DHBW Mannheim: KI-Einsatz in Logistikprozessen, Empfehlungen aus der Praxis

Laut Prof. Dr. Andreas Stenger, Studiengangsleiter BWL an der DHBW Mannheim mit Zuständigkeit für den Bereich Logistik, besteht in der Branche aktuell erheblicher Handlungsdruck. In der Disposition gehen täglich große Mengen an Informationen und Daten ein. Fehlt die nötige Transparenz, entstehen laut Stenger kostspielige Konsequenzen: „Wer falsch plant, hat mehr ineffiziente Routen und verliert Geld." Trotz der vorhandenen technischen Möglichkeiten nutzen derzeit nur wenige Unternehmen KI erfolgreich. Als Ursachen nennt Stenger fehlende Mitarbeiterakzeptanz, schwache Datenqualität sowie Datenlücken und Systembrüche.

Stenger trat auf dem trans aktuell-Symposium in Köln als Referent auf und schilderte, wie Logistikunternehmen KI sinnvoll einsetzen können. Er empfiehlt, sich zunächst auf ein einzelnes, klar definiertes Problem zu konzentrieren, anstatt breit anzusetzen. Als praktisches Einstiegsbeispiel nennt er die Automatisierung der manuellen Auftragserfassung: Ein KI-System erkennt Aufträge aus eingehenden E-Mails, bündelt und klassifiziert sie. Den Mitarbeitenden verbleibt lediglich die abschließende Prüfung.

Weitere von Stenger beschriebene Anwendungsfälle:

- **Rechnungsstellung**: KI kann laut Stenger in diesem Bereich „vergleichsweise schnell loslegen". - **Datenanalyse**: KI führt Daten zusammen, erkennt Auffälligkeiten und Zusammenhänge, bestimmt Ursachen und leitet Hypothesen ab, woraus sich ein Management Summary erstellen lässt. - **Kundenanfragen**: KI kann Mitarbeitende entlasten, indem sie Standardanfragen beantwortet. Die Mitarbeitenden können sich so auf kritischere Themen konzentrieren.

Stenger benennt keine spezifischen Produkte oder Systeme, sondern beschreibt strukturelle Voraussetzungen für einen erfolgreichen KI-Einsatz. Damit KI-Projekte nicht scheitern, müssen die betroffenen Prozesse vorab standardisiert sein. Zudem müssen Governance und Compliance geregelt sowie der Umgang mit Daten und Cybersecurity geklärt sein. „Damit KI-Projekte nicht scheitern, müssen die Menschen ihnen Vertrauen schenken", so Stenger.

Für die Einführung empfiehlt er ein schrittweises Vorgehen mit messbaren Ergebnissen: „Zum Lernen gehört, die Ergebnisse zu messen und zu sammeln. Wichtig ist auch die Kommunikation, Erfolge sollten geteilt werden, damit das Vertrauen in die KI steigt." Weiterbildung der Mitarbeitenden und der Einbezug externer Experten werden als flankierende Maßnahmen genannt. KI-Kompetenz lasse sich nicht einkaufen: „KI wird unseren Arbeitsalltag verändern. Daher sollte man die Mitarbeiter Erfahrungen im Unternehmen machen lassen."

Konkrete Ergebniszahlen aus eigenen Projekten der DHBW Mannheim werden in den vorliegenden Quellen nicht genannt. Stenger verweist auf seine Projekterfahrung in der Luftfahrt und der Medizintechnik, ohne diese Erfahrungen zu quantifizieren. Im selben Veranstaltungskontext berichtete Robin Neitzel von Kienzle Automotive, dass durch datengestütztes Flottenmanagement im Vergleich zur sogenannten Blindphase bis zu 90 Prozent weniger schwere Unfälle erreicht werden können, dieser Wert stammt jedoch nicht von der DHBW Mannheim selbst.

Stengers Beitrag auf dem Symposium ist als praxisorientierter Überblick eines Hochschulexperten einzuordnen, nicht als Bericht über ein eigenes unternehmensinternes KI-Projekt der DHBW Mannheim. Die DHBW Mannheim tritt hier in der Rolle der Wissensvermittlung auf: Ein Fachvertreter der Hochschule gibt Logistikunternehmen konkrete Orientierung für den KI-Einstieg. Die beschriebenen Anwendungsfälle, Auftragserfassung, Disposition, Datenanalyse, Kundenanfragen, werden als umsetzbare Einstiegspunkte für Unternehmen dargestellt, nicht als bereits abgeschlossene Implementierungen.