„KI ist die Krake in der Mitte unserer Daten“

Das Thema Künstliche Intelligenz ist allgegenwärtig. Welchen Stellenwert nimmt die KI heute bei Infios ein?

Ich fange da gerne noch einen Schritt weiter vorne an: Ich bin davon überzeugt, dass die KI die Welt in extrem kurzer Zeit massiv verändern wird. Das betrifft fast alle Lebensbereiche, und die Logistik ist ein wesentlicher Teil davon. Bei Infios haben wir uns ganz bewusst entschieden, die KI nicht nur als nettes Feature am Rand zu betrachten, sondern sie in den absoluten Mittelpunkt all unserer Applikationen zu stellen. Mein Bild dazu ist immer eine Art Krake in der Mitte. Wir wollen ein Agentensystem aufsetzen, bei dem die KI Zugriff auf alle Daten hat – egal ob aus dem Warehouse Management (WMS), dem Transportmanagement (TMS) oder dem Order Management (OMS). Diese „Krake“ greift sich die Informationen und nutzt sie, um das operative Geschäft aktiv zu beeinflussen oder Daten an KI-Systeme unserer Kunden weiterzugeben. Wir bauen also nicht nur punktuelle Use Cases in den Apps, sondern schaffen eine zentrale Intelligenz, die alles orchestriert.

Können Sie das konkretisieren? Wo löst die KI heute schon echte Probleme in der Supply Chain Execution?

Wir sammeln gerade massiv Use Cases. Im TMS-Bereich sind wir schon sehr weit, da laufen Prototypen live. Die KI kann dort zum Beispiel völlig autonom prüfen, wo ein LKW gerade steckt und ob er sein Ziel pünktlich erreicht. Wenn es eng wird, ruft die KI den Fahrer an – im Hintergrund, ganz ohne menschliches Zutun – und fragt: „Wo bist du gerade? Wann kommst du an?“. Basierend auf der Antwort wird die Route im System neu geplant und der Empfänger automatisch über die Verzögerung informiert. Ein weiteres Thema im TMS ist die Beleglesung. Da wird heute noch viel auf Papier gearbeitet. Wir haben einen Case, bei dem Dokumente einfach abfotografiert werden, die KI liest die Daten ein und startet die Verarbeitung. Da nehmen wir den Menschen als reinen „Datenabtipper“ komplett raus. Im Lager schauen wir uns Dinge wie die Stammdatenqualität an. Wenn ein Objekt laut System fünf Tonnen wiegt, aber nur einen halben Kubikmeter groß ist, schlägt die KI bei der Plausibilitätsprüfung sofort Alarm. Auch die Batch- und Wellenplanung oder das vorausschauende Slotting sind klassische Felder, in denen wir durch KI enorme Effizienzen heben.

Viele Unternehmen kämpfen mit einer sehr heterogenen Datenlandschaft. Wie bereiten Sie diese Daten auf, damit eine KI sie überhaupt nutzen kann?

Genau deshalb ist unser Ansatz mit dem zentralen Datensammler in der Mitte so wichtig. Wir homogenisieren die Informationen aus ERP-Systemen wie SAP, aus dem WMS und von externen Quellen und stellen sie zur Verfügung. Wir bauen Agenten, die nicht nur Daten lesen, sondern Aktionen auslösen können. Ein Kunde möchte vielleicht die Auftragsfreigabe gar nicht mehr innerhalb des WMS entscheiden, sondern von einem externen System triggern lassen, das globale Marktdaten mit einbezieht. Wir öffnen uns hier massiv, um dem Kunden die Plattform zu bieten, mit uns zusammenzuwachsen. Das Ziel ist „Intelligent Supply Chain Execution“ – also ein vernetzter Workflow über alle Standorte und Lieferungen hinweg.

Reicht es denn aus, nur an einer Stelle zu optimieren, oder muss man die ganze Kette betrachten?

Wer nur das Lager optimiert, hört an der Laderampe auf. Da sind wir seit 30 Jahren dran, die großen Hebel sind dort oft schon umgelegt. Der wahre Effizienzsprung liegt in der Ende-zu-Ende-Betrachtung. Wir haben einen Kunden mit sechs Lagern und 1.000 Trucks, bei dem wir WMS, TMS und OMS synchronisiert haben. Da wird der Warenstrom nicht nur nach Lagerkapazität optimiert, sondern auch nach der Verfügbarkeit der LKW-Flotte. Mit KI wird das noch viel mächtiger. Ein Beispiel aus dem Order Management: Die KI kann vorausschauen, wie hoch die Abverkaufsmenge übermorgen sein wird. Aber sie muss eben auch Umgebungsbedingungen kennen. Wenn es in Florida einmal in fünf Jahren schneit, werden massenhaft Schneeketten bestellt. Eine dumme KI würde übermorgen wieder Schneeketten dorthin schicken. Eine intelligente Lösung weiß aber: Übermorgen schneit es dort nicht mehr, also schick nichts hin. Man braucht also Masse und Klasse bei den Daten.

Wie gehen Sie technologisch mit der rasanten Entwicklung der KI-Modelle um? Was heute top ist, kann morgen schon veraltet sein...

Absolut, wir reden hier von Fortschritten in Wochen, nicht in Quartalen. Man sagt der KI heute einen IQ von bis zu 150 nach, also fast auf dem Niveau von Albert Einstein. In ein paar Monaten oder zwei Jahren werden wir über Systeme sprechen, die weit über die kognitiven Grenzen des Menschen hinausgehen. Deshalb bauen wir unsere Lösungen modular. Wir legen uns nicht auf ein spezifisches Large Language Model (LLM) fest, sondern bauen eine konzeptionelle Lösung, bei der die Engine dahinter austauschbar bleibt. Wer sich heute starr festlegt, landet schnell auf dem Abstellgleis. Zudem setzen wir sehr stark auf Cloud-Lösungen via AWS, weil man für KI-Operationen kurzfristig enorme Rechenleistung braucht, die eine On-Premise-Lösung gar nicht leisten kann.

Haben Kunden nicht auch Sorgen, was die Autonomie dieser Systeme angeht? Wenn die „Krake“ plötzlich Entscheidungen trifft, die niemand mehr versteht?

Das ist eine berechtigte Frage. Wir fahren aktuell meist zweigleisig: Wir haben die konventionelle Lösung und die KI-basierte Variante. Wenn eine KI einen Auftrag „vergisst“, weil sie ihn für unlogisch hält, müssen wir zurückspringen können. Besonders in „Monsterlägern“ mit 1.000 Mitarbeitern und einer Million Positionen pro Tag ist das kritisch. Wenn man da einen Knoten reinfährt, löst man den nicht in zwei Minuten wieder auf. Daher testen wir Use Cases extrem hart auf Industrietauglichkeit, bevor sie in die volle Autonomie gehen. Der Kunde muss am Ende entscheiden, wie viel „Schieberegler“ er der KI gibt und wie viel Verantwortung er für extern getriggerte Prozesse übernimmt.

Wird der Mensch in dieser hochautomatisierten Welt überhaupt noch gebraucht?

Definitiv! Die „Königsdisziplin“ bleibt, komplexe Prozesse zu beschreiben und zu verstehen. Früher hat man das dann mühsam runterprogrammiert, heute konfigurieren oder customizen wir das mit KI-Unterstützung. Aber die Beratungsleistung, den komplizierten Sachverhalt erst einmal in eine Logik zu bringen – dieser Job bleibt bei den „schlauen Köpfen“. Die KI hilft uns aber, viel schneller an den Start zu kommen, etwa durch automatisiertes Testen oder KI-generierte Testpläne. Wir werden effizienter, schneller und im Endeffekt für den Kunden kostengünstiger in der Implementierung.

Warum sollte sich ein Industrieunternehmen gerade an Infios wenden, wenn es seine Supply Chain transformieren will?

Weil wir uns radikal auf dieses „End-to-End Execution Powerhouse“ reduziert haben. Wir schauen nicht auf Planung, sondern auf die knallharte Ausführung. Wir decken die gesamte Kette aus WMS, TMS und OMS ab – mit eigenem Support und Rollout-Teams weltweit. Dazu kommt unsere Philosophie: Wir sagen nicht einfach nur „Wir machen jetzt auch KI“, sondern wir stellen die Intelligenz als Krake in die Mitte und geben Agentensysteme nach außen frei. So kann der Kunde den KI-Vorteil in seinem gesamten Unternehmen heben, nicht nur in einem Silo. Ich bin überzeugt: Das ist der einzig richtige Weg für die Zukunft der Industrie.