Big Data in der Logistik

Die immer weiteransteigende Menge an Daten und die damit einhergehenden Probleme und Chancen haben sind in einem jedem Unternehmen an der Tagesordnung. Ein unglaublichen Potenzial steckt in der Nutzung von Big Data in der Logistik. Durch die hohe Komplexität und Dynamik der Logistik lassen sich Big Data-Anwendungen perfekt an ihr durchführen. Um letztlich Erkenntnisse zu gewinnen müssen alle Teilbereiche, wie Transport, Lagerhaltung und Verpackung, einzeln und als Ganzes betrachtet werden. Darüber hinaus muss nicht nur der Produzent an sich, sondern auch alle damit verbunden Logistikdienstleister und Lieferanten betrachtet werden.  Besonders die Art und Weise, wie Daten gesammelt, verarbeitet und ausgewertet werden hat sich in der Logistik verändert.[1]

 

Der Begriff Big Data

Big Data zeichnen sich vor allem durch die „3V“, Volume, Velocity und Variety, aus. Volumen steht hierbei für die Menge an Daten die tagtäglich generiert werden. Velocity, auf Deutsch Geschwindigkeit, beschreibt die Geschwindigkeit, mit welcher Daten generiert werden. Jede Handlung, Tätigkeit oder Entscheidung erzeugen Daten, welche gespeichert werden müssen. Variety, Vielfalt, beschreibt hierbei die Anzahl der unterschiedlichen Quellen von Daten. In der Logistik werden in jedem Teilbereich unterschiedlichen Daten erzeugt. Zusätzlich kommen Informationen von Lieferanten und Logistikdienstleistern. Es gibt jedoch noch einige mehr Datenquellen, aus welchen die Logistik Informationen beziehen kann. Finanzielle Geschäftsprognosen, Verkehrs- und Wetterdaten, als auch Fahrzeugdiagnosen sind nur einige von vielen Datenquellen.[2]

 

Wie wirkt sich Big Data auf die Logistik aus?

Durch die Nutzung von Big Data in der Logistik kann vor allem die Effizienz, insbesondere innerhalb der Vertrieb- und Logistiknetzwerke, enorm gesteigert werden. Durch Big Data Analytics können beispielsweise besser Daten zwischen den Unternehmen der Supply Chain ausgetauscht werden und dadurch die Abstimmung der Unternehmen erhöht werden. Des Weiteren können Kundendaten genutzt werden um die Entwicklung der Kundenachfrage bei der Planung von Beständen und damit verbundenen Kosten besser kontrollieren zu können. Durch den besseren Einblick in die Nachfrage der Kunden können beispielsweise Sicherheitsbestände reduziert und als Folge dessen die verfügbaren Flächen als Produktionsfläche genutzt werden.

 

Bestand und Lagerung

Bei der Bestandsverwaltung können durch bestimmte Sensoren an den zu lagernden Materialien diese verfolgt werden und damit verbunden auch Ausfälle verhindern. Es kann jederzeit nachvollzogen werden an welchen Stellen im Lager sich das benötigte Material befindet. Dies sorgt vor allem in der Beschaffung von Teilen aus dem Lager für wesentliche Zeitersparnisse. Die Automatisierung von Lagern erfreut hierbei immer steigender Beliebtheit in den Unternehmen. Zwar erfordern jene Lager anfänglich ein sehr hohes Investment, jedoch zahlt sich diese Anschaffung durch Kosten- und Zeitersparnisse im laufenden Betrieb aus. Analysen zum Lagerlayout oder zum Produktbestand helfen dabei die Abläufe im Lager zu optimieren und beispielsweise bei erschöpftem Lagerbestand automatisch neue Bestellungen zu tätigen. Zusätzlich werden durch die Automatisierung und das Entfallen von durch Menschen ausgeführten Tätigkeiten, die Genauigkeit der Prozesse enorm erhöht und die Fehleranfälligkeit stark reduziert.

 

Transport und Routenoptimierung

Eine besonders große Rolle spielen Big Data und Big Data Analytics auch in der Routenoptimierung. GPS-Daten, Wetterdaten oder auch Personalpläne sind nur einige Datenquellen, welche in die Routenoptimierung eingehen und welche es für einen Menschen nahezu unmöglich machen, eine solche Vielzahl an Informationen in die Lösung einzurechnen.

Durch Big Data-Analytics können diese unzähligen Faktoren zusammen betrachtet werden und mit hoher Geschwindigkeit neue optimierte Routen berechnet werden. Einen großen Kostenfaktor in der Zulieferung der Ware zum Kunden spielt die „letzte Meile“. Hierfür können bis zu 28% der gesamten Transportkosten anfallen. Durch Die Nutzung von mobilen Internetdaten und GPS-Daten können die Fahrtstrecken der Paketzusteller in der Stadt optimiert werden. Zusätzlich können die Kunden den genauen Standort des Zustellfahrzeugs und ihres Paketes verfolgen und somit möglichweise gewährleisten zur Ankunft des Paketes zu Hause zu sein und somit dem Paketzusteller zusätzlichen Aufwand zu ersparen. UPS machte sich die Big Data in der Logistik zu Nutze und beschreibt, dass nach der Umstellung in einem Jahr 350000 mehr Pakete zugestellt und 10 Millionen Gallonen weniger Sprit verbraucht wurde.

Zusätzlich können empfindliche Güter besser und zuverlässiger an ihr Ziel gebracht werden. Durch die Nutzung von Sensoren, wie z.B. Temperatursensoren oder Schocksensoren, können Routen gewählt werden, welche die ordnungsgemäße Ankunft der Wäre gefährden würde. Beispielsweise könnten LKWs mit Gütern, welche stoßempfindlich sind, besondere Routen erhalten, bei welcher Pflastersteinstraßen oder besonders große Straßenunebenheiten vermieden.[3]

Die Routenoptimierung kann beispielsweise auch Unternehmen sehr stark unterstützen, welche Produkte oder Bauteile durch Lieferanten mittels JIT/ JIS beziehen. Aufgrund des engen zeitlichen Freiraums dürfen die Waren nur mit geringen Verspätungen eintreffen um trotzdem noch eine fortlaufende Produktion zu gewährleisten.

 

Kapazitätsplanung

Selbst im Arbeitsmanagement und in der Planung von Kapazitäten nehmen Big Data Analytics eine wichtige Rolle ein. Aufgrund der Verfügbarkeit von Daten zu Stoßzeiten oder auch den vorhandenen Kapazitäten können die Ressourcen so optimal verteilt werden, dass die Arbeit stets erledigt wird und dennoch keine Überstunden benötigt werden.

Zusätzlich können Maschinenkapazitäten und verfügbare personelle Kapazitäten miteinander abgestimmt. In Unternehmen mit mehreren 100 Mitarbeitern ist dieser Abgleich von Hand viel zu aufwendig. Durch Big Data Analytics können die Kapazitäten perfekt abgestimmt und optimiert werden.

 

Verkauf

Besonders im E-Commerce sind Kundendaten von hoher Wichtigkeit. Die Kunden wollen immer geringere Preise, kürzere Lieferzeiten, Rabatte und niedrige bzw. keine Versandkosten. Dies ist nur möglich, wenn an allen Bereichen im Unternehmen und vor allem in der Logistik Kosten und Zeit gespart werden. Ein weiterer Faktor im E-Commerce sind Website-Analysen. Hierbei können Informationen, wie Alter, Geschlecht und Interessen der Kunden in Erfahrung gebracht und ausgewertet werden. Mit daraus entstehenden Erkenntnissen können effektive Marketingkampagnen, Preisstrategien und Segmentierungen getroffen werden.

Big Data in der Logistik am Beispiel von Amazon

Ein E-Commerce Unternehmen, welches bereits Big Data in der Logistik nutzt und damit enorme Erfolge erzielt ist Amazon. Dieser Vorreiter unter den E-Commerce Unternehmen setzt bereits auf einige wegweisende Technologien in der Logistik. Aufgrund der Automatisierung ihres chaotischen Lagers spart Amazon täglich Zeit und Kosten. Der Lagerplatz, welcher bei Herausgabe eines Produktes leer wäre, wird bei der chaotischen Lagerung mit einem Produkt befüllt, welches den Maßen des Lagerplatzes entspricht. Dieses System spart bereits Kosten, da so gut wie nie Lagerplatz unbenutzt bleibt. Zusätzlich wird durch die Automatisierung des Lagers die Findung der Produkte im Lager verbessert. Das System zeigt bei Bestelleingang an, ob das gewünschte Produkt im Lager vorhanden ist und an welchem Lagerplatz es sich befindet. Der Kommissionierroboter kann nun innerhalb weniger Sekunden das Produkt aus dem Lager kommissionieren. Dadurch wird nicht nur Platz, sondern auch Unmengen an Zeit gespart.

Zusammenfassung

Durch die immer weitersteigende Menge an Daten und die immer größer werdende Zahl an Konkurrenten im Kampf um den Markt und um die Kunden, müssen Unternehmen Lösungen finden, wie sie ihr Unternehmen effizienter, kostengünstiger und mit mehr Angebot gestalten können. In der Logistik finden die Unternehmen einen Teilbereich, durch dessen bessere Analyse Kosten- und Zeitersparnisse möglich sind. Schlüsselfaktor dafür ist die Nutzung und Analyse der tagtäglich hervorgebrachten Daten.

Mit Big Data Analytics können Unternehmen weitaus komplexere Probleme lösen, als dies in der Vergangenheit der Fall war. Durch die Nutzung und Analyse von Big Data können Vereinfachungen im Vertriebsnetz der Unternehmen Einsparungen von bis zu 20% der Transport- und Lagerkosten erzielen.[4] Zusätzlich können durch die Automatisierung von Lagern Kosten und Zeit gespart werden. Hierbei sparen jedoch nicht nur die Unternehmen Geld. Durch den immer schärferen Wettbewerb zwischen den Unternehmen, sind diese gezwungen Teile der ersparten Ressourcen zu nutzen um dem Kunden einen besseren Service zu bieten. Kürzere Lieferzeiten aufgrund von besserer Routenoptimierung, geringere Versandkosten oder besondere Services helfen hierbei am Markt stand- und mitzuhalten.

 

Abschließend lässt sich sagen, dass wir hier jedoch noch nicht am Ende des Weges angekommen sind. Viele Unternehmen machen sich die Macht der Daten nicht zu nutzen, was ihnen langfristig die Position am Markt kostet. Jene Unternehmen, welche bereits jetzt die Möglichkeiten erkennen, welche Big Data und vor allem auch Big Data in der Logistik bieten, werden in den nächsten Jahren immer größere Erfolge erzielen. Durch immer besser werdende Analyseverfahren und der Automatisierung weiterer Bereiche in der Logistik, können immer bessere Erkenntnisse über Kunden, Kostenersparnisse und Servicequalität erzielt werden.

Quellenangaben

[1] Vgl. “How Big Data & Analytics Are Changing the Logistics Sector” (14.2.2018), unter https://datafloq.com/read/big-data-analytics-changing-logistics-industry/4593 (12.11.2018).

[2] Vgl. “How Big Data & Analytics Are Changing the Logistics Sector” (14.2.2018), unter https://datafloq.com/read/big-data-analytics-changing-logistics-industry/4593 (12.11.2018).

[3] Vgl. Lebled, Mona (5.4.2017): „5 Examples of How Big Data in Logsitics Can Transform The Supply Chain“, unter: https://www.datapine.com/blog/how-big-data-logistics-transform-supply-chain/ (12.11.2018).

[4] Fatima, Z.: „Big Data and the logistics industry“ (15.02.2018), unter: https://www.bbntimes.com/en/society/big-data-and-the-logistics-industry (12.11.2018).