KI-basierte Optimierung von Lieferketten
Die ULT AG aus Sachsen möchte Materialbedarf und Bestellzeitpunkte präziser planen können, um Überbestände und hohe Lagerkosten zu vermeiden. Eine Lösung soll das KI-Pilotprojekt mit dem Green-AI Hub Mittelstand des BMUV bieten: Die Steuerung der Materialbeschaffung und Lagerhaltung soll durch den Einsatz von KI-Anwendungen entscheidend verbessert werden. Dies soll genaue Bedarfsprognosen ermöglichen, um Umfang und Zeitpunkt von Bestellungen optimal abstimmen zu können. Dies verringert nicht nur die Lagerkosten und Kapitalbindung, sondern senkt auch die Risiken, spezifische Materialien bei Auslaufen bestimmter Produkte entsorgen zu müssen. Durch die effizientere Transportlogistik und Ressourcennutzung können Material- und Energieverbrauch sowie resultierende CO2-Emissionen deutlich reduziert werden.
Lufttechnik aus Löbau
ULT AG produziert am Standort Löbau in Sachsen Absaug- und Filtergeräte zur Luftreinhaltung sowie Anlagen zur Prozesslufttrocknung. Diese Anlagen kommen in vielfältigen Branchen zum Einsatz, etwa im Maschinenbau, in der Elektronikfertigung, der Medizintechnik sowie in Laboren, im Handwerk und in der Additiven Fertigung. ULT verwendet hierfür hochwertige Materialien und Komponenten aus Stahl, Kupfer, Aluminium und Kunststoff. Die Steuerung der Bestell- und Lagerprozesse erfolgt aktuell über eine manuelle Planung, die eine intensive Datenpflege und Verwaltung erfordert.
Nachhaltige Optimierung der Bestell- und Lagerprozesse
Das KI-Pilotprojekt des Green-AI Hub Mittelstand soll die ULT AG befähigen, Materialbedarf und Beschaffungsvorgänge präziser zu planen, um Überbestände, Verschrottung und Lagerbedarf zu reduzieren. Derzeit erfolgt die Bedarfsermittlung über ein Exceltool, das zeitintensiv zu pflegen ist und umfassende Erfahrung des Disponenten erfordert. Eine effizientere Lösung wäre der Einsatz eines KI-gestützten Systems, das Bedarfsprognosen datengestützt erstellt, die Beschaffungsparameter optimiert und individuelle Umstände potenzieller Lieferanten berücksichtigt. Dadurch können Materialverschwendung, Lagerkosten und CO2-Emissionen nachhaltig reduziert werden.
Intelligentes Tool zur präzisen Planung
Im Fokus der entwickelten Anwendungen stehen Zeitreihenanalysen, Unsicherheitsquantifizierung und erklärbare KI (XAI) zur transparenten und zuverlässigen Vorhersage von Materialbedarf und Konfiguration der Beschaffungsaufträge. Die Kombination maschineller Lernverfahren mit "Human-in-the-Loop"-Funktionalitäten erlaubt es, dass Vorhersagen durch Expert*innen validiert und bei Bedarf angepasst werden. Historische Bestell-, Lager- und Verbrauchsdaten bilden die Grundlage für Prognosen und werden durch externe Marktinformationen ergänzt. Für spezifische Analysen können zusätzliche Datenquellen integriert werden. Mit dem geplanten Ansatz analysiert das KI-System kontinuierlich die Daten und generiert Empfehlungen, die von Expert*innen überprüft und verwertet werden. So werden fundierte, nachvollziehbare Entscheidungen getroffen, die Lagerbestände und Überbestände reduzieren, Logistikprozesse optimieren und den CO2-Ausstoß senken – ein wichtiger Schritt zur nachhaltigen Effizienzsteigerung bei der ULT AG.
Datengetriebene Entscheidungsstrategien in der Logistik
Das Projekt adressiert kritische Bereiche der Wertschöpfungskette, insbesondere die Materialbedarfsplanung, -beschaffung, Lagerhaltung und Logistik. Mit der KI-gestützten Lösung kann ULT Bedarfsprognosen genauer und flexibler aus akuten Szenarien ableiten, sodass Zeitpunkte, Mengen und Häufigkeit der Beschaffungsvorgänge gleichermaßen in Richtung ökonomischer und ökologischer Ziele ausgerichtet werden. Dies reduziert die Kapitalbindung und das Risiko von Überbeständen, die später verschrottet werden müssen. Durch gezielte Datenanalysen, ein verbessertes Verständnis der Nachfragezyklen und die Berücksichtigung dokumentierter Erfahrungen mit Lieferanten wird das Bestellmanagement schneller und präziser. Auch weniger erfahrene Disponent*innen können durch den datenbasierten Ansatz bei der Ausführung von Beschaffungsvorgängen unterstützt werden. Dies kann Fehler vermeiden und den Mitarbeitenden zusätzliche Entscheidungssicherheit bieten. Darüber hinaus trägt die Lösung dazu bei, bestimmte Effekte wie Aufwände im Rahmen anfallender Logistikprozesse zu überblicken und in die Entscheidungen einzubeziehen. So werden unnötige LKW-Fahrten zwischen Lager- und Produktionsstandorten vermieden, was die CO2-Bilanz des Unternehmens ebenfalls positiv beeinflusst. Diese datengetriebene Strategie schafft nicht nur Kosteneinsparungen und Effizienzsteigerungen, sondern unterstützt ULT auch in ihrem Ziel, nachhaltiger zu wirtschaften und die Umweltbelastung weiter zu reduzieren.
Ressourceneffizienz durch optimierte Prozesse
Der Einsatz von KI bei ULT verbessert die Ressourceneffizienz erheblich, da präzisere Bedarfsprognosen und optimierte Bestellprozesse Materialüberbestände und Lagerkosten reduzieren. Dadurch könnten jährlich rund 5 Tonnen Stahl, 400 kg Kupfer, 200 kg Aluminium und 400 kg Kunststoff eingespart werden. Zudem sinkt der Energieverbrauch, da Lagerflächen effizienter genutzt und Transportaufwände durch optimierte Logistikprozesse reduziert werden. Dies führt zu einer deutlichen Verringerung der CO2-Emissionen. Die Implementierungskosten der KI-Lösung amortisieren sich voraussichtlich innerhalb von zwei Jahren durch Einsparungen bei Material, Lager und Logistik. Langfristig stärkt diese nachhaltige Effizienzsteigerung die Wettbewerbsfähigkeit von ULT und reduziert den ökologischen Fußabdruck des Unternehmens.
Technologie
Fähigkeit der KI: analysieren, Erstellung von Empfehlungen
KI-Modell: Zeitreihenanalysen, Unsicherheitsquantifizierung und erklärbare KI (XAI)
Wertschöpfung
Phase: Materialbedarfsplanung, -beschaffung, Lagerhaltung u. Logistik
Ziel der KI: präzisere Bedarfsprognose und optimierte Bestellprozesse
Ressourceneffizienz
Einsparung von rund 5 Tonnen Stahl, 400 kg Kupfer, 200 kg Aluminium und 400 kg Kunststoff im Jahr
