Warum die meisten Lieferketten immer noch ohne KI funktionieren

Künstliche Intelligenz mag zwar die Schlagzeilen in der Lieferkette dominieren, doch die meisten realen Abläufe basieren nach wie vor auf Tabellenkalkulationen, fragmentierten Systemen und menschlichem Urteilsvermögen. Das Hindernis liegt nicht einfach in mangelndem Bewusstsein oder fehlendem Ehrgeiz. Es ist die unübersichtliche Realität unzusammenhängender Daten, veralteter Infrastruktur, unklarer Governance und des begrenzten Vertrauens in autonome Entscheidungen. Das Verständnis dieser Hindernisse erklärt, warum agentenbasierte Automatisierung heute in den Bereichen Beschaffung, Logistik, Lagerhaltung und Planung eher in Pilotprojekten als im alltäglichen Lieferkettenbetrieb anzutreffen ist.

Warum die Einführung von KI in Lieferketten immer noch ins Stocken geraten ist

Fragen Sie einen Lagerleiter, was seine täglichen Entscheidungen beeinflusst, und erwarten Sie nicht, Folgendes zu hören “ein Algorithmus.” Wahrscheinlich handelt es sich um eine vor Jahren erstellte Tabellenkalkulation, einen Planer, der jede Ausnahme auswendig kennt, und eine Telefonnummer, die häufiger gewählt wird als jedes Dashboard geöffnet wird. Auf Konferenzen wird viel über autonome Systeme gesprochen, die Fracht in Echtzeit umleiten. In einem realen Verteilzentrum sieht es jedoch selten so aus.

Es handelt sich hier nicht um eine Wissenslücke. Die meisten Einkaufs- und Logistikverantwortlichen kennen das Konzept bereits: Agenten-Tools für Prognosen, Lieferantenverhandlungen – alles. Das eigentliche Problem ist weitaus komplexer als ein Fachkräftemangel. Veraltete Datenstrukturen, Systeme, die nie für die Kommunikation untereinander konzipiert wurden, und die große Unsicherheit, Software Entscheidungen treffen zu lassen, die im Nachhinein niemand vollständig nachvollziehen kann. Teams macht ernsthafte Probleme. Softwareentwicklung für die Lieferkette Sie stoßen immer wieder auf dasselbe Problem, lange bevor irgendein Modell ins Spiel kommt, denn ein Agent ist nur so gut wie die Daten, mit denen er gespeist wird, und die meisten Unternehmen haben den Aufbau dieser Infrastruktur nie abgeschlossen.

Wo die Daten auseinanderfallen

Lieferketten erzeugen Unmengen an Daten. Nur ein Bruchteil davon liegt in einer Form vor, die ein Mitarbeiter direkt nutzen kann. Bestellungen befinden sich in einem ERP-Modul. Speditionsdaten sind in einem separaten Portal gespeichert. Lagerbestandsdaten stammen aus einem über zehn Jahre alten, undokumentierten und fast vergessenen Lagerverwaltungssystem.

Regionale Systeme, die nie fusionierten

Ein großer Einzelhändler kann problemlos vier oder fünf WMS-Plattformen in seinen Märkten betreiben, jede mit ihrer eigenen Etikettierungslogik und ihrem eigenen Aktualisierungsplan. Diese komplexen Daten in einer einzigen, nutzbaren Datenquelle zusammenzuführen, ist mühsam und wird von keinem Anbieter in einer Produktdemonstration gezeigt.

Was schlechte Eingaben tatsächlich kosten

Gibt man einem autonomen Agenten inkonsistente Artikelnummern oder veraltete Lagerbestände, zögert er nicht. Er trifft eine selbstsichere, aber falsche Entscheidung schneller, als jeder Planer sie bemerken könnte. Führungskräfte verlieren wegen dieses konkreten Fehlers mehr schlaflose Nächte als wegen KI im Allgemeinen.

Wer erklärt den Fehler um 2 Uhr morgens?

Autonomie klingt in Strategiebesprechungen großartig. Doch dann wird eine Lieferung um 2 Uhr nachts durch einen ohnehin schon überlasteten Hafen umgeleitet, und jemand muss den Grund dafür erklären. Führungskräfte in der Lieferkette tragen die persönliche Verantwortung für die Servicequalität, weshalb die meisten bei den endgültigen Entscheidungen mitreden, egal wie kompetent ein Mitarbeiter im Pilotprojekt auch wirken mag.

Diese Zurückhaltung deckt sich mit den Zahlen. McKinseys Studie zur Logistikautomatisierung ergab, dass Unternehmen selbst nach einem Jahr Pilotphase noch immer rund neun von zehn wichtigen Entscheidungen von einem menschlichen Prüfer treffen lassen. Vertrauen entsteht nicht durch eine einzige Demo, sondern durch schrittweise Bewältigung von Umbrüchen.

Wo die Adoption heute tatsächlich steht

Beachten Sie das Muster. Prognosen und Bestandsauffüllung sind am weitesten fortgeschritten, da ihre Ergebnisse Vorschläge und keine Verpflichtungen sind. Bei Geld, Verträgen und der physischen Routenplanung sieht es anders aus; diese erfordern nach wie vor die Unterschrift einer Person.

Ehrgeiz übertrifft Komfort

Wenn man genügend Entscheidungen ohne Genehmigungsabfrage aneinanderreiht, erhält man genau das, was in Präsentationen für automatisierte Systeme versprochen wird und was die Mitarbeiter im Lager verunsichert. Ein einzelner Mitarbeiter interpretiert eine Tarifänderung oder eine Hafenschließung falsch, und dieser Fehler zieht ein Dutzend Fehlentscheidungen nach sich, bevor er von einem Menschen bemerkt wird.

Die Governance-Regeln haben nicht nachgezogen

Nur wenige Unternehmen verfügen über schriftliche Richtlinien, die festlegen, welche Entscheidungen ein Mitarbeiter eigenständig treffen darf und welche Fälle eskaliert werden müssen. Die Entwicklung eines solchen Rahmens dauert oft länger als die Einarbeitung des Mitarbeiters selbst.

Die Qualifikationslücke, für die niemand budgetiert hat

Die meisten Supply-Chain-Teams bestehen aus erfahrenen Logistikern, nicht aus Experten für maschinelles Lernen, und diese Diskrepanz löst sich nicht von selbst. Sie durch Neueinstellungen oder Umschulungen zu beheben, ist in der Regel der zeitaufwendigste Schritt in jedem Transformationsplan.

Was die Unternehmen unterscheidet, die Fortschritte erzielen

Die Unternehmen, die tatsächlich vorankommen, beginnen nicht mit einem aufsehenerregenden autonomen Pilotprojekt. Sie bereinigen Stammdaten, standardisieren die Schnittstellen zwischen Kernsystemen und testen eng umrissene Modelle anhand klar definierter Problemstellungen, wie beispielsweise der Bedarfsermittlung auf Palettenebene, bevor sie weiter expandieren. Jeder kleine Erfolg ermöglicht den nächsten, etwas größeren.

Die Reihenfolge ist wichtiger als das Modell, das ein Team kauft. Ein einfaches Prognosetool, das mit sauberen, einheitlichen Daten arbeitet, ist einem viel komplexeren Tool, das mit unstrukturierten Eingabedaten zu kämpfen hat, deutlich überlegen – und so mancher Betriebsleiter hat das bereits schmerzlich erfahren müssen.

Was kommt als Nächstes?

Agentenbasierte Automatisierung wird nicht verschwinden, und echte Autonomie wird sich zunächst in den sichersten Bereichen zeigen: hier eine routinemäßige Nachbestellung, dort die Auswahl des Versanddienstleisters innerhalb eines vorgegebenen Budgets. Beschaffung, Planung und Auftragsabwicklung, die vollständig autonom ablaufen, sind Zukunftsmusik, denn die Bereitschaft innerhalb der Organisation ist genauso wichtig wie die Leistungsfähigkeit eines Modells.

Die Lieferketten, die noch weitgehend ohne KI funktionieren, geraten nicht zwangsläufig ins Hintertreffen. Viele Unternehmen gehen bewusst vor und bauen die Infrastruktur auf, bevor sie die Intelligenz übertragen. Genau diese Geduld wird es den autonomen Systemen ermöglichen, sich zu bewähren, sobald sie die Kontrolle übernehmen sollen.

Die Einführung von KI in Lieferketten wird sich beschleunigen, jedoch nur dort, wo Unternehmen zunächst fragmentierte Daten bereinigen, Kernsysteme modernisieren, Governance-Strukturen definieren und Vertrauen aufbauen. Organisationen, die diese Grundlagen heute stärken, sind morgen besser für eine zuverlässige, skalierbare Automatisierung gerüstet.