Neue Erwartungen an die Intralogistik Same-Day-Lieferung in die Kleinstadt

Nicht zuletzt beeinflusst durch die pandemische Lage hat sich der Wettbewerb im E-Commerce-Bereich bedeutend zugespitzt. Eine McKinsey-Umfrage kam zu dem Ergebnis, dass zudem die Markentreue der Kunden abnimmt. Geschuldet sei dies vor allem dem vereinfachten Preisvergleich. Viele Händler im Bereich e-Grocery setzen daher auf Micro-Fulfillment-Center und automatisieren Lagerhallen zunehmend, um konkurrenzfähige Lieferzeiten anzubieten.

Beitrag: Redaktion.

Das e-Grocery Zeitalter: Automatisierung als Antwort. Noch vor wenigen Jahren konnte sich wohl kaum jemand vorstellen, eines Tages seine Lebensmittel über eine App zu bestellen und noch am selben Tag bis an die Haustür geliefert zu bekommen. Nun ist dies für viele Kunden gerade im Großstadtraum gang und gäbe. Von der monatlichen Getränkelieferung ins Büro bis hin zum Wocheneinkauf sind Begriffe wie „Sofortlieferung“ oder „innerhalb von 120 Minuten“ für viele Unternehmer zum erschreckenden Reality-Check geworden. Das andere Sektoren nachziehen, ist weniger eine Frage als vielmehr eine Feststellung.

Um derartige Services anbieten zu können, setzen viele Supermärkte auf Ladeninterne oder externe „Dark Stores“ (für den Kunden nicht zugängliche Lagereinheiten). Ob nun Click-and-Collect oder Home Delivery in letzter Instanz eingesetzt wird – eins ist klar: Laufen die Prozesse im Lager zu langsam oder fehlerbehaftet ist die Kundenzufriedenheit gefährdet. Bei abnehmender Markentreue sind die Folgen fatal. Wie kann dem also effizient und zukunftsorientiert entgegengewirkt werden?

Die Erfolgsstory des schwedischen Durchstartes „Matsmart“ zeigt, dass smarte und skalierbare Automatisierung die Antwort ist. Das Konzept von Matsmart ist, Lebensmittel vergünstigt zu verkaufen, die ansonsten aufgrund von Überproduktion, fehlerhafter Verpackung, saisonalen Trends oder kurzer Haltbarkeit entsorgt würden. 2021 verdreifachte der Konzern seine Kapazität mithilfe von 149 AutoStore Robotern von Element Logic.

Pro Stunde kommissionieren diese bis zu 6.000 Artikel aus 88.000 Behältern. Beeindruckend und zukunftsfähig, da das System jederzeit problemlos erweiterbar ist. Die Platzanforderungen sind selbst für kleinere Unternehmen minimal, wie das deutsche Familienunternehmen Leslii (30 Mitarbeiter) zeigt. Mit einem Flächenbedarf von nur 100 m² und vier Robo-tern verfügt Leslii über eines der kleinsten und gleichzeitig kosteneffizientesten Auto-Store-Systeme in Deutschland. Das System erzielt täglich 1.500 Picks. Jährlich werden rund 2 Millionen Artikel an Händler in ganz Europa versandt. Vorreiter in der Same-Day-Lagerlogistik bleiben jedoch bisher die Lebensmittelhändler. Diese greifen mittlerweile auf sogenannte Micro-Fulfillment-Center zurück, um kleinere Ortschaft rechtzeitig zu beliefern.

Micro-Fulfillment – maximum Delivery
Den Einsatz kleinerer Lager für die lokale Bestellabwicklung bezeichnet man als Micro-Fulfillment. „Ein Logistiktrend dieser Größenordnung findet normalerweise nur statt, wenn sich die Branche vom Endverbraucher zum Wandel gezwungen sieht. In den USA trieb Amazon vor einigen Jahren den Trend zur schnelleren lokalen Lieferung voran. Heute setzen die Branchen- und Markterwartungen in den USA den europäischen Markt unter Druck“, erklärt Joachim Kieninger, Director Strategic Business Development von Element Logic Deutschland. Kurz gesagt weiten diese kleinen Ableger die Lieferreichweite von Unternehmen auch auf kleinere Ortschaften aus und beschleunigen gleichzeitig Retourenprozesse. Auch die Transportkosten werden so beeinflusst. „Die Lieferzeit hängt unmittelbar von der Entfernung ab. Je näher man beim Kunden ist, desto genauer kann man angeben, wann die Bestellung voraussichtlich zugestellt wird. Eine präzise Sendungsverfolgung wird für die Customer Journey immer wichtiger“, sagt Kieninger.

Nun liegt der Gedankengang nahe, auch diese Ableger durch automatisierte Prozesse zu wahren Produktivitätsmonstern zu machen. Der größte Vorteil an automatisierten Centern ist, dass die Lagerkapazität erheblich gesteigert wird, während die Modularität eine einfache Erweiterbarkeit gewährleistet. „Im Moment ist es noch ein zusätzlicher Service, den Unternehmen anbieten, um die Kundenzufriedenheit zu steigern. Mit steigender Nachfrage und der stärkeren Gewöhnung an eine schnelle Lieferung werden Micro-Fulfillment-Center jedoch wahrscheinlich zum Standard werden. Ich denke, dass das in den kommenden fünf bis zehn Jahren der Fall sein wird“, meint Kieninger. Ein aufblühender Trend für Unternehmen, die sich zunächst von den positiven Effekten eines automatisierten Standorts (ob Haupt- oder Micro-) überzeugen wollen, ist das Konzept „Automation-as-a-Service“.

Das Automation-Abo.
„Wir werden wahrscheinlich in fünf Jahren automatisieren, wenn wir größer sind und mehr Geld haben.“ – Künftig will Element Logic auch Kunden mit finanziellen Einstiegshürden die Möglichkeit geben ihr Unternehmen von den Vorteilen der AutoStore-Technologie profitieren zu lassen. Eine Art Abo-Modell ist nicht ausgeschlossen und bietet viele Vorteile. Der Einbau ist leicht, die Skalierbarkeit des Systems nach oben und unten hoch. Gerade für Geschäfte mit saisonalen Schwankungen klingt das wie Zukunftsmusik. Eine sehr reale und profitable Zukunft. Mehr Informationen zum Wandel der Intralogistik finden sie im offiziellen Whitepaper von Element Logic „Drei neue Trends für die Intralogistik“. (RED)

 

LOGISTIK express Journal 5/2021

China Elektromobilität: Aufholjagd deutscher Hersteller im Land der Mitte beginnt

China gilt als Leitmarkt für Elektroautos. Das Land fördert auch wegen der Coronakrise die  Elektromobilität noch bis Ende 2022. Um ihre Marktanteile auszuweiten investieren auch Hersteller wie VW, Daimler und BMW verstärkt in China.

Redaktion: Dirk Ruppik.

Die chinesische Regierung will die schlechte Luft in den großen Städten des Landes bekämpfen und weltweit Technologieführer bei der Elektromobilität werden. Daher gilt China als Leitmarkt für Elektroautos. Das Land der Mitte ist mit etwa der Hälfte des globalen Absatzes weltweit der größte Markt für New Energy Vehicles (NEV). In den letzten zehn Jahren hat die Regierung den Aufbau des Marktes für Elektromobilität und der Ladeinfrastruktur in allen Marktsegmenten mit großem Aufwand vorangetrieben.

Auf politischer Ebene sind für die Phase des Marktaufbaus der 13. Fünfjahresplan, die Technologie-Roadmap des Ministry of Industry and Information Technology (MIIT) sowie der NEV-Entwicklungsplan bestimmend. Bis Ende 2020 sollte dadurch der Anteil der NEV-Neuzulassungen sieben Prozent der gesamten Anzahl der zugelassenen Fahrzeuge betragen. Fünf Millionen NEV sollten bis Ende 2020 die Straßen des Landes befahren. Gleichzeitig waren 50000 öffentliche Ladepunkte geplant. Laut des International Council on Clean Transportation (ICCT) wurde mit 4,92 Millionen NEV auf Chinas Straßen Ende 2020 die Vorgabe fast erreicht.

Auswirkungen der Pandemie auf den NEV-Markt.
Wie vieles andere hat die Coronakrise zu Beginn auch den  Absatz von NEV im Land der Mitte einbrechen lassen. Aber schon ab März 2020 nahmen die Absatzzahlen gemäß Statista wieder zu, um im Dezember mit 199400 (162000 in 2019) einen neuen Höhepunkt zu erreichen. Davon waren 167000 batteriebetriebene Elektrofahrzeuge (BEV) und 32400 Plug-in-Hybride Elektrofahrzeuge (PHEV). Die chinesische Regierung fördert laut Germany Trade & Invest (Gtai) weiterhin die Elektromobilität und verlängert die Subventionszahlungen auch wegen der Coronakrise bis 2022. Zudem wurde die Kaufsteuer in Höhe von zehn Prozent des Nettoverkaufspreises für NEV bis Ende 2022 ausgesetzt. Dies gilt für alle in China hergestellten Automobile und Importe mit Elektroantrieb, Plug-in-Hybride und Automobile mit Brennstoffzellen (Fuel Cell Electric Vehicle, FCEV).

Laut eines Entwurfs des MIIT zufolge sollen NEV in 2025 ein Viertel aller Neuwagenverkäufe stellen. In 2030 sollen 38 Millionen NEV pro Jahr hergestellt werden, wobei der Anteil der Neuzulassungen dann 40 Prozent betragen wird. Bisher konzentrieren sich die Verkäufe allerdings auf wenige Großstädte mit Zulassungs­beschränkungen für Pkw mit Verbrennungsmotoren sowie zusätzlichen lokalen Anreizen für NEV. In 2018 lagen gemäß einer Studie des ICCT sechs der neun größten städtischen NEV-Märkte weltweit im Reich der Mitte: Shanghai, Beijing, Shenzhen, Hangzhou, Tianjin und Guangzhou. Bisher sind NEV deutlich teurer als Verbrenner und die Nachfrage ohne zusätzliche Anreize und Vergünstigungen ist nicht nachhaltig. Mitte 2020 startete die Regierung aufgrund der Pandemie eine neue NEV-Kampagne für die ländlichen Regionen Chinas. Dadurch wurden insbesondere kleinere und erschwinglichere NEV und die Verkäufe in ruralen Gebieten gefördert.

Erfolgreiche chinesische Produzenten und massenhaft Patente.
Unter den weltweit zehn erfolgreichsten E-Auto-Herstellern sind vier chinesische Autokonzerne – namentlich SGMV, BYD, SAIC, Great Wall –, die durch Massenproduktion eine hohe Wirtschaftlichkeit erreicht haben. Im Mai 2021 rollte mit einem Han EV bei BYD in Shenzhen das ein millionste Electric Vehicle (EV) des Herstellers vom Band. Das Unternehmen, an dem auch Warren Buffets Berkshire Hathaway beteiligt ist, liegt weltweit auf Platz 5 (fünf Prozent Marktanteil) und in China auf Platz 2 (zwölf Prozent Marktanteil) der größten Hersteller. Die Liste der global größten EV-Hersteller führt Elon Musks Tesla an. Darauf folgen SGMV (SAIC-GM-Wuling Automobile), VW, BMW und BYD. Weitere chinesische Hersteller liegen auf folgenden Plätzen: SAIC (Platz 8), Great Wall (Platz 11), NIO (Platz 15), GAC (Platz 18), Chery (Platz 20).

Tesla erreicht mit rund zwölf Prozent Marktanteil im wichtigen chinesischen Inlandsmarkt Platz 1. Danach folgen laut der amerikanischen China-Info-Plattform SupChina BYD, SAIC Motor, SAIC Volkswagen, SGMV, NIO, Xpeng, Li Auto, WM Motor, Geely, Byton, Enovate, Zhiji, Xiaomi, Dongfeng Motor, Chang’an Automobile, GAC, Chery Automobile, FAW Group, FAW-Volkswagen Automobile, Evergrande und BAIC. Mittlerweile tummeln sich im chinesischen EV-Markt auch Immobilien-Unternehmen wie Evergrande und chinesische Technologiekonzerne wie Tencent, Huawei, Baidu und Didi Chuxing. Gemäß SupChina wird der chinesische Markt in 2030 18 Millionen E-Autos und ein Marktvolumen von rund 380 Milliarden US-Dollar (durchschnittliche Kosten pro EV 20000 US-Dollar) umfassen.

Weiterhin wollen laut ADAC auch chinesische Hersteller auf dem europäischen Markt für E-Nutzfahrzeuge Fuß fassen. Elektrisch angetriebene Lkw, auch für den Fernverkehr, sind die nächste Revolution in der Nutzfahrzeugbranche. Ein Beispiel ist die junge Marke Maxus aus dem SAIC-Konzern, die seit Kurzem das Modell EV80 als Kastenwagen, Neunsitzer oder reines Fahrgestell anbietet. Der chinesische Hersteller Geely ist seit Ende 2017 größter Anteilseigner am Lkw-Hersteller Volvo Trucks AB. Mit dem kommenden Elektro-Lkw zielt Geely gemäß dem Magazin Auto Motor und Sport stark auf den Tesla Semi-Truck ab.

China reichte die meisten Technologie-Patente in 2019 bis 2020 im Bereich Schnelllade- und kabellose (Wifi) Ladetechnologie ein. Von über 5000 angemeldeten Patenten im gleichen Zeitraum im Bereich Wireless Electric Vehicle Charging (WEVC)-Technologie hält China 40 Prozent, gefolgt von Japan (20 Prozent), USA (14 Prozent) und Deutschland (14 Prozent). In 2020 befinden sich zudem 14 chinesische Großstädte unter den E-Auto-Hauptstädten der Welt.

Erfolg des NEV-Programms und Zukunft.
China setzte gemäß ICCT schon sehr früh auf die Entwicklung eines Marktes für E-Autos. Die Hauptgründe und Herausforderungen lagen in der bedrohten Versorgungssicherheit mit Öl, der stockenden Entwicklung der Autoindustrie, großer Luftverschmutzung und dem zunehmenden Klimawandel. Der Aufbau eines NEV-Marktes adressierte alle Probleme und führte zur Zusammenarbeit verschiedenster Ministerien, was wiederum entsprechend NEV-förderliche Richtlinien und Gesetze in verschiedensten Bereichen hervorbrachte. Der Erfolg beim Aufbau des NEV-Marktes gründet auf einer klaren Vision, konsistenter Planung, koordinierten Maßnahmen, Innovationen auf Städteebene, der Einführung von Richtlinien und Gesetzen sowie der Anpassung dieser an einen sich wandelnden Markt. Meilensteine waren hier der “Zehn Städte, 1000 Automobile”-Pilotplan in 2009, durch den Kaufanreize, Steuervergünstigungen für E-Autos, staatliche Beschaffungsmaßnahmen und Infrastruktursubventionen eingeführt wurden. Weiterhin sind hier beispielhaft der Auto Industry Ajustment and Revitalization Plan 2012–2020, der Energy Saving and NEV Development Plan, Made in China 2025 und der NEV Industrial Plan 2021-2035 zu nennen. Im 14. Fünfjahresplan (von 2021-2025) wird die chinesische NEV-Vision in Richtung eines vollständig elektrifizierten Straßentransportsektors im Rahmen der langfristigen Verpflichtung zur CO2-Neutralität und zur Verschönerung Chinas angepasst werden.

Deutsche Hersteller nehmen den Kampf um den E-Automarkt in China auf.
Der Volkswagen Konzern will laut Handelsblatt zusammen mit seinen chinesischen Joint-Venture-Partnern trotz der Corona-Pandemie bis 2024 15 Milliarden Euro in Elektromobilität investieren – zusätzlich zu den 33 Milliarden Euro weltweit. Im Mai 2020 hatte VW bereits eine Erhöhung seines Anteils um zwei Milliarden Euro im chinesischen Joint Venture JAC Volkswagen bekannt gegeben. Weiterhin will der Konzern  für rund eine Milliarde Euro 26 Prozent der Anteile am chinesischen Batteriehersteller Gotion High-Tech erwerben. Daraufhin gab Gotion High-Tech Mittte Juli den Bau einer Fabrik für Kathodenmaterialien mit hohem Nickelgehalt in der chinesischen Stadt Hefei bekannt. VW plant 15 NEV-Modelle bis 2025 in China zu bauen, um im stark umkämpften chinesischen Markt mithalten zu können. Das gesamte Produktportfolio soll im Land der Mitte dann zu 35 Prozent aus rein elektrischen Modellen bestehen. Daimler hatte Anfang Juli 2020 ebenso eine Beteiligung an dem chinesischen Batteriezellenhersteller Farasis Energy (Ganzhou) verkündet. Auch BMW gab Mitte September eine Ausweitung seiner Batterieproduktion in Tiexi (China) bekannt. Bisher haben die deutschen Autohersteller laut dem deutschen Automobilverband VDA in China gerade einmal einen Marktanteil von zwölf Prozent. McKinsey schätzt, dass der Anteil an vollelektrischen Fahrzeugen in China bis 2025 auf 14 bis 20 Prozent ansteigen wird. Dies entspricht rund vier bis fünf Millionen verkauften Autos.

QUELLE: LOGISTIK express Ausgabe 3/2021

Deep Learning revolutioniert die Logistik

„Tiefes Lernen“ als Teilgebiet der Künstlichen Intelligenz revolutioniert die Logistik. Durch künstliche neuronale Netzwerke (KNN) können riesige Mengen (Big Data) an unstrukturierten Daten verarbeitet und analysiert werden.

Redaktion: Dirk Ruppik.

Beim Thema „Künstliche Intelligenz (KI)“ werden bei vielen Menschen Assoziationen zu Science Fiction-Filmen geweckt. Wer denkt da nicht an Cyborgs, Blade Runner und Replikanten? Aber wie weit ist die KI wirklich und wo wird sie in der Logistik bereits angewendet? Was sind die Zukunftsaussichten?

 

Nach dem Gabler Wirtschaftslexikon versteht man unter KI „die Erforschung von intelligentem Problemlösungsverhalten sowie die Erstellung intelligenter Computersysteme. Sie beschäftigt sich mit Methoden, die es einem Computer ermöglichen, Aufgaben zu lösen, die vom Menschen zur Lösung Intelligenz erfordern.“ Zur KI gehören mittlerweile viele Teilbereiche, deren Anzahl beständig wächst: Bots, Predictive Maintenance, Data Mining, Process Mining, Neuronale Netze, Machine Learning, Deep Learning, u.v.m.. Deep Learning mit Hilfe neuronaler Netze ist der derzeit vielversprechendste Ansatz in der künstlichen Intelligenz und wiederum ein Ansatz innerhalb des maschinellen Lernens. Daher soll es hier genauer betrachtet werden.

Wie funktioniert tiefes Lernen?
Beim maschinellen Lernen werden Algorithmen anhand von Daten trainiert. Beim tiefen Lernen werden künstliche neuronale Netze zur selbstständigen Informationsverarbeitung bzw. zur fortgeschrittenen Mustererkennung genutzt. Künstliche neuronale Netze (NN) sind Algorithmen, die nach dem biologischen Vorbild des menschlichen Gehirns modelliert sind. Durch große Datenmengen (Big Data) und stark gewachsene Rechenkraft hat Deep Learning an Relevanz gewonnen. Auch hier füttert man das neuronale System mit Trainingsdaten. Diese laufen dann allerdings durch ein Netzwerk an künstlichen Neuronen, das in Schichten angeordnet ist. Die Daten werden von einer Neuronenschicht zur anderen über sog. gewichtete Kanäle übertragen. Es existiert eine Input-Schicht, dazwischen sog. Hidden Layers und eine Output-Schicht. Man kann sagen, je höher die Anzahl der Hidden Layer ist, desto tiefer ist das Lernen. Durch Aktivierungsfunktionen werden bestimmte Neuronen aktivert, die dann ihre Werte an die jeweils nachfolgende Schicht weitergeben. Durch die Neuronen der Hidden Layers wird den Werten eine jeweilige einzigartige Zahl (Bias) hinzugefügt. Durch Anpassung der Wichtung und die Bias lernt das neuronale Netzwerk.

Tiefes Lernen ist extrem rechenintensiv und das Training kann über Monate andauern, um gute Vorhersagen und Entscheidungen treffen zu können. Deep Learning löst Probleme z. B. im Bereich der Sprach-, Text- und Bilderkennung, was ohne diese speziellen Algorithmen nicht möglich wäre. Gerade bei riesigen Datenmengen funktioniert Deep Learning weit besser als das maschinelle Lernen mit klassischen Algorithmen. Der Hauptunterschied zwischen Deep Learning und klassischem Machine Learning liegt in der Fähigkeit, durch künstliche neuronale Netzwerke (KNN), unstrukturierte Daten zu verarbeiten.

Anwendungsgebiete des Deep Learning in der Logistik.
Neben der Sprach-, Text- und Bilderkennung wird tiefes Lernen in der Logistik beispielsweise bei der Wegeoptimierung eingesetzt. Beim Online-Händler für Mode Zalando werden die Laufwege der Mitarbeiter in den Logistikzentren verkürzt und die Pickrouten so optimiert, dass ein möglichst sinnvoller Weg durch die Regalreihen entsteht. Bei der Kombination aus Pickliste und Wegstrecke handelt es sich im Prinzip um eine komplexere Variante des Traveling-Salesman-Problems.

Nach wie vor stellt die Rechenzeit der Algorithmen die größte Herausforderung für viele Anwendungen dar. Um diese Zeit auf wenige Millisekunden zu reduzieren, wurden bei Zalando eine Million zufälliger Picklisten generiert und mit Hilfe des Algorithmus mit der dafür errechneten Kommissionierzeit gelabelt.

Die Daten wurden dann in ein NN eingespeist. Anhand dieser Informationen wird es trainiert und die Wegezeitenberechnung erreicht schließlich nur eine Fehlerrate von etwas über 32 Sekunden pro Stunde. Ein enormer Beschleunigungsfaktor kann durch Grafikprozessoren (GPUs) erreicht werden. Das Unternehmen nutzt NN (sog. Convolutional Deep Neural Networks) auch zur Extraktion von Merkmalen aus Produktbildern, die für das Bereitstellen von individuellen Empfehlungen an Kunden verwendet werden.

Die BMW Group arbeitet derzeit an der Entwicklung von fünf KI-fähigen Robotern zur Verbesserung der Logistikabläufe. Dies sind einerseits ein Smart Transportroboter (STR) zum autonomen Materialtransport, als auch Logistikroboter zum Auswählen, Greifen und Handling von Bauteilen und Ladungsträgern. Die Roboter verwenden KNN, z. B. zur Wahrnehmung, Segmentierung, Bestimmung der räumlichen Lage und Schätzung der menschlichen Position. Zusätzlich zu realen Daten werden die Logistikroboter mithilfe gerenderter Bilder trainiert, um Bauteile und Ladungsträger unter verschiedenen Sicht- und Lichtbedingungen zu erkennen. Die realen und synthetischen Daten werden anschließend verwendet, um künstliche, neuronale Netzwerke auf den Grafikkarten-basierten Servern zu trainieren. Dadurch sollen Logistikprozesse und -innovationen weiter optimiert werden. Die Roboter wurden auf der vom amerikanischen Grafikprozessor-Hersteller NVIDIA entwickelten ISAAC-Robotics-Softwareplattform entwickelt.

Der amerikanische Logistiker GlobalTranz nutzt Deep Learning um Unternehmen beim Tracking von Finanzprognosen, Produktionstempo- und fluss sowie Auftragsabwicklung zu helfen. Zudem können dadurch bessere Entscheidungen durch die Geschäftsführung getroffen werden. Laut der amerikanischen Computerzeitschrift Wired Magazine erwarten Experten die zunehmende Nutzung von Tiefem Lernen in der voraussagenden Instandhaltung von Maschinen, Ertragsoptimierung, Beschaffungsanalyse und Vorratsoptimierung. Die amerikanische Beraterfirma McKinsey sieht einen Wertezuwachs von Unternehmen durch die Einführung von Deep Learning-Technologien je nach Branche von ein bis neun Prozent der Unternehmenserträge.

Wie KI die Logistik verändern wird.
Besonders auch im Bereich der Lagerverwaltung und -technik wird die Automatisierung mit KI immer weiter Einzug halten. Durch sie wird die Lagerverwaltung agiler und reagiert schneller auf geänderte logistische Anforderungen. Eine wichtige Rolle beim Smart Warehouse spielt dabei das Industrial-Internet-of-Things (IIoT) durch das alle Komponenten miteinander vernetzt werden. KI wird die Kommissionierung durch die Vorberechnung der benötigten Ladungsträger und Packmittel verbessern und die Zeiten verkürzen, Cobots und Fahrerlose Transportsysteme (FTS) steuern, die Bestandsverwaltung optimieren, die Kommunikation von Komponenten durch die Vernetzung stark verbessern, die Produktivität erhöhen u.v.m..

Der effektivere Einsatz von Personal durch KI-gesteuerte Einsatzplanung führt zu geringeren Personalkosten bzw. eine höherer Sicherheit durch Reservenbildungen (z. B für den Krankheitsfall). Das Logistics Trend Radar (2018/ 19) von DHL zeigt zwei übergreifende Trends auf, die durch den Einsatz von KI erst entstehen. Die Antizipatorische Logistik beschäftigt sich mit der Voraussage der Nachfrageentwicklung. „Man muss wissen, dass die simulationsbasierte Planung eines der ganz großen Ziele der Digitalisierung ist, das gilt nicht nur für die Logistik, sondern für alle Branchen. Wenn wir so weit sind, dass wir ganze Lieferketten vorausberechnen und -steuern können, dann kann man die Digitalisierung der Geschäftsprozesse nahezu als abgeschlossen betrachten“, erklärt Thomas Reppahn, Leiter Zentrale Logistics Product and Process Management der Schenker Deutschland AG.

Der zweite Trend sind selbstlernende Systeme durch selbstlernende KI-basierte Algorithmen wie eben KNN. Einige Anwendungen in der Logistik wurden oben schon aufgezeigt. Die selbstlernenden KI-basierte Algorithmen eignen sich zum Erkennen wiederkehrender Ereignisse im Lager oder bei der Kommissionierung, die dann z. B. in bestimmte Kommissionierregeln umgesetzt werden können. Durch selbstlernende Systeme kann u. a. auch die rechtzeitige Nachbestellung von Artikeln in der benötigten Stückzahl automatisiert werden. (DR)

Quelle: LOGISTIK express Ausgabe 4/2020

Vorteile einer automatisierten Kreditorenbuchhaltung

Die digitale Transformation ist unerlässlich für den Geschäftserfolg von morgen. Sie ist keine Option mehr, sondern Notwendigkeit. Alle Geschäftsfelder sind betroffen, insbesondere der Einkauf.

Beitrag: Thomas Kofler.

Als Einstieg in die digitale Transformation eignet sich vor allem die Kreditorenbuchhaltung (AP Accounts Payable), d.h. die Buchführung der Kontokorrentbeziehungen zwischen dem eigenen Unternehmen und externen Lieferanten und Dienstleistungsanbietern. Hier wird das Tagesgeschäft häufig noch immer von Papier und Personal intensiven, manuellen, fehlbehafteten Prozessen bestimmt. Die Kreditorenbuchhaltung zählt in vielen Konzernen zu den ineffizientesten und kostenträchtigsten Abteilungen in einem Konzern. Besonders hoch ist der Verwaltungsaufwand u.a. bei Speditionen und Expressdienstleistern, die meist Hunderte von Lkw-Unternehmen beschäftigen. Durch Automatisierung können Unternehmen den Arbeitsaufwand und Kosten senken sowie Zeit und Personal einsparen. Die Rendite entsprechender Investitionen (ROI = Return on Investment) ist hoch.

Stolpersteine.
Warum kommt die Digitalisierung in diesem Bereich trotzdem nur schleppend voran? Zum einen geniesst die Kreditorenbuchhaltung als Nebenzweig der Finanzbuchhaltung im Bereich Finanzen und Controlling keinen hohen Stellenwert. Entsprechend schwierig ist es für die Verantwortlichen, die nötigen Investitionen bewilligt zu bekommen. Vielen Finanzkontrolleuren ist nicht bewusst, wie viel Geld sie mit einer Automatisierung einsparen könnten und dass die Einsparungen die Investitionen über Zeit weit überschreiten.

Ein weiteres Problem ist das Silodenken in grossen Organisationen und die unsichtbaren Mauern zwischen Buchhaltung, IT und Einkauf. Naturgemäss hat die Kreditorenbuchhaltung einen engen Bezug zum Beschaffungswesen, insbesondere dem Einkauf. Meistens rapportieren die Bereiche jedoch an unterschiedliche
Führungskräfte und sehen sich daher als Konkurrenten mit unterschiedlichen Zielen. Es braucht bei der Einführung von AP-IT-Lösungen einen langen Atem. Viele Lieferanten sträuben sich anfangs gegen einen Systemwechsel hin zu e-Invoicing und e-Payments. Hier sind Fingerspitzengefühl und Überredungskunst gefragt.

Softwarefunktionen.
Das Angebot technischer Lösungen für eine Automatisierung der Kreditorenbuchhaltung ist gross. Ihre Funktionalität wird ständig verbessert. Waren Supply-Chain-Finance (SCF)-Lösungen anfänglich auf Grossunternehmen ausgerichtet, stehen heute KMU im Fokus. Denn laut Expertenaussagen verfügen erst 52% über eine SCF-Lösung. Laut einem Bericht des McKinsey Global Institute vom Januar 2017 könnte rund die Hälfte aller bezahlten Tätigkeiten von Mitarbeitenden in Wirtschaftsunternehmen mit der heute zur Verfügung stehenden Technologie automatisiert werden.

Wie funktioniert AP Lösungen? Der Prozess beginnt mit der Auftragserteilung und anschliessenden Rechnungsstellung. Akzeptieren Sie nur noch elektronische Rechnungen von Ihren Lieferanten! Durch kostenloses Verknüpfen aller Lieferanten mit einer Multi-User-Plattform erreichen Sie eine hohe Akzeptanz fürs e-Invoicing. Wenn der Lieferant die Plattform auch für eigene Geschäfte nutzen kann, z.B. den Einkauf von Ersatzteilen unteranderem wächst die Bereitschaft, digitale Prozesse zum Standard zu machen.

Mit moderner Software können Sie die gesamte Rechnungsbearbeitung automatisieren. 
Eingehende Rechnungen werden erfasst und automatisch mit Aufträgen, Vertragskonditionen, aber auch gesetzlichen und firmeninternen Compliance-Vorgaben und Zollbestimmungen sowie Wareneingangsbuchungen/Lieferscheinen verglichen. Nach positiver Prüfung werden sie zur Zahlung frei gegeben markiert und gemäss den vorgegebenen Zahlungszielen bezahlt. Die Software erfasst ebenfalls Gutschriften, verwaltet offene Posten, archiviert Unterlagen und füttert Daten in das ERP-System.Die Mitarbeitenden konzentrieren sich allein auf die Problemfälle. So lässt sich die mit Anzahl der mit Rechnungen befassten Personen reduzieren und die Durchlaufzeiten im Rechnungswesen deutlich verkürzen.

Skonti locken.
Eine integrierte Procure-to-Pay-Lösung ermöglicht ausserdem die dynamische Handhabung von Skonti bei Frühzahlungen. Der Einkauf/Financial Controller bestimmt, wie viel Kapital für Frühzahlungen zur Verfügung steht. Die Lieferanten publizieren online ihre Standardkonditionen. Gemeinsam werden dann die anzuwendenden Konditionen beschlossen, die bei früher Zahlung automatisiert angewendet werden. Für Unternehmen die Skonti auf alle Eingangsrechnungen erhalten, ergeben sich signifikanten Einsparungen und höhere Gewinnmargen. Aber auch mehr Transparenz, Imagegewinn sowie langfristig, stabile Partnerschaften mit Lieferanten sind als positive Nebeneffekte nicht zu unterschätzen. Mit kürzeren Zahlungsfristen können Unternehmen eventuell auch deutlich günstigere Konditionen im Einkauf aushandeln. Für langjährige Lieferanten ergibt sich die Möglichkeit, bei den an die Plattform angeschlossenen Banken einen günstigeren Kredit auszuhandeln, da diese den kontinuierlichen Geldfluss sehen.

Tail Spend.
Einkaufsrichtlinien konzentrieren aus Haftungsgründen traditionell den Wareneinkauf auf eine beschränkte Zahl ausgewählter Mitarbeiter. Diese sind für den Einkauf der wichtigsten Rohstoffe und Halbwaren verantwortlich. In manchen Unternehmen werden aber so kaum 10% der Lieferanten erfasst. Mit der Einführung einer digitalisierten Zahlungsabwicklung kann auch anderen Mitarbeitenden Zugang zu Zahlungsmitteln (Unternehmens- oder Kreditkarte/p-Karte) für geringfügigere Ausgaben (Tail Spend) gewährt werden. Dabei mag es sich um Reisekosten, den Einkauf von Dienstleistungen oder Büromaterial, Kleinteile, Ersatzteile, Werkzeuge oder andere Waren handeln.Die Verwaltung solcher Unternehmensausgaben, d.h. nicht-geschäftskritischer Einkäufe, ist gewöhnlich komplex. Moderne Softwarelösungen übertragen die Kontrolle über solche Einkaufsentscheidungen den jeweiligen Budgetverantwortlichen und ebnen den Weg für einen standardisierten Genehmigungsworkflow. Dies erhöht die Transparenz unternehmensweit. Die Automatisierung der Kreditorenbuchhaltung steigert nicht nur die Kosteneffizienz der Buchhaltung selbst, sondern der gesamten Organisation.

Erfolgreiche Umsetzung.
Eine erfolgreiche digitale Transformation der Kreditorenbuchhaltung gelingt nicht über Nacht. Sie erfordert Veränderungen bei Geschäftsprozessen, Mitarbeitenden und Führungskräften sowie in der Wahrnehmung der Kreditorenbuchhaltung und ihrer Bedeutung für den Einkauf und das Unternehmen als Ganzes auf der Führungsebene. Die Einführung neuer Softwarelösungen ist immer eine Herausforderung. Aber das Durchsetzen von Verhaltensänderungen (Change-Management) ist weitaus anspruchsvoller. Die Software muss einfach in der Handhabung sein, die Geschäftsbanken einbinden und sich problemlos mit ERP-Systemen verbinden lassen. Mit dem Roll-out der Softwarelösung sollten neue Jobbeschreibungen und Zielvereinbarungen für die betroffenen Mitarbeiter einhergehen. Aber auch die Lieferanten benötigen eine Starthilfe.

Mehrwert.
Viele Unternehmen haben den digitalen Wandel inzwischen angestossen und sind überzeugt, dass dieser nicht nur das Kundengeschäft, sondern auch das BackOffice revolutionieren wird. Der erreichbare Mehrwert wird immer offensichtlicher. Gleichzeitig steigt der Bedarf an einer konsistenten Geschäftsstrategie, die mit definierten Zielen und Massnahmen unterfüttert ist. Durch die Automatisierung der Kreditorenbuchhaltung können Daten bezüglich Einkaufsverhalten, Ausgaben, Lieferfristen, Skonti etc. kosteneffizient und zum Nutzen des Unternehmens ausgewertet werden (Big Data Mining). Die Transparenz steigt. Durch bessere Zahlungsbedingungen avancieren Lieferantenrechnungen vom Kostenblock zum Gewinnbeitrag. Statt sich mit der Rechnungsabwicklung zu befassen, bekommen Mitarbeitende die Möglichkeit, sich auf Gewinn steigernde Tätigkeiten zu konzentrieren. (TK)

Quelle: LOGISTIK express Ausgabe 4/2019

 

error: Content is protected !!