Big Data in der Logistik

Die immer weiter ansteigende Menge an Daten und die damit einhergehenden Probleme und Chancen sind in einem jedem Unternehmen an der Tagesordnung. In der Nutzung von Big Data in der Logistik steckt ein unglaubliches Potenzial. Durch die hohe Komplexität und Dynamik der Logistik lassen sich Big Data-Anwendungen perfekt an ihr durchführen. Um letztlich Erkenntnisse zu gewinnen, müssen alle Teilbereiche, wie Transport, Lagerhaltung und Verpackung, einzeln und als Ganzes betrachtet werden. Darüber hinaus muss nicht nur der Produzent an sich, sondern auch alle damit verbundenen Logistikdienstleister und Lieferanten betrachtet werden. Besonders die Art und Weise, wie Daten gesammelt, verarbeitet und ausgewertet werden hat sich in der Logistik verändert.[1]

Big Data – der Begriff

Big Data zeichnen sich vor allem durch die „3V“, Volume, Velocity und Variety, aus. Volumen steht hierbei für die Menge an Daten die tagtäglich generiert werden. Velocity, auf Deutsch Geschwindigkeit, beschreibt die Geschwindigkeit, mit welcher Daten generiert werden. Jede Handlung, Tätigkeit oder Entscheidung erzeugen Daten, welche gespeichert werden müssen. Variety, Vielfalt, beschreibt hierbei die Anzahl der unterschiedlichen Quellen von Daten. In der Logistik werden in jedem Teilbereich unterschiedlichen Daten erzeugt. Außerdem kommen zusätzlich Informationen von Lieferanten und Logistikdienstleistern. Informationen in der Logistik können aus einigen zusätzlichen Datenquellen bezogen werden. Finanzielle Geschäftsprognosen, Verkehrs- und Wetterdaten, als auch Fahrzeugdiagnosen sind nur einige von vielen Datenquellen.[2]

Wirkung von Big Data auf die Logistik 

Durch die Nutzung von Big Data in der Logistik kann vor allem die Effizienz, insbesondere innerhalb der Vertrieb- und Logistiknetzwerke, enorm gesteigert werden. Daten zwischen Unternehmen der Supply Chain können besser ausgetauscht werden und Abstimmungen der Unternehmen können erhöhen werden, durch beispielsweise Big Data Analytics. Des Weiteren können Kundendaten genutzt werden, um die Entwicklung der Kundenachfrage bei der Planung von Beständen und damit verbundenen Kosten besser kontrollieren zu können. Durch den besseren Einblick in die Nachfrage der KundInnen können zum Beispiel Sicherheitsbestände reduziert und als Folge dessen die verfügbaren Flächen als Produktionsfläche genutzt werden.

Bestand und Lagerung

Bei der Bestandsverwaltung können durch bestimmte Sensoren an den zu lagernden Materialien diese verfolgt werden und damit verbunden auch Ausfälle verhindern. Es kann jederzeit nachvollzogen werden an welchen Stellen im Lager sich das benötigte Material befindet. Durch diese können, besonders im Bereich der Beschaffung von Teilen aus dem Lager, wesentliche Zeitersparnisse geschaffen werden. Die Automatisierung von Lagern erfreut hierbei immer steigender Beliebtheit in den Unternehmen. Zwar erfordern jene Lager am Anfang ein sehr hohes Investment, jedoch zahlt sich diese Anschaffung durch Kosten- und Zeitersparnisse im laufenden Betrieb aus. Analysen zum Lagerlayout oder zum Produktbestand helfen dabei die Abläufe im Lager zu optimieren und zum Beispiel bei erschöpftem Lagerbestand automatisch neue Bestellungen zu tätigen. Außerdem werden durch die Automatisierung und das Entfallen von durch Menschen ausgeführten Tätigkeiten, die Genauigkeit der Prozesse stark erhöht und die Fehleranfälligkeit enorm reduziert.

Transport und Routenoptimierung

Bei der Routenoptimierung spielen Big Data und Big Data Analytics eine besonders große Rolle. GPS-Daten, Wetterdaten oder auch Personalpläne sind nur einige Datenquellen, welche in die Routenoptimierung eingehen und welche es für einen Menschen fast unmöglich machen, eine solche Vielzahl an Informationen in die Lösung einzurechnen.

Diese unzähligen Faktoren können durch Big Data Analytics zusammen betrachtet und mit hoher Geschwindigkeit neue optimierte Routen berechnet werden. Die „letzte Meile“ in der Zulieferung der Ware zum Kunden spielte einen großen Kostenfaktor. Dafür können bis zu 28% der gesamten Transportkosten anfallen. Durch die Nutzung von mobilen Internetdaten und GPS-Daten können die Fahrtstrecken der Paketzusteller in der Stadt optimiert werden. Zusätzlich können die KundInnen den genauen Standort des Zustellfahrzeugs und ihres Paketes verfolgen und somit möglichweise gewährleisten zur Ankunft des Paketes zu Hause zu sein und somit dem Paketzusteller zusätzlichen Aufwand zu ersparen. UPS machte sich die Big Data in der Logistik zu Nutze und beschreibt, dass nach der Umstellung in einem Jahr 350000 mehr Pakete zugestellt und 10 Millionen Gallonen weniger Sprit verbraucht wurde.

Zusätzlich können empfindliche Güter besser und zuverlässiger an ihr Ziel gebracht werden. Durch die Nutzung von Sensoren, wie z.B. Temperatursensoren oder Schocksensoren, können Routen gewählt werden, welche die ordnungsgemäße Ankunft der Ware gefährden würde. Zum Beispiel LKWs mit Gütern, welche stoßempfindlich sind, könnten besondere Routen erhalten, bei welcher Pflastersteinstraßen oder besonders große Straßenunebenheiten vermieden werden könnten.[3]

Die Routenoptimierung kann beispielsweise auch Unternehmen enorm unterstützen, welche Produkte oder Bauteile durch Lieferanten mittels JIT/ JIS beziehen. Aufgrund des engen zeitlichen Freiraums dürfen die Waren nur mit geringen Verspätungen eintreffen, um trotzdem noch eine fortlaufende Produktion sicherzustellen.

Planung der Kapazitäten 

Auch im Arbeitsmanagement und in der Planung von Kapazitäten nehmen Big Data Analytics eine wichtige Rolle ein. Aufgrund der Verfügbarkeit von Daten zu Stoßzeiten oder auch den vorhandenen Kapazitäten können die Ressourcen so optimal verteilt werden, dass die Arbeit stets erledigt wird und dennoch keine Überstunden benötigt werden.

Ergänzend können Maschinenkapazitäten und verfügbare personelle Kapazitäten miteinander abgestimmt werden. In Unternehmen mit mehreren 100 Mitarbeitern ist dieser Abgleich von Hand viel zu zeitaufwendig. Durch Big Data Analytics können die Kapazitäten perfekt abgestimmt und optimiert werden.

Verkauf

Besonders im E-Commerce sind Kundendaten von hoher Wichtigkeit. Die KundInnen wollen immer geringere Preise, kürzere Lieferzeiten, Rabatte und niedrige bzw. keine Versandkosten. Dies ist nur möglich, wenn an allen Bereichen im Unternehmen und vor allem in der Logistik Kosten und Zeit gespart werden. Website-Analysen sind ein weiterer wichtiger Faktor im E-Commerce. Die Analysen können Informationen, wie Alter, Geschlecht und Interessen der KundInnen in Erfahrung bringen und ausgewertet werden. Mit daraus entstehenden Erkenntnissen können effektive Marketingkampagnen, Preisstrategien und Segmentierungen getroffen werden.

Zusammenfassung

Durch die immer weitersteigende Menge an Daten und die immer größer werdende Zahl an Konkurrenten im Kampf um den Markt und um die KundInnen, müssen Unternehmen Lösungen finden, wie sie ihr Unternehmen effizienter, kostengünstiger und mit mehr Angebot gestalten können. In der Logistik finden die Unternehmen einen Teilbereich, durch dessen bessere Analyse Kosten- und Zeitersparnisse möglich sind. Schlüsselfaktor dafür ist die Nutzung und Analyse der tagtäglich hervorgebrachten Daten.

Mit Big Data Analytics können Unternehmen weitaus komplexere Probleme lösen, als dies in der Vergangenheit der Fall war. Durch die Nutzung und Analyse von Big Data können Vereinfachungen im Vertriebsnetz der Unternehmen Einsparungen von bis zu 20% der Transport- und Lagerkosten erzielen.[4]Zusätzlich können durch die Automatisierung von Lagern Kosten und Zeit gespart werden. Hierbei sparen jedoch nicht nur die Unternehmen Geld. Durch den immer schärferen Wettbewerb zwischen den Unternehmen, sind diese gezwungen Teile der ersparten Ressourcen zu nutzen, um dem(r) KundIn einen besseren Service zu bieten. Kürzere Lieferzeiten aufgrund von besserer Routenoptimierung, geringere Versandkosten oder besondere Services helfen hierbei am Markt stand- und mitzuhalten.

Abschließend lässt sich sagen, dass wir hier jedoch noch nicht am Ende des Weges angekommen sind. Viele Unternehmen machen sich die Macht der Daten nicht zu nutzen, was ihnen langfristig die Position am Markt kostet. Jene Unternehmen, welche bereits jetzt die Möglichkeiten erkennen, welche Big Data und vor allem auch Big Data in der Logistik bieten, werden in den nächsten Jahren immer größere Erfolge erzielen. Durch immer besser werdende Analyseverfahren und der Automatisierung weiterer Bereiche in der Logistik, können immer bessere Erkenntnisse über KundInnen, Kostenersparnisse und Servicequalität erzielt werden.

Quellenangaben

[1] Vgl. “How Big Data & Analytics Are Changing the Logistics Sector” (14.2.2018), unter https://datafloq.com/read/big-data-analytics-changing-logistics-industry/4593 (12.11.2018). [2] Vgl. “How Big Data & Analytics Are Changing the Logistics Sector” (14.2.2018), unter https://datafloq.com/read/big-data-analytics-changing-logistics-industry/4593 (12.11.2018). [3] Vgl. Lebled, Mona (5.4.2017): „5 Examples of How Big Data in Logsitics Can Transform The Supply Chain“, unter: https://www.datapine.com/blog/how-big-data-logistics-transform-supply-chain/ (12.11.2018). [4] Fatima, Z.: „Big Data and the logistics industry“ (15.02.2018), unter: https://www.bbntimes.com/en/society/big-data-and-the-logistics-industry (12.11.2018).