichen die Automatisierung nicht nur einzelner Aufgaben, sondern ganzer Prozesse. Die nachstehende Abbildung 12 zeigt, welche Prozesseigenschaften für die Ansatz von RPA geeignet sind.
Zusammenfassung der Kapitel
1 Einleitung: Diese Einleitung erläutert die Motivation für die Transformation der Supply-Chain durch Digitalisierung und formuliert die zentralen Forschungsfragen.
2 Theoretische Grundlagen und Abgrenzung: Dieses Kapitel definiert SCM und den Einkauf und untersucht die Rolle der IT bei der Optimierung von Supply-Chain-Prozessen.
3 Robotic-Process-Automation: Hier werden Begriff, Funktionsweise, Software-Lösungen und das Anwendungspotenzial von RPA im Einkauf und der Logistik analysiert.
4 Künstliche Intelligenz: Dieses Kapitel behandelt die Historie, Definitionen, Arten der KI und das Anwendungspotenzial von KI-Technologien in betrieblichen Funktionsbereichen.
5 Methodik der empirischen Untersuchung: Hier wird der methodische Ansatz der quantitativen Onlinebefragung bei Experten zur Bewertung von RPA und KI beschrieben.
6 Auswertung der Ergebnisse: Dieses Kapitel präsentiert die deskriptiven Resultate der empirischen Befragung zu RPA- und KI-Anwendungen in der Praxis.
7 Interpretation und Handlungsempfehlung: Hier erfolgt die Interpretation der Ergebnisse bezogen auf die Forschungsfragen sowie die Ableitung von Handlungsempfehlungen.
8 Zusammenfassung und Ausblick: Das Fazit fasst die Potenziale von RPA und KI für die Supply-Chain zusammen und gibt einen Ausblick auf zukünftige Entwicklungen.
Schlüsselwörter
Supply-Chain-Management, Einkauf, Robotic-Process-Automation, Künstliche Intelligenz, Digitale Transformation, Prozessautomatisierung, Logistik, Machine Learning, Deep Learning, Prozessoptimierung, Industrie 4.0, Datenverarbeitung, IT-Management.
Häufig gestellte Fragen
Worum geht es in dieser Masterarbeit grundsätzlich?
Die Arbeit beschäftigt sich mit den Möglichkeiten der Automatisierung und Optimierung von Prozessen im Einkauf und in der Supply-Chain durch moderne Technologien wie RPA und KI.
Was sind die zentralen Themenfelder der Untersuchung?
Die zentralen Themen sind der Einsatz von Robotic-Process-Automation (RPA) zur Automatisierung repetitiver Aufgaben und die Nutzung von Künstlicher Intelligenz (KI) zur datengestützten Entscheidungsfindung und Prozessoptimierung.
Was ist das primäre Ziel der Arbeit?
Das Hauptziel ist es aufzuzeigen, in welchen Bereichen von Supply-Chain und Einkauf RPA und KI sinnvoll eingesetzt werden können, um Effizienzsteigerungen zu erzielen.
Welche wissenschaftliche Methode wurde für die empirische Untersuchung verwendet?
Es wurde eine quantitative Forschungsmethode mittels eines Online-Fragebogens gewählt, an dem Experten aus dem Bereich Supply-Chain und Einkauf teilgenommen haben.
Was behandelt der Hauptteil der Arbeit?
Der Hauptteil gliedert sich in theoretische Grundlagen zu SCM und IT, eine detaillierte technische Einführung in RPA und KI sowie die Auswertung und Interpretation der empirischen Ergebnisse.
Welche Schlüsselwörter charakterisieren die Arbeit am besten?
Wesentliche Begriffe sind Supply-Chain-Management, Robotic-Process-Automation (RPA), Künstliche Intelligenz (KI), digitale Transformation und Prozessoptimierung.
Welche Rolle spielt die Datenverfügbarkeit für KI-Anwendungen in der Arbeit?
Die Arbeit identifiziert die Datenverfügbarkeit als eine der zentralen Voraussetzungen für den erfolgreichen Einsatz von KI, da ohne eine solide Datenbasis keine smarten Informationen generiert werden können.
Wie unterscheidet sich RPA von BPM laut dem Autor?
RPA wird als nichtinvasive Lösung zur Automatisierung einzelner, repetitiver Abläufe beschrieben, während BPM einen ganzheitlicheren, strategischen Ansatz zur Analyse und Modellierung aller Geschäftsprozesse darstellt.
- Arbeit zitieren
- Marwen Hammami (Autor:in), 2020, Digital-Production-Management. Künstliche Intelligenz und Robotik-Prozess-Automation in der Supply-Chain und im Beschaffungswesen, München, GRIN Verlag, https://www.grin.com/document/1020978
