• Produkte
  • Industrien
  • IIoT & Lösungen
  • Service
  • Unternehmen

Künstliche Intelligenz: Zukunftsschlüssel zur optimierten Sicherheitsbestandsberechnung?

17.06.21

By Lena Schneider

Der Begriff „künstliche Intelligenz“ ist inzwischen in aller Munde. Doch was hat es damit eigentlich auf sich? Was versteht man unter künstlichen neuronalen Netzen? Wie lassen sich diese trainieren? Und welche Vorteile könnten sich bei deren Einsatz für die Sicherheitsbestandsoptimierung ergeben?

Gemäß Definition von SAP ist künstliche Intelligenz (KI), oft auch Artificial Intelligence (AI) genannt, der Überbegriff für Anwendungen, bei denen Maschinen menschenähnliche Intelligenzleistungen erbringen.

Ein Zweig der KI sind künstliche neuronale Netze (KNN), die inspiriert vom menschlichen Nervensystem die Informationsverarbeitung des Gehirns nachahmen. Sie bestehen aus künstlich nachgebildeten Neuronen; Mathematik ersetzt an dieser Stelle die Botenstoffe und Synapsen. So lassen sich Informationen intelligent verarbeiten und komplexe Problemstellungen ohne menschliches Zutun bewältigen.

Ein initiales neuronales Netz enthält zunächst keine Informationen. Damit es konkrete Problemstellungen lösen kann, muss es erst ausreichend trainiert werden. Hier kommt das Machine Learning zum Einsatz, das ein zentrales Teilgebiet der KI ist.

Maschinelles Lernen dient dazu, KI-Systeme basierend auf vorhandenen Datensätzen und Algorithmen zu befähigen, bestimmte Muster und Gesetzmäßigkeiten zu erkennen und entsprechende Lösungen zu entwickeln. Kurz gesagt: Es wird künstliches Wissen aus Erfahrungen generiert. Dabei steht und fällt die Qualität des neuronalen Netzes mit der Auswahl und Aufbereitung der richtigen Trainingsdaten.

Ein trainiertes neuronales Netz ist schließlich in der Lage, das erworbene Wissen auf bislang unbekannte Problemstellungen anzuwenden. Auf diese Weise können Prozesse optimiert oder Vorhersagen zuverlässig getroffen werden.

Einsatz neuronaler Netze für die Sicherheitsbestandsoptimierung

Wie lässt sich diese Technologie für das Supply Chain Management (SCM) nutzen? Findige Entwickler bei der GIB haben die Sicherheitsbestandsberechnung als sinnvolles Einsatzfeld identifiziert. Im aktuellen Supply Chain Excellence Release ist die Beta-Version 2.0 S/4 HANA zur Sicherheitsbestandsoptimierung mit neuronalen Netzen bereits Realität geworden.

Durch die Erweiterung um künstliche neuronale Netze können im SAP-System deutlich umfassendere Sicherheitsbestandsberechnungen durchgeführt werden. So lassen sich mehr Einflussgrößen bei gleichzeitiger Bewertung des jeweiligen Einflussgrades berücksichtigen. Anfangs sind alle Netze noch unwissend. Damit sie zur Sicherheitsbestandsoptimierung beitragen können, ist es notwendig, sie step-by-step zu trainieren.  

Der erste Schritt ist die Auswahl passender Kennzahlen. In dem Zusammenhang wird geschaut, welche Einflussgrößen ein Sicherheitsbestand überhaupt hat. Hier spielen unter anderem Aspekte wie Wiederbeschaffungszeit, Schwankungen, Lieferzuverlässigkeit oder Bedarf pro Tag eine entscheidende Rolle.

Nach dem Festlegen der Kennzahlen beginnt das Training. Dafür eignen sich Materialien, die bereits einen optimalen Sicherheitsbestand vorweisen können. Die Aufgabenstellung für das neuronale Netz wird formuliert und das ausgeworfene Ergebnis durch den Trainer bewertet. Dies ist möglich, da durch den Einsatz historischer Daten das optimale Ergebnis bereits bekannt ist. Der Algorithmus ist somit in der Lage, Zusammenhänge und Muster zu erkennen und folglich zu lernen.

Ist der Lernprozess abgeschlossen, füttert man das neuronale Netz mit Problemstellungen, deren Ergebnisse dem Experten noch nicht bekannt sind. Der Weg des neuronalen Netzes zum optimalen Ergebnis kann bei komplexen Aufgaben vom Experten nicht mehr nachvollzogen werden. Bei der Sicherheitsbestandsberechnung besteht in der Regel die Möglichkeit, zumindest das Ergebnis qualitativ zu bewerten. Grundsätzlich ist dies beim Einsatz von KI-Lösungen jedoch nicht immer der Fall; dann gilt der Glaube an die Leistungsfähigkeit des trainierten KNN.

Nun ist das neuronale Netz perfekt trainiert und das gesammelte Wissen kann effektiv für die Sicherheitsbestandberechnung sämtlicher Materialien genutzt werden.

Wo geht die KI-Reise hin?

Insgesamt sind mehrere Schritte notwendig, bis ein neuronales Netz fertig trainiert ist. Der von der GIB entwickelte Prototyp wird aktuell verstärkt auf Kundensystemen getestet. Im Rahmen dessen gilt es beispielsweise herauszufinden, wie viele Trainingsdaten notwendig sind oder welche Einflussgrößen sich besonders eignen.

Neuronale Netze haben bereits erste starke Erfolge gezeigt und bieten sehr viel Potenzial. Es ist spannend zu beobachten, wohin die Reise gehen wird. Die Verfahren werden stets weiterentwickelt, sodass darauf zu hoffen ist, dass die Idee künftig zu nachhaltigem Nutzen in der Sicherheitsbestandsberechnung führt.