Künstliche Intelligenz als persönlicher Assistent –  Daten als Grundlage für KI-Einsatz in Einzelhandel, Großhandel und Fertigung

Datenanalyse spielt gerade bei der Planung von komplexen Produktions- und Vertriebsprozessen eine wichtige Rolle. Dabei gehen Business Intelligence und Artificial Intelligence immer fließender ineinander über – gesteuert werden die Analysen über das ERP-System. Mögliche Einsatzbeispiele in Großhandel, Einzelhandel und Fertigung zeigt Thomas Böing, Consultant bei Comarch.

Einen Blick in die Zukunft ermöglicht zum Beispiel die Absatzprognose mit Business Intelligence (BI). Solche Analysen lassen sich auf Basis allgemeiner Statistik ausführen. Die Zahlenreihen werden exponentiell geglättet und auf der Grundlage von mathematischen Formeln errechnet. Mit festen Parametern und dem Input aus historischen Zeitreihen kann eine BI-Software in die Zukunft rechnen und einen erklärbaren Output liefern. Mit dem ermittelten Zahlenwerk lassen sich unter Berücksichtigung auf bestimmte Faktoren Trends für die Zukunft ableiten und dabei auch Sondereffekte wie Aufträge oder Werbeaktionen einkalkulieren.

Business Intelligence und ähnliche Software-Tools, die auf Absatzprognosen-Optimierung spezialisiert sind, können an ein modernes ERP-System angedockt werden und so direkt auf die Daten aus dem ERP zugreifen.

Künstliche Intelligenz – Mit Parametern KI „anlernen“

Die Entwicklung geht in Zukunft immer mehr in eine weitere Verfeinerung solcher Analysen. Mit Mechanismen der Künstlichen Intelligenz (KI) sollen Sondereffekte noch besser abgebildet werden – was eine präzisiere Planung ermöglicht. KI-Tools basieren auf dem menschlichen Lernen, welches Erfahrung in Erkenntnisse umwandelt. Dazu werden technologische Anwendungen wie neuronale Netze eingesetzt, die es erlauben, ein Ereignis auf Basis einer Wahrnehmung zu gewichten. Aus einer Reihe solcher Erfahrungen bildet sich ein Erfahrungsschatz, der wiederum wie ein Wissenspool zur Verfügung steht. Die einzelne Erfahrung basiert dabei auf einem Zusammenhang, der zwischen Ursache und Wirkung erkannt wurde. Schließlich kann dies in ein Modell übernommen und angepasst werden. Das Model wird dann mit Einsatzparametern und Gewichtung von Menschen entsprechend der eigenen Pläne und Ziele gesteuert: Wenn ein Schwellwert in den Daten aus dem ERP überschritten wird, wird dies im Output ausgegeben. Künstliche Intelligenz benötigt diese Eingangsparameter, welche dann die künstlichen Neuronen und deren Gewichtung steuern, um einen Schwellwert auslösen.

Zahlen lassen sich mit KI-Systemen automatisierter und viel tiefer erforschen, wenn ein Prinzip von Ursache und Wirkung durch die Künstliche Intelligenz aufgedeckt wurde. Der Wert wird in Relation gebracht und steht schließlich zum Beispiel für die Absatzprognose bereit.

Welcher Lerntyp ist Ihre Maschine?

Dabei ist zwischen verschiedenen Lernansätzen zu  unterscheiden. So können auf einen Lerndatensatz (das sog. Eingabemuster) folgende Lernverfahren angewendet werden: überwachtes Lernen, nicht überwachtes Lernen und bestärkendes Lernen. Beim überwachten Lernen sind die Ergebnisse, die das System anhand des Eingabemusters ausgeben soll, bereits bekannt. Angenommen ein Eingabemuster besteht aus 10.000 Transaktionen, von denen 100 als betrügerisch einzustufen sind, dann werden die Ergebnisse (das Ausgabemuster) dahingehend überprüft, ob das System diese 100 Betrugsfälle als solche erkannt hat. Bei nicht überwachtem Lernen soll dem System beigebracht werden, selbstständig Muster in den Eingabedaten zu erkennen. Ein Beispiel für dieses Lernverfahren ist der k-Means-Algorithmus, mit dem Kunden anhand ihrer Daten in homogene Gruppen mit ähnlichen Verhaltensmustern/Präferenzen segmentiert werden. Das Verfahren des bestärkenden Lernens kommt bspw. bei Systemen zum Einsatz, die mit Hilfe von Algorithmen Schach spielen und belohnt werden, wenn sie gewinnen bzw. ein bestimmtes Ergebnis erzielen.

KI und BI kombinieren

Je mehr und je unterschiedlicher die eingespielten Daten, desto mehr Abweichungen müssen interpretiert werden. Eine vorherige Gewichtungen der Daten im BI-Tool und eine anschließende Optimierung sind also von Vorteil. Dieses Gewichten fördert wieder das Expertenwissen der Künstlichen Intelligenz, was Daten beherrschbar macht. 

Anwendungsbereiche von /Künstlicher Intelligenz

Die Anwendungsbereiche von Künstlicher Intelligenz sind vielfältig und für zahlreiche Unternehmen interessant. Gerade die Fertigung und der Einzelhandel können von konkreten Einsatzmöglichkeiten der KI-Technologie profitieren.

KI-Selling im Einzelhandel

Im Einzelhandel kann Künstliche Intelligenz auf vielfältige Weise genutzt werden, um durch eine Steigerung des Verkaufs und die Erhöhung der Margen Unternehmensgewinne zu erzielen. In einem ersten Schritt tragen KI-Systeme mittels statistischer Verfahren und k-Means-Algorithmen zu einem besseren Verständnis des Kunden bei und ermöglichen die Bestimmung homogener Kundengruppen (d. h. Kunden mit vergleichbarem Einkaufsverhalten und ähnlichen Präferenzen). Anschließend kommen Prognosealgorithmen zum Einsatz, um Kunden zu einem bestimmten Verhalten zu motivieren und damit Cross-Selling oder (dank Warenkorbanalyse) Up-Selling zu erreichen. Hierbei erfolgt eine präzise Kundenausrichtung von Angeboten und Marketingkampagnen sowie die Bewerbung von Ersatzprodukten, sollte ein angebotenes Produkt im Lager nicht mehr vorrätig sein. Am häufigsten bedient man sich dabei der Strategien Next Best Offer (Erstellung von Angeboten anhand der Kaufhistorie des Kunden und seines aktuellen Warenkorbs) und Next Best Action (Vorschläge für den nächsten Schritt in der Interaktion mit dem Kunden).

KI-Analysen im Großhandel

Im Großhandel kann Künstliche Intelligenz auch zur Unterstützung von Back-Office-Prozessen genutzt werden. Die vorausschauende Analyse der Verkaufszahlen ermöglicht die Definition von Algorithmen für die automatische Lagerauffüllung. In der Kundenanalyse unterstützt KI zum Beispiel die Festlegung passenderer Kreditlimits oder eine genauere Einschätzung der Zuverlässigkeit des Käufers. Zudem können Aktionen genau analysiert werden sowie Einflüsse von Kampagnen auf die Verkaufsprognosen (Menge, Margen) genau unter die Lupe genommen werden.

KI Bestandsplanung in der Fertigung

Im Industriesektor gibt es ebenfalls zahlreiche Einsatzmöglichkeiten für Künstliche Intelligenz. Neben der Bilderkennung kann Künstliche Intelligenz bei der Entwicklung der Produktionstechnologie, der optimalen Auswahl von Ersatzgütern/-stoffen oder der Aufrechterhaltung idealer Bestandsmengen hilfreich sein. Auch die Optimierung der Auslastung von einzelnen Produktionslinien und Fertigungsinseln lässt sich durch die Verwendung von KI vereinfachen. 

Neben den in ERP-Systemen gespeicherten Daten sind dabei Daten aus IoT-Plattformen (Internet of Things; Internet der Dinge) für KI von besonderem Interesse. Die Integration von ERP-Systemen sowie Messdaten von Maschinen, Produktionslinien und Fertigungsinseln macht den Einsatz von Künstlicher Intelligenz in der Analyse der Produktionsprozesse möglich. Zudem können Qualitätsprüfungen durch die Auswertung von Bilddaten oder Qualitätskontrollen durch eine Auswertung von Messergebnissen mit Erkennung von Anomalien durchgeführt werden.

Daten sammeln und speichern

Es empfiehlt sich bereits heute, den wichtigsten Rohstoff für KI zu Tage zu fördern und  gut zu verwalten: Daten sind nicht nur das Öl des Informationszeitalters sondern auch der Treibstoff für einen zukünftigen KI-Einsatz, ohne den für Maschine Learning schnell der Motor ausgeht. Egal ob Sie KI schon auf dem (Bild)Schirm oder in weiter Ferne auf dem Radar haben – es lohnt sich schon jetzt, Ihren Datenstamm zentral in einem modernen ERP-System zu verwalten und mit BI für die umfassende Struktur und Kohärenz dieser Daten zu sorgen.

Big Data bei internationalen Unternehmen

Das weltweit aktive Unternehmen Oriflame aus der Kosmetikbranche verkauft in mehr als 60 Ländern direkt und wollte mit der Einführung innovativer Technologien basierend auf KI und Machine Learning einen Wettbewerbsvorsprung erzielen. Oriflame konzentriert sich dabei auf Segmentierung von Big Data. Sich selbst anpassende Segmentierungsergebnisse können bei Oriflame verwendet werden, um neue Produktkategorien zu prognostizieren und zu planen. Das Whitepaper zum Einsatzbeispiel steht zum Download auf der Website von Comarch zur Verfügung

Zum Whitepaper


Informationen über Comarch ERP Enterprise:
https://www.comarch.de/produkte/erp/cee/ 

Informationen über Comarch Business Intelligence unter:
https://www.comarch.de/produkte/business-intelligence/

 

Ihr Ansprechpartner

Klaus Lechner
PR Manager
Riesstraße 16
80992 München

Tel.: +49 (89) 14329-1229
Klaus.lechner@comarch.de