Big Data in der Logistik
Ein ganzheitlicher Ansatz für die datengetriebene Logistikplanung, -überwachung und -steuerung

Norman Spangenberg, Martin Roth, Stefan Mutke und Bogdan Franczyk, Universität Leipzig

Die Bedeutung der Logistik hat sich in den vergangenen Jahrzehnten stark verändert. Während diese früher zu den Kernfunktionen der meisten Unternehmen zählte, werden Logistikdienstleistungen heutzutage häufig an Logistikdienstleister ausgelagert. Diese Verlagerung führt zu neuen organisatorischen Strukturen und ermöglicht ebenso die Umsetzung neuer innovativer Geschäftsmodelle. Durch die Digitalisierung der Logistik steigt der notwendige Integrations- und Koordinationsaufwand exponentiell an und kann nur durch den intelligenten Einsatz von IT beherrschbar gestaltet werden kann. Dieser Beitrag beleuchtet das Spannungsfeld der Logistik und IT und zeigt auf, welchen Herausforderungen die Logistik unterliegt und wie diese durch den adäquaten Einsatz von Big Data Technologien bewältigt werden können.

Die Logistik sichert als Querschnittsfunktion die Versorgung der Haushalte sowie Unternehmen mit logistischen Gütern ab und stellt für Unternehmen zunehmend einen entscheidenden Wirtschafts- und Wettbewerbsfaktor dar. Dabei unterliegt die Logistik ständigen Veränderungen, sowohl aus organisatorischer als auch technischer Sicht. Insbesondere die zunehmende Digitalisierung führt zu neuen Herausforderungen, bietet aber auch Potenziale für heutige als auch zukünftige Geschäftsmodelle. 

Die mit der Digitalisierung einhergehende Steigerung der Datenmengen, welche immer schneller und aus einer Vielzahl an Quellen entspringen (Big Data), führt zu einem Paradigmenwechsel innerhalb der Logistik. Big Data bezeichnet dabei Technologien, Methoden und Algorithmen, die Unternehmen in die Lage versetzen, ihre Daten zu beherrschen und nutzbar zu machen, um Effizienz und Wettbewerbsfähigkeit zu steigern [1]. Big Data ermöglicht zunächst die anfallenden Datenmengen aus verschiedensten Systemen, Prozessen und Sensoren aufzunehmen, zu verarbeiten und zu speichern. Insbesondere bieten Big Data-Konzepte die Möglichkeit, über Analysen zusätzliche Informationen zu generieren, die in Planungs- und Entscheidungsprozessen verwendet werden, um Mehrwerte in der Logistik zu generieren. 

Entscheidend für das Gelingen von Big Data in der Logistik ist das Zusammenspiel von Logistik- und Entscheidungsprozessen, Big Data-Methoden und Daten. Nur durch die Übertragung von Big Data-Methoden können die komplexer werdenden Prozesse in der Logistik und angrenzenden Gebieten handhabbar gestaltet und verwaltet werden. Dabei spielen auf operativer Ebene Entscheidungen in Echtzeit eine immer wichtigere Rolle, um in Logistikprozesse steuernd eingreifen zu können, um so die Resilienz dieser zu erhöhen. 

 

>Bild 1: Deming-Kreis mit Logistikfunktionen.

Ziel des Beitrags ist es, aufzuzeigen, wie aktuelle Logistiksysteme von datengetriebenen Verfahren profitieren können und welche Rolle diese bei der Etablierung zukünftiger Geschäftsmodelle besitzen. Weiterhin werden Querverweise zwischen dem Logistiklebenszyklus und geeigneten Big Data-Tools aufgezeigt und erklärt, welchen Einfluss diese auf Logistikprozesse besitzen.


Herausforderungen und Potenziale datengetriebener Logistik

Wettbewerbsdruck, unvorhersehbare Märkte sowie dynamische Änderungen von Regularien beeinflussen maßgeblich die Prozessgestaltung und -durchführung von Unternehmen. Um diesen Herausforderungen entgegenzutreten, lagern viele Unternehmen interne Aktivitäten an externe Dienstleister aus, um die Effizienz zu erhöhen. Diese Entwicklung ist auch in der Logistik zu beobachten und führt zu neuen Geschäftsmodellen wie dem 4th Party Logis-
tics (4PL) Provider. Im Vergleich zum 3rd Party Logistics Provider (3PL) gestaltet, plant, überwacht und steuert dieser logistische Dienstleistungen, welche durch eine Vielzahl an externen Logistikdienstleistern (LDL) gemeinsam erbracht werden, ohne dabei über eigene physische Logistikressourcen zu verfügen [2]. Somit bedient sich der 4PL an mehreren externen Dienstleistern, welche gemeinsam diesen Ablauf realisieren, wodurch die Gesamtzielgrößen auf die einzelnen Dienstleister heruntergebrochen werden müssen. Aufgrund des zunehmenden Netzwerkcharakters steigt die Komplexität enorm an, wodurch neue Lösungsansätze für unterstützende IT-Systeme erforderlich werden. Dies wird noch verschärft, da nicht nur klassische Logistikfunktionen ausgelagert werden, sondern auch Mehrwertdienstleistungen wie Verzollung. Dadurch müssen zum einen die Besonderheiten und Vielzahl an externen Dienstleistern in der Prozessplanung berücksichtigt werden. Zum anderen müssen Überwachungsdaten der Prozessdurchführung schnellstmöglich zur Verfügung stehen, damit bei Teilprozessabweichungen steuernd eingegriffen werden kann. Eine weitere Möglichkeit, dem Konkurrenzdruck entgegenzuwirken, ist Synchromodalität [3]. Ziel dabei ist, den Transportablauf zu flexibilisieren, indem die Informations- und Warenflüsse miteinander verknüpft werden, wodurch sich Lieferketten während des Transports flexibel gemäß den Rahmenbedingungen anpassen lassen. Der synchromodale Transport minimiert Pufferzeiten, unterstützt die Bündelung von Waren und Gütern und ermöglicht die schnelle Anpassung der Transportmodi [4]. Um diese Flexibilität zu erreichen, müssen prozessbegleitende Daten in Echtzeit zur Verfügung stehen.

Auch die Umsetzung des Sharing Economy-Prinzips eröffnet der Logistik neue Potenziale [5]. So ist es möglich, dass Spediteure ihre Ladungsflächen teilen, um dadurch Lagerkosten, Umwege oder weitere Ressourcen zu sparen. Durch die Umsetzung des Sharing-Gedanken in der Logistik wird die intelligente Vernetzung aller logistischen Prozesse durch die neuen Aufgaben von Industrie 4.0 vorangetrieben. Um dies zu erreichen, ist es notwendig, dass die Erfassung, Aufbereitung und Verfügbarkeit von unternehmensübergreifenden Daten rollenspezifisch und anwendergerecht echtzeitnah durchgeführt wird. 

Zum Weiterlesen klicken Sie hier