Diese Studienarbeit beinhaltet eine umfangreiche Einführung in die Künstliche Intelligenz und Machine Learning. Dabei nimmt sie Bezug auf ihren Nutzen in der Logistikbranche. Im Fokus der Betrachtung liegen technische Anwendungen und Trends in der Branche.
Die Industrie steht in vielerlei Hinsicht an der Schwelle zu einem neuen Zeitalter. Es ist gerade einmal dreißig Jahre her, dass ERP Systeme 4 ihren Weg in den Unternehmensalltag fanden. Heute sind sie kaum noch wegzudenken – kein Arbeitsplatz in einer verwaltenden Position kommt mehr ohne einen Computer aus. Immer mehr Prozesse wurden digitalisiert, die Datenmengen wuchsen enorm und der Optimierungsdrang trieb die Entwicklungen stetig voran. Seit ca. 2011 spricht man von einer industriellen Revolution, die im Gange sei, der Industrie 4.0. Eine Zeit, in der die Dinge so weit vernetzt sind, dass sich bald zu jedem Zeitpunkt jeder Zustand eines jeden Teiles in einem System erfassen lässt.
Daten heißen nun Big Data und das Internet ist nun das Internet of Things. In dieser Zeit des Umbruches ist es selbstverständlich geworden, alle uns bekannten Technologien zu hinterfragen und diese, wenn nötig, radikal auszutauschen.
Es wäre ein Fehler, sich dem zu entziehen. Jede disruptive Technologie brachte in der Vergangenheit Gewinner und Verlierer hervor und selbst die Evolution bestrafte schon immer die mit der geringeren Anpassungsbereitschaft. Betrachtet man den Technologiewandel als ein Rennen, ergeben sich in punkto Digitalisierung für deutsche Unternehmen bereits heute herbe Defizite6. Es gilt also, Schritt zu halten mit den Konkurrenten im Inland und insbesondere mit denen im außereuropäischen Ausland.
Dazu sollte sich zunächst ein Überblick über die Thematik verschafft werden. Ziel dieser Arbeit ist es daher, dem Leser eine umfangreiche Basis für die eigene Recherche zu bieten und praktische Ansätze für die Implementierung einiger dieser Technologien zu liefern.
Inhaltsverzeichnis
- Einleitung
- Hintergrund und aktuelle Debatten
- Motivation
- Grundlagen
- KI
- Definition und Wortherkunft
- Geschichte
- Turing-Test
- Abgrenzung zu herkömmlichen Algorithmen
- Machine Learning
- Funktionsweise
- Überwachtes Lernen
- Unüberwachtes Lernen
- Bestärkendes Lernen
- Big Data
- Definition
- Rolle im Machine Learning
- Datenquellen in der Logistik
- Stärken und Chancen
- Logistik und KI - eine natürliche Synergie?
- Wahrnehmung in der Wirtschaft
- Nutzbarmachen von KI durch Zerlegung von Prozessen
- Die Logik von Transportproblemen
- Das Traveling Salesman Problem
- Einsatzgebiete von KI in der Logistik
- Klassifizierung von Aufgabenbereichen
- ML für Erkennungsaufgaben
- ML für Analyseaufgaben
- ML für Planungs- und Entscheidungsaufgaben
- ML für Ausführungsaufgaben
- Die Digitale Spedition
- Schwächen und Gefahren
- Das Zurückbleiben der Digitalisierung
- Fehleranfälligkeit
- Sicherheit und Haftung
- Maschinenethik
- Internationaler Wettbewerb
- Implementierung von KI im Unternehmen
- Aachener Digital-Architecture Management
- Abschätzung der Wirtschaftlichkeit
- Schluss
- Zusammenfassung
- Fazit
- Ausblick und Empfehlungen
- Persönliche Schlussbemerkung
Zielsetzung und Themenschwerpunkte
Dieses Papier untersucht die transformative Kraft von Künstlicher Intelligenz (KI) und Machine Learning (ML) in der Logistikbranche und deren Integration in wirtschaftliche Anwendungen. Es legt zunächst ein breites Fundament für die Wissenschaft des ML, um dem Leser das Konzept der selbstlernenden Software zu vermitteln. Verwandte Technologien wie Big Data und Cloud Computing werden ebenfalls erläutert, da sie als Voraussetzungen für die Implementierung von KI betrachtet werden.
- Die Bedeutung von KI und ML für die Transformation der Logistikbranche
- Die Funktionsweise von ML und seine Anwendung in verschiedenen logistischen Aufgaben
- Die Herausforderungen und Chancen der Implementierung von KI in Logistikunternehmen
- Die Rolle von Big Data und Cloud Computing im Kontext von KI in der Logistik
- Die Auswirkungen der Digitalisierung auf traditionelle Logistikmodelle
Zusammenfassung der Kapitel
- Einleitung: Diese Einleitung stellt den Kontext und die Relevanz von KI und ML in der Logistik dar. Sie hebt die Bedeutung dieser Technologien für die Zukunft der Branche hervor und liefert einen Überblick über die Themen, die im Papier behandelt werden.
- Grundlagen: Dieses Kapitel bietet eine Einführung in die Grundkonzepte von KI, ML und Big Data. Es erklärt die Funktionsweise dieser Technologien und ihre Rolle im Kontext der Logistikbranche.
- Stärken und Chancen: Dieses Kapitel untersucht die Vorteile und Chancen, die mit der Integration von KI und ML in die Logistik verbunden sind. Es analysiert die Potenziale dieser Technologien zur Steigerung von Effizienz und Produktivität.
- Schwächen und Gefahren: Dieses Kapitel beleuchtet die Herausforderungen und Risiken, die mit der Einführung von KI und ML in der Logistik verbunden sind. Es behandelt Themen wie Fehleranfälligkeit, Sicherheit, Datenschutz und ethische Aspekte.
- Implementierung von KI im Unternehmen: Dieses Kapitel bietet praktische Ratschläge zur erfolgreichen Integration von KI in Unternehmen. Es stellt Frameworks und Modelle zur Abschätzung der Wirtschaftlichkeit und zur Entwicklung von Implementierungstrategien vor.
Schlüsselwörter
Künstliche Intelligenz, Machine Learning, Big Data, Logistik, Digitalisierung, Supply Chain Management, Automatisierung, Robotik, Optimierung, Predictive Analytics, Cloud Computing, Industrie 4.0, digitale Spedition, Fehleranfälligkeit, Sicherheit, Datenschutz, Ethik.
- Quote paper
- Fynn Kossak (Author), 2024, Logistik und Künstliche Intelligenz. Chancen und Risiken, Munich, GRIN Verlag, https://www.grin.com/document/1466145
