de.wedoany.com-Bericht: C.H. Robinson hat als erstes Unternehmen eine Künstliche Intelligenz (KI) eingeführt, um die globalen Lieferketten von Verladern zu betreiben und kontinuierlich zu bewerten und zu verbessern – eine Premiere in diesem Bereich. Der globale Logistikdienstleister hat das System für seine Kunden der 4PL Managed Solutions (Viert-Partei-Logistik-Managementlösungen) entwickelt. Der neu eingeführte Lean AI Engineer arbeitet mit dem 2025 eingeführten Lean AI Planner zusammen, um ein vernetztes System zu schaffen, das die Leistung der Lieferkette während des Betriebs einzigartig verbessert.
Die Technologie wickelt autonom 92 % der weltweiten 4PL-Frachttransporte ab, einschließlich Lkw, See-, Luft- und Schienenverkehr. Sie verwaltet Sendungen ab der Auftragserstellung, einschließlich Ausschreibung, Routenplanung, Lieferung, Ausnahmebehandlung und Zahlung an Frachtführer. Der Lean AI Engineer kann die gesamte Lieferkette in 25 bis 30 Minuten bewerten und Verbesserungen identifizieren, bevor die Leistung beeinträchtigt wird – im Gegensatz zu herkömmlichen Bewertungen, die normalerweise bis zu vier Wochen dauern und nur vergangene Ereignisse betrachten. Der Lean AI Engineer liefert Erkenntnisse, während der Lean AI Planner den Frachttransport über Hunderte vernetzter KI-Agenten steuert. Die Ausführungsergebnisse fließen als Daten zurück an den Lean AI Engineer, um intelligentere Optimierungen zu entwickeln.
Jordan Kass, Präsident von C.H. Robinson Management Solutions, erklärte, dass das System kontinuierlich läuft, laufende Geschäftsprozesse verbessert und sich bei Störungen selbst repariert, ohne dass Alarme oder menschliches Eingreifen erforderlich sind, um Probleme zuerst zu erkennen. Der Lean AI Planner führt Aufgaben in Echtzeit aus, während der Lean AI Engineer Ergebnisse analysiert, Muster erkennt und Logiken anpasst. Jordan erläuterte, dass die Technologie die Notwendigkeit unabhängiger Tools für Lieferkettenintelligenz und -orchestrierung überflüssig macht.
Durch die Skalierung logistischer Expertise mittels Technologie – traditionell hochwertige Logistikdienstleistungen sind auf talentierte Mitarbeiter angewiesen, die Komplexität managen, Entscheidungen treffen und bei Störungen eingreifen – ergänzte Jordan, dass das Problem darin bestehe, dass Talente nicht skalierbar seien. Indem Fachwissen direkt in die Technologie kodiert werde, erhielten Verlader unbegrenztes Talent und Fachwissen, das unabhängig von der Verfügbarkeit von Personal in verschiedenen Zeitzonen oder von Mengenwachstum oder -spitzen konsistent auf jede Sendung angewendet werde. Teams könnten sich auf strategische Prioritäten konzentrieren und die besten Geschäftsergebnisse erzielen.
Der Erfolg hängt von den Daten und Kontextinformationen ab, auf die das System zugreifen kann. Mit 450 internen Softwareentwicklern und Datenwissenschaftlern wird eine proprietäre Kontextebene aufgebaut, indem systematisch institutionelles Wissen aus Arbeitsabläufen gewonnen wird. Diese Daten stammen von erfahrenen Frachtexperten und speisen kontinuierlich das Modell. Die Technologie nutzt Daten aller Schritte des End-to-End-Transports, nicht nur fragmentierte Ausschnitte, die verschiedene Tools sehen. Sie wird mit dem einzigartigen Kontext der Frachtorchestrierung trainiert, einschließlich Sendungsdetails, Prozessen, Abhol- und Lieferorten, Frachtführern, Routen und Risikobereitschaft. Jordan erklärte, dass der Lean AI Engineer so wisse, welche Verbesserungen geeignet seien, anstatt allgemeine oder theoretische Ratschläge zu geben. Wenn beispielsweise ein Automobilzulieferer fünf Tage die Woche grenzüberschreitend zu Just-in-Time-Montagelinien transportiere, würde das System nicht vorschlagen, durch wöchentliche Einzelsendungen Kosten zu sparen. Die fortschrittliche KI berücksichtige mehr Variablen als manuelle Analysen oder typische Softwareanalysen, und die Verbesserungsvorschläge seien für den Benutzer priorisiert und umsetzbar.
Zum Start wird der Lean AI Engineer Optimierungen und versteckte Einsparpotenziale für Unternehmen identifizieren. Ein früher Anwender erfuhr, dass die Umstellung von einem variablen Transportplan auf wöchentliche Sendungen die Ladevorgänge an 20 Standorten um 17 % reduzieren und jährlich über 1 Million US-Dollar einsparen könnte. Ein anderer Kunde restrukturierte den Frachttransport, sodass eine Abholung drei verschiedene Lieferorte bediente – die Anpassung reduzierte die Gesamtladevorgänge um 81 % und sparte 40 % der Kosten. Der Lean AI Engineer wird auf weitere Kunden ausgeweitet und beginnt, andere Faktoren wie die Leistung von Frachtführern zu bewerten. Durch kontinuierliches Monitoring des Frachtführer-Verhaltens über Kanäle, Transportmodi und Kunden hinweg wird er Frühindikatoren für Leistungsabfälle identifizieren und Korrekturmaßnahmen empfehlen, bevor Serviceausfälle auftreten.
Arun Rajan, Chief Strategy and Innovation Officer bei C.H. Robinson, wies darauf hin, dass Lieferketten oft nicht unter Informationsmangel leiden, sondern unter der Kluft zwischen Wissen und Handeln. Technologien, die über oder außerhalb der Lieferkette angesiedelt sind, können Daten aggregieren, Signale koordinieren und Vorschläge machen, sind jedoch darauf angewiesen, dass andere die Signale umsetzen und verstehen, ob die Maßnahmen wirken. Arun erklärte, dass die Technologie diese Kluft durch ein einheitliches System überbrücke, das rund um die Uhr hochwertige Dienstleistungen biete – etwas, das kein anderes Unternehmen erreichen könne.
Dieser Artikel wurde von Wedoany übersetzt und bearbeitet. Bei jeglicher Zitierung oder Nutzung durch künstliche Intelligenz (KI) ist die Quellenangabe „Wedoany“ zwingend vorgeschrieben. Sollten Urheberrechtsverletzungen oder andere Probleme vorliegen, bitten wir Sie, uns unverzüglich zu benachrichtigen. Wir werden den entsprechenden Inhalt umgehend anpassen oder löschen.
E-Mail: news@wedoany.com
