Gastkommentar: Generative KI - Sprechen Sie mit Ihrer Logistiksoftware?

„Welche Szenarien gibt es, um meine Bestände bei gleichzeitigem Servicegrad um zehn Prozent zu senken?“ Bedienen Sie so per Sprachaufforderung Ihre Logistik-IT? Sicherlich nicht, in wenigen Jahren aber vielleicht schon.

IT bewegt sich überwiegend in einer Welt von „strukturierten Daten“. In einem WMS weiß man genau, welcher Artikel in welcher Menge in welchem Regal liegt – Buchungsfehler oder Ähnliches einmal ausgenommen. In dieser strukturierten Welt lassen sich mit KI auf der Basis von historischen Daten Vorhersagemodelle aufsetzen, Absatzprognosen erstellen, Prozess-, Wege- und Wiederbeschaffungszeiten vorhersagen und in Entscheidungsmodellen für die Optimierung verwerten. Das machen wir bei Inform seit mehr als 50 Jahren.

Aber plötzlich agiert KI in Form von Large Language Models (LLM) wie ChatGPT im Bereich der Sprache. Die Sprachwelt tickt anders. Sie ist informeller, unstrukturierter. Ich bin davon überzeugt, dass wir am Beginn einer technologischen Disruption stehen, nicht weniger eindrucksvoll als die Erfindung des Internets oder des Mobile Computing. Jetzt schon gibt es Ansätze, die Welt der Sprach-KI mit der Welt der strukturierten Daten zu verknüpfen. Zum Beispiel kann ChatGPT die Ergebnisse einer Websuche zusammenfassen oder Datenanalysen – für strukturierte Daten! – erstellen.

Im Business-Kontext kommen wir damit bei den Ausgangsfragen an, die wir zur Bedienung von Logistiksoftware gestellt haben. Wer sich an ChatGPT schon einmal probiert hat, dem wird klar sein, dass es die nötige Sprachlogik schon beherrscht. Es verfügt aber eben nicht über das nötige Prozesswissen. Trotzdem scheint eine solche Zukunft möglich.

Dazu müsste man eine „Logistik-KI“ mit einer Sprach-KI koppeln – etwa in der Cloud, wo zu erwarten ist, dass Konzerne entsprechende Sprachmodelle als Infrastruktur zur Verfügung stellen werden. Diese Logistik-KI wird vielleicht nicht die ganze Welt der Logistik verstehen, sondern erst einmal „nur“ die eigenen Logistikprozesse. Aber wenn sie ausreichend leistungsfähig und mit ausreichend Prozessdaten trainiert ist, könnte sie dennoch ein Prozesswissen umfangreich abbilden. Zu den möglichen Vorteilen gehört, dass die (automatisierte und optimierte) Entscheidungsfindung in den Logistikabläufen trotz „unstrukturierter Spracheingabe“ so verstärkt auf empirischen Daten beruhen wird. Gleichzeitig werden neue Erkenntnisse generiert und Prozesswissen in den Modellen konserviert und skalierbar nutzbar gemacht. Dann könnte auch ein neuer Mitarbeiter eine komplexe Anfrage an ihre Logistiksoftware stellen und eine kompetente Antwort erhalten.

All das ist keine Utopie mehr. An dieser Vision arbeiten wir seit mehr als 50 Jahren – und heute noch mal mehr.