Leseprobe
Inhaltsverzeichnis
Abbildungs- und Tabellenverzeichnis
Anhangsverzeichnis
Abkürzungsverzeichnis
1. Einführung
1.1 Zur Bedeutung der künstlichen Intelligenz in der Logistik
1.2 Motivation und Zielsetzung
1.3 Methodisches und inhaltliches Vorgehen
2. Theoretische Grundlagen
2.1. Künstliche Intelligenz
2.2. Teilgebiete künstlicher Intelligenz
3. Einsatzgebiete der künstlichen Intelligenz in der Logistik am Beispiel von JD.com
4. Schlussbetrachtung
4.1. Zusammenfassung
4.2. Handlungsempfehlungen und Zukunftsaussichten
Anhang
Literaturverzeichnis
Abbildungs- und Tabellenverzeichnis
Abbildung 1: Ein- und Ausschlussgründe der systematischen Dokumentenanalyse.
Abbildung 2: Ableitung möglicher Ziele aus den KI-Definitionen.
Abbildung 3: Teilgebiete der KI.
Abbildung 4: KI Technologielandschaft.
Anhangsverzeichnis
Anhang A: Technologische Trends in der Logistik
Anhang B: Auswirkungen der Einführung KI auf die Angebote und Prozesse von Organisationen
Anhang C: Umsatz im Online Handel im Zeitverlauf
Anhang D: Literatursuchmaschinen und -datenbanken der systematischen Literatur- analyse
Anhang E: Suchanfragen und Ergebnisse der systematischen Literaturanalyse
Anhang F: Meilensteine in der Entwicklung von KI
Anhang G: Tabellarische Auflistung verschiedener KI-Definitionen
Anhang H: Teilgebiete künstlicher Intelligenz
Anhang I: Ein Vergleich von RPA und KI
Anhang J: Prozessoptimierung durch RPA
Anhang K: Erläuterung der KI Technologielandschaft
Anhang L: Übersicht über die Einflussfaktoren in der Lagerlogistik
Anhang M: Zukunftstrends der Logistik
Abkürzungsverzeichnis
Abkürzung Beschreibung
KI Künstliche Intelligenz
AI Artificial intelligence
KEP Kurier-, Express- und Paketdienstleister
RPA Robotergesteuerte Prozessautomatisierung
1. Einführung
In Kapitel 1.1 wird die aktuelle Bedeutung und Relevanz der künstlichen Intelligenz (KI) erläutert. Im Abschnitt 1.2 werden anschließend die Motivation und die Zielstellung der vorliegenden Arbeit aufgezeigt. Abschließend wird in Kapitel 1.3 das inhaltliche und methodische Vorgehen der Arbeit dargelegt.
1.1 Zur Bedeutung der künstlichen Intelligenz in der Logistik
In der heutigen Zeit fallen immer häufiger die Begriffe maschinelles Lernen, Robotik-Technologie oder KI im Allgemeinen. Dies zumeist vor dem Hintergrund Prozesse zu optimieren und Aufgaben effizienter und schneller lösen zu können1. Vor allem im Bereich der Logistik steigen die Anforderungen und Herausforderungen, denen sich Unternehmen stellen müssen2. Logistikunternehmen stehen sowohl steigenden Kunden- und Wettbewerbsanforderungen gegenüber als auch einem tiefgreifenden technologischen Wandel3 (Siehe Anhang A für eine Übersicht der technologischen Trends in der Logistik). Es herrschen eine hohe Markttransparenz, verkürzte Innovationszyklen und steigende Anforderungen an kurze Lieferzeiten sowie eine hohe Lieferqualität und Termintreue. Weiterhin geht der Trend hin zu einer immer weiter steigenden Individualisierung der Kundenwünsche. „Es wird deutlich, dass diejenigen Unternehmen dauerhafte Markterfolge erzielen, die ihr logistisches Leistungspotenzial erschließen und als aktives Instrument im Wettbewerb einsetzen“ 4. Um die Herausforderungen der Zukunft erfolgreich zu meistern, bedarf es neuer Lösungsansätze. Ein möglicher Lösung Ansatz ist der Einsatz KI. Diese setzt neue Möglichkeiten frei und schafft Potenziale über alle Branchen hinweg, auch in der Logistik5. Gestützt wird diese Aussage zusätzlich durch eine Umfrage vom MIT Sloan Management Review in Zusammenarbeit mit der Boston Consulting Group, nach welcher 85% der Führungskräfte glauben, dass sie durch KI in ihrem Unternehmen Wettbewerbsvorteile generieren können6 (siehe Anhang B für eine Übersicht der voraussichtlichen Auswirkungen der Einführung KI auf die Angebote und Prozesse von Organisationen).
Der Geschäftsführer des Digitalverbandes Bitkom, Bernhard Rohleder, ist der Auffassung, dass der Logistik „ durch autonome Systeme und Künstliche Intelligenz nicht nur eine Optimierung von Geschäftsprozessen, sondern eine echte Revolution“ 7 bevorsteht. Bei einer Befragung von 508 Unternehmen mit eigenen Logistikprozessen wurde die Bedeutung der KI für die Logistik weiter untermauert. Demnach glaubt ein Großteil der befragten Unternehmen, dass viele Aufgaben in der Logistik, wie z.B. die Planung der besten Route oder der Transport der Waren in der Zukunft durch selbstlernende Systeme und KI übernommen werden8.
Die wachsenden Anforderungen an die Logistikbranche werden außerdem durch den rapiden Anstieg des Online Handels unterstrichen. Der Umsatz durch E-Commerce stieg in Deutschland in den vergangenen Jahren immer weiter an und erreichte im Jahr 2017 einen Höhepunkt bei 48,7 Mrd. Euro9. Nach einerStatista-Prognose werden im Jahr 2022 global rund 2,1 Billionen Euro im E-Commerce umgesetzt10 (Siehe Anhang C für eine Darstellung der Entwicklungen im E-Commerce). Im Jahr 2016 wurden erstmals innerhalb eines Jahres von Kurier-, Express- und Paketdienstleister (KEP) in Deutschland mehr als 3 Mrd. Sendungen befördert, d.h. mehr als 10 Mio. Sendungen pro Zustelltag11. „ Entwicklungen wie der Online-Handel, die Industrie 4.0 und die Vernetzung aller Dinge bedeuten mehr Güter, mehr Transport und mehr Logistik “12, bestätigt auch Alexander Dobrindt, Bundesminister für Verkehr und digitale Infrastruktur.
1.2 Motivation und Zielsetzung
Aus der oben aufgeführten Ausführung wird die wachsende Bedeutung der KI, sowie die Einsatzmöglichkeiten und Potenziale, welche diese über alle Industrien hinweg freisetzt deutlich. Ziel dieser Arbeit ist es, ein grundlegendes Verständnis des Themengebietes der KI zu schaffen und den Einfluss der KI auf die Logistik näher zu beleuchten. Daher liegt dieser Arbeit die folgende Forschungsfrage zugrunde:
„Welche Relevanz hat die KI für die Logistik und welche Potenziale und Vorteile schafft die Anwendung KI bereits heute?“.
Anschließend werden die Anwendungsmöglichkeiten am praktischen Beispiel des chinesischen E-Commerce-Giganten JD.com analysiert und dargelegt.
1.3 Methodisches und inhaltliches Vorgehen
Die vorliegende Identifizierung der möglichen Einsatzgebiete der KI in der Logistik stützt sich methodisch auf eine systematische Literaturanalyse. Diese verfolgt den Sinn und Zweck alle relevanten Zitate aus elektronischen Datenbanken zu einer gegebenen Fragestellung aufzufinden13. „ Die recherchierten Literaturangaben und -quellen bilden den Grundstein, auf dem die Darstellung des Forschungsstandes in Hausarbeiten […] basiert “14.
Zur Analyse wurden die folgenden Datenbanken verwendet: Katalog Plus, Opac, EBSCO, Google Scholar und Google (siehe Anhang D für eine Übersichtstabelle und Beschreibung der verwendeten Datenbanken). Überwiegend wurden jeweils die Suchbegriffe „ artificial intelligence" und „ Künstliche Intelligenz “, sowie diese in Kombination mit „ Logistik“ und „ logistics“ im Rahmen einer Volltextsuche verwendet (siehe Anhang E für eine Darstellung der Suchanfragen und Ergebnisse der systematischen Literaturanalyse). Die Verknüpfung der unterschiedlichen Schreibweisen erfolgte mittels der Boole´schen Operatoren „UND" bzw. „ODER". So wurden mit einer Suchanfrage beide Schreibweisen abgedeckt15. Die gefundenen Veröffentlichungen wurden auf Informationen bezüglich der Anwendung KI in der Logistikbranche untersucht, um die Relevanz der KI in der Logistik und die daraus resultierenden Potenziale und Vorteile zu identifizieren. Im Voraus wurden gewisse Ausschlusskriterien gebildet mittels welcher bestimmt wurde, ob die Veröffentlichungen als Grundlage herangezogen werden können. Die nachfolgende Abbildung gibt einen Überblick der Ein- und Ausschlusskriterien für die Publikationen:
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 1: Ein- und Ausschlussgründe der systematischen Dokumentenanalyse.
Inhaltlich wird nach einer Einführung in das Fachgebiet der KI und einem Anriss der Bedeutung der KI für die Logistik sowie einer Darstellung der Motivation und Zielsetzung der vorliegenden Arbeit, in Kapitel zwei eine einheitliche theoretische Grundlage des Themengebietes der KI geschaffen. Hierfür wird die KI mittels einer Gegenüberstellung vorhandener KI-Definitionen definiert und es werden unterschiedliche Teilgebiete der KI kurz dargelegt.
In Kapitel drei werden anschließend mögliche Einsatzgebiete der KI im Allgemeinen und im Speziellen in der Logistik aufgezeigt. Letzteres wird am praktischen Beispiel des vollautomatisierten Lagers des chinesischen E-Commerce-Unternehmens JD.com dargelegt.
Abschließend werden die Erkenntnisse zusammengefasst, die Forschungsfrage erneut aufgegriffen und beantwortet sowie Handlungsempfehlungen hieraus abgeleitet. Des Weiteren wird ein Ausblick in die Zukunft des Forschungsgebietes gewährt.
2. Theoretische Grundlagen
Ziel dieses Kapitels ist die Erschließung eines umfassenden Verständnisses des Themengebietes der KI, sowie die Schaffung einer einheitlichen Definitionsgrundlage für diese Arbeit. Weiterhin werden die jeweiligen Teilgebiete der KI kurz angeschnitten und mögliche Ziele aus den KI-Definitionen abgeleitet.
2.1. Künstliche Intelligenz
Die KI ist ein sehr breit gefächertes und nur schwer zu greifendes Gebiet, welches eine breite Definitionsvielfalt aufweist. Aus der Forschung und Fachwelt geht nicht eindeutig hervor, was unter KI zu verstehen ist und wie der Begriff definiert wird16.
Seit im Jahr 1950 die erste konkrete Idee der KI von Alan Turing mit dem sogenannten Turing- Test vorgestellt wurde (Test um zu ermitteln, ob eine Maschine ein dem Menschen gleichwertiges Denkvermögen besitzt17 ), hat sich viel auf dem Gebiet der KI getan und der technologische Horizont hat sich stark erweitert18 (siehe Anhang F für eine Übersicht der Meilensteine in der Entwicklung der KI).
Wissenschaftler und Ingenieure haben es in unserer heutigen Zeit geschafft, Maschinen zu entwickeln, welche als intelligent bezeichnet werden können. Damit stellt sich jedoch die Frage, was mit dem Wort „Intelligent“ gemeint ist19. Gemäß des deutschen Dudens ist Intelligenz die „Fähigkeit [des Menschen], abstrakt und vernünftig zu denken und daraus zweckvolles Handeln abzuleiten“ 20.
Auf Grundlage dieser Definition von Intelligenz kann man sich nun den verschiedenen Definitionen der KI widmen. Einer der ersten Ansätze zur Erklärung der KI liefert John McCarthy im Jahr 1955: „The goal of AI is to develop machines that behave as though they were intelligent” 21 . Das Ziel der KI ist es demnach, dass hierdurch Maschinen entwickelt werden, welche wie wir Menschen abstrakt und vernünftig denken und auf dieser Grundlage ihr Handeln selbst bestimmen können. Einen anderen Ansatz verfolgt beispielsweise Negnevitsky. Für ihn steht der Vergleich der Intelligenz von Maschine und Mensch im Vordergrund, denn „artificial intelligence is a science that has defined its goal as making machines do things that would require intelligence if done by humans” 22 .
KI ist somit die Fähigkeit einer Maschine bzw. eines Computers Handlungen durchzuführen, die eine gewisse Intelligenz erfordern. Ziel ist die Simulation menschlicher Intelligenzprozesse23. Diese Systeme zeichnen sich durch Anpassungsfähigkeit, ein Gedächtnis, die Fähigkeit zu lernen, Flexibilität, und zeitliche Dynamik aus24. Des Weiteren sind sie gekennzeichnet durch die Fähigkeit auf der Grundlage früherer Erfahrungen oder unzureichender Informationen Entscheidungen zu treffen25 (siehe Anhang G für eine Auflistung weiterer KI-Definitionen).
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 2: Ableitung möglicher Ziele aus den KI-Definitionen.
Die verschiedenen Definitionen können vier Gruppen von Ziele zugeordnet werden (siehe Abbildung 1). Ein Teil der für diese Arbeit untersuchten Definitionen befasst sich mit den Denk- und Argumentationsprozessen (obere Reihe der nachfolgenden Grafik), während sich der andere Teil dem Verhalten widmet (untere Reihe). Die rechte Einteilung misst den idealen Begriff der Intelligenz, die sogenannte Rationalität. Die linke Einteilung hingegen misst den Erfolg in Bezug auf die menschliche Leistung26.
Um ein einheitliches Verständnis und eine Grundlage für diese Arbeit zu schaffen, wird die folgende Definition der KI als Ausgangspunkt festgelegt:
KI verfolgt das Ziel der Entwicklung intelligenter Systeme, welche kognitive Aufgaben lösen können, die mit den höheren intellektuellen Verarbeitungsfähigkeiten eines Menschen verglichen werden können.
2.2. Teilgebiete künstlicher Intelligenz
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 3: Teilgebiete der KI.
Das KI-Forschungsfeld hat sich über die Zeit exponentiell ausgeweitet und ist inzwischen grundlegend und elementar für eine Vielzahl an weitverbreiteten Technologien. Das Forschungsfeld lässt sich mittlerweile in zehn Teilgebiete unterteilen. Diese Teilgebiete können wiederum unter den folgenden drei Oberkategorien zusammengefasst werden: KI-Felder, welche sich mit Daten oder Prozessen auseinandersetzen, solche, welche sich vor allem auf die Verarbeitung von Informationen konzentrieren und solche, welche Aktivitäten hervorrufen und auslösen27. Die einzelnen Teilgebiete sind die folgenden: Maschinelles Sehen, Spracherkennung, Verarbeitung natürlicher Sprache, Informationsverarbeitung, maschinelles Lernen, Planende und untersuchende Agenten, Bilderkennung, Sprachgenerierung, Handhabung und Kontrolle und Navigation und Bewegung. Die nachfolgende Abbildung gibt einen grafischen Überblick der zehn Teilgebiete. Aufgrund des beschränkten Umfanges der vorliegenden Arbeit, befindet sich eine detaillierte Betrachtung der Teilgebiete in Anhang H.
3. Einsatzgebiete der künstlichen Intelligenz in der Logistik am Beispiel von JD.com
Die Logistik befindet sich in einem stetigen Wandel und „ aus dem klassischen „Transport, Umschlag, Lagerung”-Geschäft und strikter Funktionsorientierung entwickelte sich ein globales, netzwerkintegrierendes Aufgabenfeld“ 28. Aufgrund dieses Wandels, des wachsenden Datenvolumens und des Zwangs wettbewerbsfähiger Unternehmen stets schneller, kostengünstiger und termingerecht zu liefern, gewinnen KI-Systeme auch in der Logistikbranche immer mehr an Bedeutung29.
Eine aktuelle Potenzialanalyse des IT-Konzerns Sopra Steria zeigt, dass knapp drei Viertel der befragten Logistikentscheider mit Kosteneffekten durch den Einsatz KI rechnen30. Dennoch haben bisher erst knapp 20 Prozent der befragten Unternehmen, im Bereich Logistik und Transport, KI im Einsatz31. Am häufigsten wird dabei die robotergesteuerte Prozessautomatisierung (RPA) eingesetzt32 (siehe Anhang I für einen Vergleich von RPA und KI und Fehler! Verweisquelle konnte nicht gefunden werden. für eine Übersicht des Potenzials von RPA).
Es gibt bereits heute eine Vielzahl an Einsatzmöglichkeiten der KI in der Logistikbranche. Grob lässt sich sagen, dass sich diese zur heutigen Zeit in der Logistik vor allem zu Datenanalyse- und Prognose-Zwecken einsetzen lässt33. Beispielsweise findet die KI Anwendung bei der Prognose zur Nachfrage, Fahrzeiten oder Retouren. Außerdem ist es möglich durch die KI sich wiederholende Prozesse und Standardereignisse zu automatisieren und zu optimieren, beispielsweise mittels Roboter34. Die nachfolgende Abbildung (siehe Abbildung 3) veranschaulicht die KI-Technologien von heute und solche, welche voraussichtlich in den nächsten ein bis vier Jahren Einzug in diverse Produkte und Dienstleistungen erhalten könnten (siehe Anhang K für eine detaillierte Untersuchung der Technologielandschaft der KI).
Abbildung in dieser Leseprobe nicht enthalten
Abbildung 4: KI Technologielandschaft.
Aufgrund des begrenzten Umfangs der vorliegenden Arbeit, konzentriert sich die folgende Ausführung auf die KI in der Lagerlogistik am Beispiel von JD.com. Grund für die Wahl dieses Unternehmen ist, dass JD.com als zweitgrößte chinesische E-Commerce-Firma das weltweit erste vollautomatisierte Lager gebaut hat und somit als Vorreiter in Bezug auf eine mögliche „Logistik 5.0“35 gilt36.
JD.com verkauft seine Produkte hauptsächlich direkt, unterhält eigene Warenlager und verfügt über eigene Logistiknetze mit Liefer- und Abholstationen37. Das Unternehmen hat das Ziel durch Automatisierungstechniken den Betrieb in seinen Logistiklagern erheblich zu verbessern. Idealerweise wird so die Geschwindigkeit und Effizienz der Sortierung und Lieferung von Produkten in den Lagerhäusern verbessert, Kosten gesenkt und letztlich der Umsatz gesteigert. Richard Liu, Gründer und CEO38 von JD.com erklärte im Juli 2017, dass die KI ein notwendiger Bestandteil der zukünftigen Geschäftsstrategie des Unternehmens sei39.
JD.com hat es geschafft das weltweit erste unbemannte Warenlager zu entwickeln, welches in der Nähe von Shanghai steht, wenn auch erst einmal als Testanlage. Das Lager umfasst die folgenden vier Betriebssystemen und Verarbeitungsschritte: Empfang, Lagerung, Kommissionierung und Verpackung. In dem Lager befindet sich eine Vielzahl an Robotern, die während des gesamten Prozesses unterschiedliche Funktionen übernehmen (siehe Anhang L für eine Übersicht über die Einflussfaktoren in der Lagerlogistik). Diese Bots sind in der Lage Befehle gemäß den Systemanweisungen auszuführen, Kollisionen zu vermieden und Routen zu optimieren40. Sobald die Pakete von den Lkws abgeladen werden, gelangen diese in ein komplexes Netz automatisierter Maschinen in denen schnell umlaufende automatisierte Förderbänder jede Box umschließen. Bildscanner prüfen die Pakete in Sekundenbruchteilen, während das intelligente Logistiksystem von JD.com berechnet, wo die Pakete abgesetzt werden sollen. Die Pakete werden nach Regionen großen Behältern zugeordnet, die von fahrerlosen Gabelstaplern abgeholt und zum entsprechenden Lkw zur Lieferung an den richtigen Bestimmungsort gebracht werden41.
Das Lager umfasst eine Umschlagkapazität von 200.000 Bestellungen pro Tag42. Das unbenannte Lager führt zum einen zu einer erheblich verbesserten Arbeitseffizienz und zum anderen zu einer langfristigen Kostenreduktion. Zum Beispiel sind die Roboter in der Lage 3.600 Artikel pro Stunde zu sortieren, dies entspricht rund dem fünffachen einer menschlichen Arbeitskraft. Dennoch hat dieser Fortschritt auch eine Kehrseite, denn das Unternehmen beabsichtigt mithilfe von KI die Anzahl der JD.com-Mitarbeiter innerhalb eines Jahrzehnts von etwa 120.000 auf 80.000 zu reduzieren43. Richard Lui, der CEO von JD.com betont aber, dass das Unternehmen nach wie vor Personen benötigt, „um die Kameras zu bedienen, die Drohnen, die Zustell-Roboter und das gesamte menschenleere Lager zu kontrollieren und zu beobachten“ 44. Zudem werden auch weiterhin einige qualifizierte Mitarbeiter benötigt, „ die sich um die Verwaltung des gesamten Systems kümmern und dieses auch, falls nötig, reparieren “45.
Zusammenfassend schafft JD.com mittels der technologischen Weiterentwicklungen eine erhebliche Steigerung der Effizienz. KI muss in unserer heutigen Zeit genutzt werden, da alle traditionellen Technologien und Methoden ausgeschöpft wurden, um die Einzelhandelskosten zu verbessern und die Effizienz zu maximieren. Es ist die einzige Möglichkeit einen weiteren entscheidenden Durchbruch bei der Effizienzmaximierung zu erreichen46.
4. Schlussbetrachtung
Zum Abschluss werden die wichtigsten Erkenntnisse dieser Arbeit zusammengefasst (Abschnitt 4.1). Im Abschnitt 4.2 wird anschließend die zu Beginn formulierte Forschungsfrage aufgegriffen und beantwortet, sowie Handlungsempfehlungen und Zukunftsaussichten aus den Erkenntnissen abgeleitet.
4.1. Zusammenfassung
Insgesamt gilt es festzuhalten, dass sich der Logistikmarkt in einem Umbruch befindet47 und sich der technologische Wandel in der heutigen Zeit exponentiell vollzieht (siehe Anhang M für eine Darstellung der Zukunftstrends in der Logistik).
Wie das Fallbeispiel der chinesischen E-Commerce-Firma JD.com aufzeigt, setzt das Themengebiet der KI große Potenziale und Erwartungen frei. Dennoch lassen sich mittels des dargelegten Beispiels auch Unsicherheiten und Schwachstellen bzw. mögliche Verbesserungspotenziale identifizieren. Das erste vollautomatisierte Lager ist ein großer Schritt, um auch in Zukunft die steigenden Anforderungen und Herausforderungen, denen die Logistikbranche gegenübersteht, zu bewältigen. Das Beispiel von JD.com zeigt primär auf, dass der Einsatz KI hilft Prozesse zu automatisieren und zu optimieren und so zu einer enormen Produktivitäts- und Effizienzsteigerung in der Logistik führen kann48. Dies gelingt in dem Unternehmen unter anderem durch eine höhere Geschwindigkeit und Effizienz bei der Sortierung und Lieferung von Produkten. Die verbesserte Effizienz erstreckt sich über die vier Bereiche Empfang, Lagerung, Kommissionierung und Verpackung und ermöglicht eine Anhebung der Umschlagskapazität auf 200.000 Bestellungen pro Tag. Kritiker sehen oft, dass durch die Entwicklung und Implementierung von KI eine Vielzahl an Arbeitsplätzen gefährdet sind49, was durch das oben aufgeführte Beispiel bestätigt wird. So wird befürchtet, dass Systeme mittels KI intelligenter werden als Menschen und so immer mehr Tätigkeiten durch Maschinen übernommen werden, welche bisher von menschlicher Hand verrichtet wurden50. Dies könnte, insbesondere in der Logistikbranche, zu einem starken Anstieg der Arbeitslosigkeit führen.
[...]
1 Vgl. Shiprocket (2018), online.
2 Vgl. Arndt (2015), online.
3 Vgl. Wildemann (2009), S.4.
4 Wildemann (2009), S. 4.
5 Vgl. Boston Consulting Group (2017b), online; Moudud-UI-Huq (2014); Ilić/Marković (2016); McKinsey Global Institute (2018), online.
6 Vgl. Boston Consulting Group (2017b), online.
7 DVZ (2017), online.
8 Vgl. DVZ (2017), online.
9 Vgl. Statista (2018a), online.
10 Vgl. Statista (2018b), online.
11 Vgl. Bundesverband Paket und Express Logistik (2017), online.
12 Transport logistic (2017), online.
13 Vgl. Guba (2007), S. 62.
14 Läzer et al. (2010), S. 4.
15 Vgl. Gechter et al. (2013), S. 32; Guba (2007), S. 64.
16 Vgl. Van de Gevel/Noussair (2013), S. 10.
17 Vgl. McKinsey Global Institute (2017), online.
18 Vgl. Munoz/Naqvi (2017), S. 3.
19 Vgl. Negnevitsky (2002), S. 1.
20 Duden, online.
21 McCarthy et al. (1955), zit. nach Ertel (2011), S. 1.
22 Negnevitsky (2002), S. 18.
23 Vgl. Desouza (2002), S. 29; Ertel (2011), S. 5; Niewiadomski/Anderson (2017), S. 30.
24 Vgl. Techtarget (2016), online.
25 Vgl. Krishnakumar (2003), S. 1.
26 Vgl.Van de Gevel/Noussair (2013), S. 10.
27 Vgl. Boston Consulting Group (2017a), online.
28 Wimmer/Grotemeier (2017), S. 27.
29 Vgl. Windt (2006), S. 3.
30 Vgl. Sopra Steria (2017), S. 27.
31 Vgl. Hermes Supply Chain Blog (2017), online.
32 Vgl. Hermes Supply Chain Blog (2017), online.
33 Blue Rocket (2017), online
34 Vgl. Wimmer/Grotemeier (2017), S. 144.
35 Industrie 5.0, zu welcher die Logistik 5.0 zu zählen ist, ist die nachfolgende Entwicklungsstufe auf die Industrie 4.0, welche die Produktion mit modernster Informations- und Kommunikationstechnik verzahnt (Quelle: Plattform Industrie 4.0, online).
36 Vgl. YICAI Global (2017), online.
37 Vgl. Godmode Trader (2018), online.
38 CEO: Kurz für “Chief Executive Officer”: im angelsächsischen Raum Bezeichnung für den Vorsitzenden der Geschäftsführung oder des Vorstandes eines Unternehmens (Quelle: Boerse.ard.de, online).
39 Vgl. TechEmergence (2018), online.
40 Vgl. YICAI Global (2017), online.
41 Vgl. Tech in Asia (2017), online.
42 Vgl. South China Morning Post (2017), online.
43 Vgl. TechEmergence (2018), online.
44 Logistik-Watchblog (2017), online.
45 Kloepfel Consulting (2017), online.
46 Vgl. TechEmergence (2018), online.
47 Vgl Wimmer/Grotemeier (2017), S. 21.
48 Vgl. SIPMM (2017), online.
49 Brynjolfsson/McAfee (2011), S. 5; Brynjolfsson/McAfee (2016), S. 2; Frey/Osborne (2017), S. 1; Morikawa (2017), S. 2; Gibbs (2017), S. 1; Investopedia (2017), online.
50 David (2017), S. 79; Gibbs (2017), S. 1; Morikawa (2017), S. 2.