Die Industrialisierung hat das Leben der Menschen seit dem achtzehnten Jahrhundert stark verändert. Damals verlagerte sich der Schwerpunkt der Tätigkeiten vom Körperlichem zum Kognitiven. Inzwischen befinden wir uns in der vierten industriellen Revolution. Durch die Entwicklung immer besserer künstlicher Systeme werden immer mehr kognitive Tätigkeiten durch Maschinen ausgeführt.
Doch was genau bedeutet künstliche Intelligenz? Welche Veränderungen hat sie im Supply-Chain-Management bereits geschaffen und was ist in Zukunft noch möglich? Mit welchen Risiken ist die fortschreitende Digitalisierung verbunden?
Johannes Hangl schafft in seiner Publikation ein umfassendes Bild über den Stand der aktuellen und zukünftigen Entwicklung sowie über Trends beim Einsatz von künstlicher Intelligenz. Er zeigt auf, welche Möglichkeiten, Auswirkungen, Chancen und Risiken sie für das Supply-Chain-Management hat.
Aus dem Inhalt:
- KI;
- AI;
- Internet of Things;
- Logistik;
- Cyber-Physikalische Systeme
Inhaltsverzeichnis
- Abkürzungsverzeichnis
- Abbildungsverzeichnis
- Tabellenverzeichnis
- Einleitung
- Problemstellung
- Zielsetzung
- Arbeitsmethodik
- Gang der Arbeit
- Theoretische Grundlagen
- Supply-Chain-Management
- Definition Supply-Chain-Management
- Aufgaben und Ziele des Supply-Chain-Managements
- Typische Problemstellungen des Supply-Chain-Managements
- Bullwhip-Effekt
- Total-Cost-of-Ownership-Betrachtung, Transaktionskosten und Globalisierung
- Das Supply-Chain-Operations-Reference-Modell (SCOR-Modell)
- Künstliche Intelligenz
- Definition der künstlichen Intelligenz
- Aufgaben und Ziele
- Schwache künstliche Intelligenz
- Starke künstliche Intelligenz
- Algorithmen und Programm
- Maschinelles Lernen und Big Data
- Kognitionswissenschaft
- Hardware
- Sensorik
- Roboter
- Künstliche neuronale Netze
- Speichertechnik und Datensicherheit
- Arten von KI-Systemen
- Agenten-/Multiagentensysteme
- Expertensysteme
- Maschinelles Sehen (engl. Computer-Vision)
- Maschinelle Verarbeitung natürlicher Sprache (engl. Natural-Language-Processing)
- Mustererkennung (engl. Pattern-Recognition)
- Vorrausschauende Analyse (engl. Predictive Analytics)
- Industrie 4.0
- Anwendungsgebiete und aktuelle Forschung zu künstlicher Intelligenz in der Supply-Chain
- Prozessüberblick Supply-Chain
- Beschaffung
- Produktion
- Intralogistik und Lagerhaltung
- Distributionslogistik
- Compliance, Zoll, Import und Export
- Entsorgung und Recycling
- Chancen und Risiken der künstlichen Intelligenz in der Supply-Chain
- Chancen
- Risiken
- Resümee des Einsatzes künstlicher Intelligenz in der Supply-Chain
- Fazit
- Quellenverzeichnis
Zielsetzung und Themenschwerpunkte (Objectives and Key Themes)
Die Arbeit zielt darauf ab, ein umfassendes Bild über den aktuellen und zukünftigen Stand der Entwicklung und Trends beim Einsatz von künstlicher Intelligenz zu zeichnen. Besonderes Augenmerk wird auf die Chancen und Risiken gelegt, die mit der Anwendung von künstlicher Intelligenz im Supply-Chain-Management verbunden sind.
- Die Bedeutung von künstlicher Intelligenz im Kontext der vierten industriellen Revolution
- Das Zusammenspiel von Supply-Chain-Management und künstlicher Intelligenz
- Chancen und Risiken der künstlichen Intelligenz im Supply-Chain-Management
- Aktuelle Anwendungsgebiete von künstlicher Intelligenz in der Supply-Chain
- Ethische und rechtliche Herausforderungen im Zusammenhang mit künstlicher Intelligenz
Zusammenfassung der Kapitel (Chapter Summaries)
In Kapitel 1 werden die Problemstellung, die Zielsetzung und die Arbeitsmethodik dieser Arbeit dargelegt. Kapitel 2 beleuchtet die theoretischen Grundlagen des Supply-Chain-Managements und der künstlichen Intelligenz. Kapitel 3 präsentiert verschiedene Anwendungsgebiete der künstlichen Intelligenz in der Supply-Chain, während Kapitel 4 die Chancen und Risiken der künstlichen Intelligenz im Supply-Chain-Management untersucht.
Schlüsselwörter (Keywords)
Die Arbeit beschäftigt sich mit den Schlüsselbegriffen künstliche Intelligenz, Supply-Chain-Management, Digitalisierung, Chancen, Risiken, Industrie 4.0, Big Data, maschinelles Lernen, Robotik, Sensorik, Blockchain, Agenten-/Multiagentensysteme, Expertensysteme, maschinelles Sehen, Natural-Language-Processing, Mustererkennung, Predictive Analytics, Predictive Maintenance, Hoflogistik, Yard Management, Compliance, Zoll, Import, Export, Entsorgung, Recycling, intelligente Verpackungssysteme, Smart Packaging, Smart Home, Nachhaltigkeit, Kreislaufwirtschaft, Singularität.
Häufig gestellte Fragen
Was sind die Hauptchancen von KI im Supply-Chain-Management?
Zu den Chancen zählen Effizienzsteigerungen durch Prozessautomatisierung, verbesserte Prognosen mittels Predictive Analytics und eine optimierte Logistik durch den Einsatz von Robotik und Sensorik.
Welche Risiken birgt die Digitalisierung der Lieferkette?
Risiken bestehen vor allem in der Datensicherheit, der Abhängigkeit von komplexen Systemen sowie ethischen und rechtlichen Herausforderungen bei automatisierten Entscheidungen.
Was unterscheidet schwache von starker künstlicher Intelligenz?
Schwache KI ist auf die Lösung spezifischer Anwendungsprobleme fokussiert, während starke KI theoretisch über menschenähnliche kognitive Fähigkeiten in allen Bereichen verfügen würde.
Was ist der Bullwhip-Effekt im Supply-Chain-Management?
Es handelt sich um ein Phänomen, bei dem kleine Schwankungen in der Endkundennachfrage zu immer größeren Schwankungen der Bestellmengen entlang der Lieferkette führen.
Welche KI-Technologien werden in der Logistik eingesetzt?
Eingesetzt werden unter anderem maschinelles Lernen, Computer Vision (maschinelles Sehen), Natural Language Processing und Multiagentensysteme zur Koordination komplexer Abläufe.
- Arbeit zitieren
- Johannes Hangl (Autor:in), 2020, Künstliche Intelligenz im Supply-Chain-Management. Chancen und Risiken der Digitalisierung, München, GRIN Verlag, https://www.grin.com/document/506060
