Lukas Paul Hans (Unitechnik Systems) zu KI im Warehouse: „Die finale Entscheidung bleibt stets in menschlicher Hand“

Wie bringt man Generative KI ins Warehouse? Lukas Paul Hans, Data Scientist bei Unitechnik Systems, gibt Einblicke in ein Forschungsprojekt, welches das Unternehmen zusammen mit der TH Köln unlängst durchgeführt hat.

Lukas Paul Hans ist Data Scientist bei Unitechnik. (Bild: Unitechnik)
Lukas Paul Hans ist Data Scientist bei Unitechnik. (Bild: Unitechnik)
Therese Meitinger

LOGISTIK HEUTE: Unitechnik hat zusammen mit der TH Köln einen KI-Assistenten für Logistiksysteme entwickelt. Was macht diesen technologisch aus?

Lukas Paul Hans: Unter dem Namen „UniWare-AI“ fassen wir die KI-gestützten Funktionalitäten unseres Lagerverwaltungssystems „UniWare“ zusammen. Zum einen sind dies UniWare-Module und zum anderen kundenspezifische KI-Projekte.

Der Unterschied dieser beiden Entwicklungspfade liegt in der Herkunft der Daten. Die UniWare-KI-Module greifen auf aktuelle und historische Daten aus der UniWare-Datenbank zurück. Die Struktur der Daten ist bekannt und bei allen Implementierungen von UniWare weitgehend gleich.

Anspruchsvolle Prognosen erfordern häufig die Einbeziehung von externen Datenquellen. Aus der Kombination von UniWare-Daten und den externen Daten generiert Unitechnik maßgeschneiderte KI-Modelle zur Lösung individueller datengetriebener Herausforderungen. Da die Datenlandschaft in jedem Unternehmen unterschiedlich ist, sind dies kundenindividuelle Projekte.

Wie sah die Aufgabenteilung zwischen Unitechnik und der TH Köln in dem Projekt aus?

In dem Projekt zwischen Unitechnik und der TH Köln bestand die Aufgabenteilung darin, dass Unitechnik eng mit dem Institut für Data Science, Engineering, and Analytics (IDE+A) der TH Köln zusammenarbeitete. Dabei nutzte Unitechnik die breite fachliche Expertise der Professoren in den Bereichen Numerische Mathematik, Informatik und Statistik. Die TH Köln unterstützte bei der Auswahl der am besten geeigneten KI-Modelle. Unitechnik oblag die Implementierung dieser Algorithmen und die Kommunikation mit den Kunden.

Welche Anwendungsszenarien für „UniWare-AI“ sind bereits realisiert – und welche denkbar?

Die folgenden Funktionen von UniWare-AI sind realisiert und schon bei Kunden erprobt: „Case Calculation“ wählt den optimalen Kartontyp aus, um Verpackungs- und Versandkosten zu reduzieren. „Dynamische Fachplanung“ bestimmt den optimalen Lagerplatz – basierend auf Artikelverbräuchen – für effizientere Kommissionierung. „Optimiertes Routing“ findet die optimale Balance von Wegekosten, Prioritäten und Transportstandards. „UniWare Prediction“ verbessert die operative Planung durch Auftragsprognosen basierend auf UniWare-Daten.

Als individuelle UniWare-AI-Projekte sind bereits mehrere Anwendungsszenarien realisiert, darunter Forecasts auf Produktebene bei der Firma Borgmeier für eine Prognose von Einkaufsmengen und der Vermeidung von Überproduktion von Frischgeflügelprodukten. Beim Elektrotechnikunternehmen Dehn wird die Technologie genutzt, um genaue Vorhersagen für Lieferungspositionen zu treffen, was eine gezieltere Personalplanung ermöglicht.

Das Feedback und die steigende Nachfrage der Kunden zeigen uns dabei, dass der Bereich der individuellen Prognose noch viele Aufgaben für uns bereithält.

In einem Pilotversuch bei Dehn wurde der KI-Assistent für die Optimierung der Personalplanung genutzt. Welche Learnings nehmen Sie aus dem Pilotversuch mit?

Ein solches Projekt lebt von der Bereitstellung und Interpretation der Daten. Auf Kundenseite ist da hohe Expertise und auch zeitliches Engagement erforderlich. Bei der Firma Dehn SE hatten wir das Glück, dass uns ein Data-Engineer die Daten bereitstellen konnte. Der Aufbau des optimalen KI-Modells ist ein iterativer Prozess und erfordert immer wieder Unterstützung des Kunden, um die Ursache von Ausreißern erklären und über zusätzliche Datenquellen berücksichtigen zu können.

Am Ende zahlt sich das Engagement aus. Die Vorhersage der Auftragspositionen, und damit der Kommissionieraufwand, für die nächsten Tage ist über das KI-Modell deutlich zuverlässiger als die Planung auf Basis des Baugefühls der erfahrenen Disponenten.

Was sind die nächsten Schritte für den KI-Assistenten?

Der KI-Assistent unterstützt Leitstandsmitarbeiter und Instandhalter aktiv. Er erkennt jegliche Anomalien im Betrieb und empfiehlt Gegenmaßnahmen, bevor es zu Ausfällen oder Engpässen kommt. Er schlägt Maßnahmen zur Optimierung des operativen Betriebs vor. Seine Vorhersagen helfen bei der Personalplanung, dem Materialeinkauf und der Produktionssteuerung.

Diesem Ziel wollen wir uns Schritt für Schritt nähern. Immer mit dem Ziel eine fundierte Entscheidungsgrundlage zu liefern. Die finale Entscheidung bleibt jedoch stets in menschlicher Hand.

Die Fragen stellte Therese Meitinger.