Durch den Einsatz von RFID-Systemen können Lagervorgänge automatisiert werden (inkl. Verbuchung). Die Kombination eines Positionierungssystems und an Gabelstaplern montierten Lesegeräten ermöglicht eine kontinuierliche Inventurabfrage & somit höchste Transparenz innerhalb des Lagers. Fahraufträge und Fehleranzeigen werden direkt im Gabelstapler angezeigt und ermöglichen so eine elektronische Führung der Fahrzeuge zu den Lagerplätzen.

Die Fehlerquote bei der Kommissionierung wird reduziert und durch die intelligente Steuerung verkürzen sich die Warte- und Wegezeiten der Kommissionierer. Das Pulk-Reading des RFID-Systems ermöglicht eine gleichzeitige Erfassung mehrerer Artikel und erleichtert die Arbeit in der Lagerlogistik erheblich. Dies bietet großes Potenzial für Inventuren und das Bestandsmanagement. Zusätzlich bildet dieses System die Grundlage für ein intelligentes Warehouse, in dem Technologien wie „Pick-by-Vision“, „Pick-by-Light“ oder „Pick-by-Voice“ die Effizienz in der Lagerlogistik weiter steigern können.

Was bedeutet das konkret anhand eines Beispiels?

1. Wareneingang. Beim Aufnehmen der Ware mit dem Gabelstapler wird das Transportgut automatisch erkannt.

2. Einlagerung. Der Fahrauftrag zeigt an, wo die Ware eingelagert werden soll. Durch ein Ampelsystem wird die korrekte Ablage optisch bestätigt. Parallel wird die Ware automatisiert auf dem Lagerplatz verbucht.

3. Kommissionierung. Die in der Kommissionierung entnommene Ware wird automatisch im System angepasst & muss lediglich durch den Mitarbeiter bestätigt werden. Bei erneuter Einlagerung wird die aktualisierte Menge verbucht.

4. Warenausgang. Die Entnahme einer Ware vom Lagerplatz wird automatisch im Warehouse Management System (WMS) verbucht. Beim Beladen des LKW wird erneut durch ein Ampelsystem die korrekte Verladung optisch kenntlich gemacht.

Das Hauptziel: Die Qualität und Quantität der erfassten Daten signifikant zu steigern.

Die Lieferketten wurden modelliert. Dies ermöglicht es folgend eine Reihe von Analysen durchzuführen, welche sich auf die Kosten und die Leistungen der Lieferketten konzentrieren. Es besteht die Möglichkeit, die Analysen nach Kostenkategorien aufzuschlüsseln und mit kausalen Faktoren zu verbinden. So können die gesammelten Daten analysiert und die Erkenntnisse genutzt werden, um Entscheidungen zu beschleunigen und besser auf ungeplante Ereignisse und Chancen zu reagieren. Sie bauen eine Resilienz auf!

Was bedeutet das konkret anhand eines Beispiels?

1. Top-Level-KPI. Wert und Volumen pro Kundenauftrag sind in den letzten zehn Monaten in fast allen Verteilzentren stetig gesunken.

2. Produktivität. Die Produktivität des Zentrallagers in Bezug auf die Zeit pro Auftrag erhöht sich, da die kleineren Aufträge im Durchschnitt schneller kommissioniert werden können.

3. Personalaufwand. Der Umsatz pro Kommissionierung sinkt, was dazu führt, dass insgesamt mehr Personal in den Distributionszentren benötigt wird, um den gleichen Umsatz zu erzielen.

Gegenmaßnahmen. Können kurzfristige, umsatzbasierte Gegenmaßnahmen ergriffen werden, um den Kunden Anreize zur Erhöhung des Auftragsvolumens zu geben, oder wird sich der Trend fortsetzen und ein Überdenken der Kommissionierprozesse und -technologie erforderlich machen?

Früher lag der Schwerpunkt der Analysen aufgrund technologischer und methodischer Einschränkungen hauptsächlich auf Descriptive Analytics. Das bedeutet, dass Daten aus der Vergangenheit erfasst und interpretiert wurden. Heutzutage kommen zusätzlich Predictive und Prescriptive Analytics zum Einsatz, um die Zukunft so präzise wie möglich vorherzusagen und Prozesse zu optimieren. Hierbei werden mathematische und statistische Methoden, Verfahren und Modelle angewendet, die es ermöglichen, Abläufe und Ereignisse automatisiert zu analysieren und konkrete Handlungsempfehlungen für die Planung und Steuerung von Prozessen abzuleiten.

Die Blockchain-Technologie kann innerhalb komplexer logistischer Prozesse allen Beteiligten einen transparenten und effizienten Datenaustausch ermöglichen. Die Abhängigkeiten vor- und nachgelagerter Prozesse stellen potenzielle Risikoquellen dar. Eine Blockchain ermöglicht durch ihren Netzwerkcharakter einen sicheren Datentransfer zu externen Partnern.

Die Zollabwicklung funktioniert digital und automatisiert, wodurch alle Informationen für alle Beteiligten (Versender, Empfänger, Logistikdienstleister, Zollbehörden) jederzeit verfügbar sind und in Echtzeit aktualisiert werden. Da die Zollabwicklung stark reguliert ist und von den abweichenden Vorschriften und Anforderungen der jeweiligen Drittländer geprägt wird, ist die Echtheit der kursierenden Informationen und Daten für Behörden und andere Beteiligte oft schwer zu überprüfen. Dank der hohen Vertrauenswürdigkeit der Daten ermöglicht die Blockchain-Technologie eine stärkere Integration und Vernetzung digitaler Zollverfahren.

Die Rechnungsstellung und der Zahlungsverkehr im Zusammenhang mit Logistikfunktionen erfolgen fortlaufend digital, was zu Einsparungen bei manuellen und papiergestützten Prozessen führt. Die Blockchain-Technologie ermöglicht das digitalisierte Aufzeichnen, Speichern und gemeinsame Nutzen von Dokumenten. Gleichzeitig können intelligente Verträge (Smart Contracts) die Berarbeitungszeiten signifikant verkürzen, indem die Lieferungen automatisch geprüft sowie Rechnungen & Zahlungen automatisch abgewickelt werden. Dies erhöht die Effizienz und das Vertrauen erheblich.

So kann beispielsweise eine in der Blockchain erfasste Palette automatisch eine Bestätigung der Lieferzeit oder des Zustands der Ware übermitteln. Dies kann insbesondere zur Wahrung von Frische und Sicherheit von Lebensmitteln über die gesamte Lieferkette hinweg Anwendung finden, insbesondere in Kombination mit der RFID-Technologie.

Durch den Einsatz eines digitalen Zwillings wird ein intelligentes Simulationsmodell erstellt. Dieses Modell simuliert verschiedene Szenarien für die Lieferkette - inkl. der darin verwendeten Prozesse - und bildet alle daraus resultierenden Konsequenzen auf Basis realer Unternehmensdaten ab. Es verbindet somit die operative Ebene mit der strategischen Entscheidungsebene.

Während des Lagerbetriebs wird der digitale Zwilling kontinuierlich mit Daten aus den verschiedenen Automatisierungstechnologien innerhalb des Lagers aktualisiert. Dazu gehören beispielsweise die RFID-Technologie, fahrerlose Transportsysteme, Kommissioniersysteme und automatische Lager- und Bereitstellungssysteme. Diese Daten werden mit IoT-Daten kombiniert sowie durch Bestands- und Betriebsdaten sowie Nachfrageeigenschaften jedes Artikels ergänzt.

Digitale Zwillinge ermöglichen insbesondere die dynamische Optimierung der prozessualen Abläufe. Sie vereinen Flexibilität & Schnelligkeit und gewährleisten operative Exzellenz trotz Nachfrageschwankungen. Lagerstandorte, Bestandmischungen, Personalbestände und die Zuweisung von Ausrüstung werden kontinuierlich angepasst, um der aktuellen oder prognostizierten Nachfrage gerecht zu werden.

Was bedeutet das konkret anhand eines Beispiels?

1. Analyse: Die Analyse eines bestehenden Netzes führt zu der Entscheidung, ein neues Konsolidierungslager zu errichten. Mithilfe des digitalen Zwillings lässt sich ein optimaler Standort ermitteln und feststellen, wie sich dieser auf die Effizienz des Logistiknetzes auswirken würde.

2. Entwurf: Durch die Simulation der Bewegung von Produkten, Personal und Materialtransportgeräten ermöglicht der digitale Zwilling eine optimale Raumnutzung und entsprechende Effizienzoptimierungen. Auf dieser Grundlage kann das Layout des Lagers sowie die Implementierung neuer Anlagen geplant werden.

3. Optimierung: Der digitale Zwilling ermöglicht eine kontinuierliche Leistungsverbesserung von Automatisierungssystemen, beispielsweise durch die Nutzung von Sensordaten, Simulationen und Überwachungstechnologien zur Senkung des Energieverbrauchs bei gleichzeitiger Aufrechterhaltung des erforderlichen Durchsatzniveaus.

Der digitale Zwilling stellt umfassend alle Bewegungen von Inventar, Ausrüstung und Personal innerhalb des Lagers dar. So lassen sich Staus in stark frequentierten Gängen, geringe Produktivität oder Kommissionierfehler durch das Personal identifizieren und beseitigen. Bevor Änderungen in der Praxis vorgenommen werden, testet der Betriebsleiter mithilfe von Simulationen mit digitalen Zwillingen die Einführung neuer Geräte und Prozesse.


Digitale Zwillinge könnten einen erheblichen Einfluss auf die Gestaltung, den Betrieb und die Optimierung von Logistikinfrastrukturen wie Lagerhäusern, Distributionszentren und Cross-Dock-Anlagen haben.

Durch den Einsatz eines intelligenten Systems werden alle Daten entlang der gesamten Lieferkette kombiniert, entsprechende Gegenmaßnahmen automatisiert entworfen sowie eingeleitet. Einbezogen werden dabei beispielsweise Smart Contracts, moderne Track-and-Trace-Lösungen, maschinelles Lernen (ML) sowie digitale Zwillinge des Transportnetzwerks und/oder des Warehouses. Dies ermöglicht eine dynamische und selbststeuernde Reaktion auf Veränderungen, was eine resiliente und effiziente Lieferkette gewährleistet.

Was bedeutet das konkret anhand eines Beispiels?

1. Lieferkettenstörung: Durch den Einsatz eines digitalen Zwillings sowie moderner Track-and-Trace-Lösungen werden verschiedene Einflussfaktoren und Perspektiven auf die Lieferkette unter realen Netzwerkbedingungen kontinuierlich simuliert. Dies ermöglicht ein proaktives Risikomanagement hinsichtlich möglicher Lieferkettenstörungen. So findet eine laufende Bewertung der optimalsten Route und des besten Transportmittels statt. Wird eine Störung erkannt, kann das System basierend auf realitätsnahen Kostenkalkulationen Gegenmaßnahmen entwerfen und diese einleiten, wie beispielsweise Sondertransporte beauftragen.

2. Routenoptimierung: Für einen reibungslosen Transport innerhalb der Lieferkette, genügt es nicht eine Störung zu identifizieren. Es ist entscheidend, sofort geeignete Gegenmaßnahmen zu ergreifen. So können beispielsweise alternative Transportwege bewertet oder die Öffnungszeiten für die Warenannahme verlängert werden. Da die Zeit für die Identifikation und Bewertung von Gegenmaßnahmen sowie die Auswahl der besten Lösung oft sehr kurz ist, wird in der Praxis häufig die „erstbeste Lösung“ gewählt. Der Einsatz von maschinellem Lernen (ML) kann hier einen großen Unterschied machen. ML-Systeme können die Effektivität einzelner Maßnahmen überwachen und kontinuierlich aus vergangenen Erfolgen und Misserfolgen lernen, um zunehmend bessere Lösungen zu entwickeln.

3. Ankunftszeiten: Ansätze des maschinellen Lernens, wie künstliche neuronale Netzwerke oder entscheidungsbaum-basierte Methoden, können die Ankunftszeiten einzelner LKW für die nächsten 48 Stunden vorhersagen. Dies ermöglicht ein effizientes Time-Slot-Management sowie ein optimiertes Kapazitätsbedarfsmanagement.

4. Lagerhaltung: Der Einlagerungsprozess wird durch ML-Verfahren unterstützt. Bedarfsprognosen der Kunden, wie das Vorhersagen von Produktionskapazitäten oder Transportbedarfen, sowie kommende Picking-Aufträge werden bei der Auswahl des optimalen Lagerplatzes berücksichtigt. Die entsprechenden ML-Ansätze basieren auf multivariaten Prognosen. Das heißt, aus mehreren Zeitreihen wird der zukünftige Bedarf mit ML-Verfahren des bestärkenden Lernens prognostiziert. Auch werden laufend mögliche Umlagerungsoptionen bewertet, um die bestmögliche Durchsatzleistung zu gewährleisten.