Background - There has been an emergence in adoption of Artificial Intelligence (AI) playing a transformative role and improving decision-making, efficiency, and resilience, while preventing disruptions. This study is aimed to investigate the resilience and efficiency of AI-based supply chain management while determining significant challenges related to implementation of AI.
Methodology – In order to critically evaluate the resilience and efficiency of AI in supply chain, we have adopted a systematic literature review approach to synthesize key findings from previous research, case studies, and frameworks and provide an in-depth understanding of the impact of AI on supply chain operations. Findings – It is observed that AI technologies and automation significantly improve inventory management, demand forecasting, and risk control. AI-based technologies improve agility in supply chain with real-time decision-making and analysis, reducing disruptions, and operational costs. In addition, AI plays a vital role in improving resilience in supply chain by increasing adaptability to market changes, unexpected crisis like pandemics, and geopolitical conflicts.
Irrespective of these benefits, AI has several challenges related to seamless adoption in supply chain, such as high maintenance and implementation costs, data privacy, lack of skilled team, ethical concerns, and complexities related to integration with traditional systems. Organizations often find uncertainties and resistance to change related to AI-based investments. Implications – The study provides key insights to policymakers, researchers, and organizations by discussing both challenges and opportunities related to adoption of AI in supply chains. It is important to understand these factors to form strategies to improve implementation of AI and ensure efficient and sustainable operations in supply chain. Future studies may focus on dealing with challenges related to implementation and adoption of advanced applications for better optimization of supply chain.
Inhaltsverzeichnis
- List of Figures
- List of Tables
- Table of Abbreviations
- 1. Introduction
- 1.1. Background
- 1.2. Aim and Objectives
- 1.3. Research Questions
- 2. Literature Review
- 2.1. Automation in Supply Chains
- 2.2. Applications of AI in different areas
- 2.3. Resilience in Supply Chain
- 2.4. Factors affecting resilience in supply chain
- 2.5. Theoretical Foundations
- 2.6. Critical Analysis of Literature
- 3. Research Methodology
- 3.1. Research Approach
- 3.2. Research Design
- 3.3. Data Collection
- 3.4. Data Analysis
- 4. Results
- 4.1. How AI technologies can enhance resilience and efficiency in supply chain?
- 4.2. What are the key challenges in implementation of AI in supply chain?
- 5. Discussion
- 6. Conclusion
- 6.1. Significance of the study
- 6.2. Implications
- 6.3. Scope and Limitations
- References
Zielsetzung & Themen
Diese Masterarbeit untersucht die Verbesserung von Effizienz und Resilienz in Lieferkettenoperationen durch KI-gesteuerte Technologien. Das Hauptziel ist es, die Effizienz und Resilienz von KI in der Lieferkette zu bestimmen und die zentralen Herausforderungen bei ihrer Implementierung zu untersuchen.
- Die transformative Rolle von Künstlicher Intelligenz in Lieferketten.
- Strategien zur Verbesserung der Entscheidungsfindung, Effizienz und Resilienz.
- Identifizierung signifikanter Herausforderungen bei der Implementierung von KI.
- Die Anwendung von KI zur Reduzierung von Störungen und Betriebskosten.
- Die Bedeutung von Echtzeit-Sichtbarkeit und Datenanalyse in der Lieferkette.
- Die Rolle von KI bei der Steigerung der Anpassungsfähigkeit gegenüber Marktveränderungen und Krisen.
Auszug aus dem Buch
Enhancing Efficiency and Resilience in Supply Chain Operations through AI-driven Technologies: Key Challenges and Implementation Barriers
Artificial Intelligence (AI) has the potential to significantly enhance internal operations. It starts with visibility in supply chain (i.e., ability to track and view inventory as goods go with the supply chain). Firms can respond to disruptions with visibility in real-time. Only 2% of organizations have visibility ahead of their second-tier suppliers who supply parts and materials to the direct suppliers. Supply chains in the organizations are subject to disruptions without proper visibility due to issues like pandemic, natural disasters, trade barriers, geopolitical issues, and product recalls (Alicke et al, 2021).
AI can redefine supply chain operations by improving efficiency and decision-making. As per the survey by McKinsey, AI results in highest cost saving in supply chain management (Chui et al, 2022). AI can especially add value to planning in supply chain, such as, inventory management, production, and product distribution. Organizations can use AI tools for processing big data in real-time and improve accuracy in forecasting demand. With more accurate forecasts of demand, AI tools facilitate optimized production planning and inventory distribution across multiple locations and help in choosing the most cost-effective solutions related to logistics (Fadden, 2022).
1.1. Background
AI is not a new concept and it dates back to the 1950s. It hadn't become popular until the introduction of ChatGPT, which grossed over 100 million users in two months by late 2022, that public has started noticing (Milmo, 2023). In the same way, the term “supply chain management" was introduced in the 1980s and overlooked mostly until COVID-19, which led to long-term shortages of several products, from "personal protective equipment (PPE)” kits to semiconductors. These days, a lot of organizations are switching to AI for managing supply chains worldwide. (Ashcroft, 2021; Tang, 2021).
According to a survey, those who became first to adopt AI in supply chain could save 15% of logistics costs, improve 35% of inventory levels, and enhance 65% of service levels (Alicke et al, 2022). It can be expensive to adopt AI tools for managing manufacturing operations but AI can deliver strong ROI, according to 70% of the participants from over 150 firms. Irrespective of AI's immense potential in supply chains, AI must not affect jobs in SCM. Instead, it must generate new opportunities to reduce possible risks related to adoption of latest technologies. (Supply Chain Connect, 2023).
Zusammenfassung der Kapitel
1. Introduction: Dieses Kapitel führt in das Thema Künstliche Intelligenz (KI) in der Lieferkette ein, erläutert ihre potenziellen Vorteile bei der Steigerung der Effizienz und Resilienz und stellt die Forschungsfragen der Arbeit vor.
2. Literature Review: Hier wird eine umfassende Literaturübersicht über die Anwendungen von KI in der Lieferkette, die Automatisierung, die Resilienz der Lieferkette und die theoretischen Grundlagen des Forschungsfeldes präsentiert.
3. Research Methodology: Das Kapitel beschreibt den qualitativen Forschungsansatz der Studie, der auf einer systematischen Literaturübersicht basiert, um relevante Studien zu identifizieren und die Datenerfassung und -analyse zu erläutern.
4. Results: Dieses Kapitel präsentiert die Ergebnisse der Untersuchung, wie KI-Technologien die Resilienz und Effizienz in der Lieferkette verbessern können und welche zentralen Herausforderungen bei ihrer Implementierung bestehen.
5. Discussion: In diesem Abschnitt werden die wichtigsten Erkenntnisse der Studie diskutiert, einschließlich der Vorteile der KI-Einführung und der Notwendigkeit von Strategien zur Bewältigung von Implementierungsbarrieren.
6. Conclusion: Das abschließende Kapitel fasst die Bedeutung der KI-basierten Automatisierung zusammen, hebt die Studienrelevanz und die praktischen Implikationen hervor und identifiziert den zukünftigen Forschungsbedarf sowie die Grenzen der Arbeit.
Schlüsselwörter
Lieferkettenmanagement, Künstliche Intelligenz, Resilienz, Effizienz, Implementierungsherausforderungen, KI-gesteuerte Technologien, Bestandsmanagement, Nachfrageprognose, Risikomanagement, Automatisierung, Datensicherheit, Ethik, Digitale Transformation, Industrie 4.0.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Diese Arbeit befasst sich grundsätzlich mit der Steigerung der Effizienz und Resilienz von Lieferkettenoperationen durch den Einsatz von KI-gesteuerten Technologien und der Identifizierung der damit verbundenen Herausforderungen bei der Implementierung.
Was sind die zentralen Themenfelder?
Die zentralen Themenfelder sind Künstliche Intelligenz (KI) im Lieferkettenmanagement, Lieferkettenresilienz, operative Effizienz, Implementierungsherausforderungen von KI und die Rolle von Automatisierung und Datenanalyse.
Was ist das primäre Ziel oder die Forschungsfrage?
Das primäre Ziel ist es, die Effizienz und Resilienz von KI in der Lieferkette zu bestimmen und die wesentlichen Herausforderungen bei der Implementierung von KI zu untersuchen. Die Forschungsfragen lauten: "Wie können KI-Technologien die Resilienz und Effizienz in der Lieferkette verbessern?" und "Was sind die zentralen Herausforderungen bei der Implementierung von KI in der Lieferkette?".
Welche wissenschaftliche Methode wird verwendet?
Die Studie verwendet einen qualitativen Forschungsansatz, insbesondere eine systematische Literaturübersicht, um Erkenntnisse aus bestehender Forschung, Fallstudien und Frameworks zu synthetisieren.
Was wird im Hauptteil behandelt?
Der Hauptteil behandelt, wie KI-Technologien die Resilienz und Effizienz in der Lieferkette verbessern können, und untersucht detailliert die wichtigsten Herausforderungen bei der Implementierung von KI, einschließlich technischer, ethischer, regulatorischer und organisatorischer Aspekte.
Welche Schlüsselwörter charakterisieren die Arbeit?
Die Arbeit wird durch Schlüsselwörter wie Lieferkettenoperationen, Künstliche Intelligenz, Resilienz, Effizienz, Herausforderungen bei der KI-Implementierung und KI-gesteuerte Technologien charakterisiert.
Welche spezifischen Herausforderungen bei der KI-Implementierung werden beleuchtet?
Die Arbeit beleuchtet spezifische Herausforderungen wie schlechte Infrastruktur, hohe Implementierungskosten, komplexe Integration von KI, KI-Bias, Datenschutzbedenken, Verdrängung von Arbeitskräften, inkonsistente globale Vorschriften und mangelnde qualifizierte Mitarbeiter.
Wie können Organisationen die Akzeptanz von KI in der Lieferkette fördern?
Organisationen können die Akzeptanz von KI durch aktives Management von Veränderungen, Führungskräfteengagement, offene Kommunikation über Vorteile, kontinuierliche Schulungen der Mitarbeiter und die Einrichtung funktionsübergreifender Teams fördern.
Welche Rolle spielen Blockchain und Big Data Analytics in Verbindung mit KI für die Lieferkettenresilienz?
Blockchain und Big Data Analytics werden als wichtige Enabler für die Verbesserung der Transparenz, Rückverfolgbarkeit und das Risikomanagement in Lieferketten in Verbindung mit KI diskutiert, indem sie helfen, Betrug zu erkennen und die Datenintegration zu optimieren.
Welche praktischen Implikationen ergeben sich aus der Studie für politische Entscheidungsträger und Manager?
Die Studie empfiehlt, Kompetenzentwicklung und Bildung für eine datengesteuerte Umgebung zu fördern, Pilotprojekte durchzuführen, um Risiken zu mindern, klare Richtlinien für ethische KI-Nutzung zu schaffen und die Zusammenarbeit zwischen Technologieanbietern und Unternehmen zu stärken.
- Arbeit zitieren
- Jayanth Vasu (Autor:in), 2025, Enhancing Efficiency and Resilience in Supply Chain Operations, München, GRIN Verlag, https://www.grin.com/document/1674556
