====== Supply Chain Management  ======

**Das Supply Chain Management umfasst alle Aktivitäten von Lieferketten entlang des gesamten Wertschöpfungsprozesses.**

Unter Lieferketten sind alle Material- und Informationsflüsse zu verstehen, welche von der Rohstoffgewinnung bis zum Endverbraucher, aufgebaut und verwaltet (gemanagt) werden müssen, beginnend mit Elementen der Markt- und Kundenanalyse über die Art, die Menge, den Zeitpunkt und Ort eines Produktes, über die Beschaffung, Forschung und Entwicklung dieses Produktes bis hin zur Logistik und Auslieferung. Das Supply Chain Management kann als einer der Primärprozesse der globalen Wirtschaft betrachtet werden. Der Umfang an Aktivitäten stellt damit auch viel Optimierungspotenzial.

===== Problemstellung & Zielsetzung =====

Transparente und nachhaltige Lieferketten gewinnen zunehmend an Bedeutung und führen zu großen Datenmengen. Zur Ausschöpfung dieses Datenpotenziales werden Algorithmen genutzt welche die erfassten Daten in Echtzeit verarbeiten und die gewonnenen Informationen intelligent und flexibel für Prozesse und Abläufe zur Verfügung stellen. Prozesse gewinnen hierdurch nicht nur an Effizienz, sondern werden auch resilienter.

===== Mögliche KI-Methodiken =====

Der Bereich des Supply Chain Managements umfasst umfangreiche betriebliche Abläufe, welche wiederum verschiedene Einsatzmöglichkeiten für KI bieten.

So kann KI für folgende Beispiele genutzt werden, es handelt sich aufgrund der Komplexität um einen Abriss:

  * __Bilderkennung__ - Lagerflächen und Bestände automatisch analysieren (Vgl. auch [[wissen:glossar:intelligente_logistik|Intelligente Logistik]] und [[wissen:glossar:pfadplanung|Routenoptimierung]]), überprüfen und optimieren bspw. mittels \\ 
    * **[[wissen:glossar:computervision|Computer Vision]]**  und 
    * **[[wissen:glossar:augmentedreality|Augmented Reality]]** zur Bilderfassung und   
    * **[[wissen:glossar:machine_learning|Maschinelles Lernen]]** zur Datenanalyse.
  * __Verwaltung__ - Verarbeitung von Bestellungen, Lieferungen, Rechnungen, etc. anhand von Methoden zur
    * [[wissen:glossar:dokumentanalyse]] sowie des
    * [[wissen:glossar:ocr|Optical Charakter Recognition]].
  * __Fahrsysteme__ - zur Lagerverwaltung und für Logistikprozesse (Vgl. auch [[wissen:glossar:intelligente_logistik|Intelligente Logistik]] und [[wissen:glossar:pfadplanung|Routenoptimierung]]), bspw. durch
    * **[[wissen:glossar:autonomes_fahren| Autonomes Fahren]]** zur Unterstützung des automatischen flexiblen Transportes.
  * __Mustererkennung__ - Qualitätsprüfung von Lieferungen vornehmen und Abweichungen erkennen, bspw. über 
    * **[[wissen:glossar:machine_learning|Maschinelles Lernen]]**   
    * bzw. durch KI-Methoden des **[[wissen:glossar:deep_learning|Deep Learning]]** definierte Merkmale erkennen und bei Abweichungen melden.
  * __Prognosemodellierung__ - basierend auf aktuellen Umfelddaten Lieferausfälle vermeiden und Liefer-/Bestellmengen anpassen, hier sind Methoden des 
    * **[[wissen:glossar:machine_learning|Maschinelles Lernen]]** und des 
    * **[[wissen:glossar:deep_learning|Deep Learning]]** zur Erfassung und Analysierung von Mustern und dem Abgleich mit Daten aus der Vergangenheit sowie zu Berechnung über Algorithmen für zukünftiges Szenarien einsetzbar. \\ Insbesondere bezüglich der Kundenanalysen können für die Prognosemodellierungen auch 
    * **[[wissen:glossar:chatbot|Chatbots]]** zum Einsatz kommen.
  * __Prozessoptimierung__ - Prozesse automatisch zu optimieren, hier wären neben den Methoden des 
    * **[[wissen:glossar:machine_learning|Maschinellen Lernens]]** und des 
    * **[[wissen:glossar:deep_learning|Deep Learning]]**, zur Analyse in Kombination mit 
    * **[[wissen:glossar:expertensysteme|Wissensbasierten Expertensystemen]]** denkbar, ergänzt um Methoden zur Prozessautomatisierung für bspw. maschinelle Bereich wie der 
    * **[[wissen:glossar:robotik|Robotik]]**.
  * __Automatisierte Entscheidungen__ - automatisch Entscheidungen über die Materialbestellmengen treffen, kann ebenfalls über 
    * **[[wissen:glossar:machine_learning|Maschinelles Lernen]]** und über
    * **[[wissen:glossar:deep_learning|Deep Learning]]** umgesetzt werden, um Muster zu erkennen und zu analysieren, welche in Folge durch 
    * **[[wissen:glossar:expertensysteme|Wissensbasierte Expertensysteme]]** ergänzt werden, um Entscheidungen und Aussagen treffen zu können.

===== Risiken & Chancen =====

  * Lieferrisiken bei Systemproblemen.
  * Operative Risiken durch Umfeldbedingungen.
  * Finanzrisiken durch bspw. Tageskursschwankungen möglich.
  * Nachfragerisiken durch Fehler und Unsicherheiten.
  * Effizienzsteigerung.
  * Niedrigere Kosten durch bspw. schneller Reaktionsfähigkeit. 
  * Größere Agilität und Resilienz der Lieferkette.
  * Erhöhte Produktqualität durch Integration des Anforderungsmanagements. 
  * Besserer Kundenservice.
  * Größere Nachhaltigkeit und Transparenz.

===== Best Practices =====

Auch in den Best Practises wurde das Supply Chain Management behandelt:

  * [[wissen:bestpractice:foodforecast|]]

===== Weiterführende Informationen =====

  * [[https://www.onlinesicherheit.gv.at/Themen/Experteninformation/Supply-Chain-Security/Supply-Chain-Risikomanagement.html|onlinesicherheit.at. (o.D). Supply-Chain Risikomanagement.]]
  * [[https://www.sap.com/germany/products/scm/what-is-supply-chain-management.html#:~:text=Definition%20von%20Supply%20Chain%20Management,Lagerhaltung%2C%20Versand%20und%20Vertrieb%20umfassen.|SAP. (o. D.). Was ist Supply Chain Management (SCM)?]]
  * [[https://wirtschaftslexikon.gabler.de/definition/supply-chain-management-scm-49361|Gabler Wirtschaftslexikon online (2023) - Supply Chain Management]]\\ **Markus Siebermann**, 16.12.2023
  * [[https://www.iis.fraunhofer.de/de/profil/jb/2021/ki-revolutioniert-supply-chain.html| Fraunhofer IIS (2023) - KI revolutioniert die Supply Chain]] \\ **Christian Menden**, 16.12.2023