Crossing the AI chasm? Die Herausforderung des Machine Learning besteht darin, reproduzierbare Prozesse und Entscheidungen zu erm\u00f6glichen.<\/figcaption><\/figure>\n\n\n\nIBP und S\/4<\/h3>\n\n\n\n Anwender m\u00fcssen sich mit der Frage auseinandersetzen, welche Funktionen der bestehenden APO-Plattform sie k\u00fcnftig in S\/4 und welche in IBP vorfinden. Zudem k\u00f6nnte sich die Aufspaltung der Funktionsbereiche nachteilig auf die Abstimmung zwischen verschiedenen Akteuren innerhalb des Supply-Chain-Managements eines Unternehmens auswirken. <\/p>\n\n\n\n
Die Verteilung der Leistungsmerkmale \u00fcber verschiedene Applikationen bedeutet eine Fragmentierung. Der Trend im Markt geht jedoch zu integrierten End-to-End-Plattformen. Diese erm\u00f6glichen nicht nur einen ganzheitlichen Blick auf die Supply Chain. Sie erm\u00f6glichen das Analysieren, Planen und das Ausf\u00fchren von Prozessen innerhalb derselben Produktfamilie.<\/p>\n\n\n\n
Blick \u00fcber den Tellerrand<\/h3>\n\n\n\n Sp\u00e4testens jetzt lohnt also der Blick \u00fcber den Tellerrand: Welche Alternativen zu IBP als APO-Nachfolge-L\u00f6sung sind denkbar? In Betracht kommt beispielsweise die Luminate-Technologie von Blue Yonder. Das urspr\u00fcnglich deutsche Unternehmen, ein KI-Spezialist aus Karlsruhe, wurde im Jahr 2018 von JDA Software \u00fcbernommen, dem Anbieter von Supply-Chain-Management-Software. <\/p>\n\n\n\n
2020 erfolgte die R\u00fcckumbenennung in Blue Yonder. Die Umbenennung von JDA in Blue Yonder tr\u00e4gt dem Umstand der wachsenden Bedeutung von Cloud- und KI-L\u00f6sungen Rechnung. Die bisherigen L\u00f6sungen von JDA sind aufgrund der End-to-End-Planung, der Integration von Supply Chain Planning und Execution, der Modellierungsfunktionen oder der Control Tower schon lange als Alternative zu APO am Markt anerkannt. Die nun verf\u00fcgbaren KI-Funktionalit\u00e4ten bieten zus\u00e4tzlichen Mehrwert.<\/p>\n\n\n\n
So entwickelt das Unternehmen patentierte Machine-Learning-Algorithmen und baut diese gleich in entsprechende Applikationen ein. Das Ergebnis sind ganzheitliche Machine-Learning-L\u00f6sungen. Die gr\u00f6\u00dfte Herausforderung besteht darin, Machine Learning zuverl\u00e4ssig und wiederholbar in Gesch\u00e4ftsprozesse zu integrieren. <\/p>\n\n\n\n
Andere Anbieter sind hier noch nicht so weit: Sie integrieren lediglich in eine vorhandene Systemumgebung trainierte Machine-Learning-Algorithmen, deren Output sich dann im Prozess verwenden l\u00e4sst. Das bedeutet, sie stellen eine KI-Plattform bereit, auf welcher der Kunde seine eigene Machine-Learning-Anwendung selber entwickeln muss.<\/p>\n\n\n\n
Das Besondere an der Luminate-Technologie ist, dass die Algorithmen im Sinne von Advanced Analytics bereits auf Gesch\u00e4ftsprozess-Ebene greifen. Somit erm\u00f6glichen sie nicht nur sehr zuverl\u00e4ssige Prognosen, sondern auch das Vorhersagen und Aufl\u00f6sen von St\u00f6rungen oder dem Einstellen verschiedener Parameter entlang der Supply Chain, neben weiteren Merkmalen. Dabei l\u00e4sst sich deren Erzeugung insoweit skalieren, dass sie auch im Umfeld gro\u00dfer Enterprise-Anwendungen umsetzbar sind.<\/p>\n\n\n\nIntroducing Blue Yonder\u2019s Luminate Platform: Eine ganzheitliche Plattform f\u00fcr das Supply Chain Management verhindert eine Fragmentierung \u00fcber verschiedene L\u00f6sungen hinweg.<\/figcaption><\/figure>\n\n\n\nMachine Learning f\u00fcr SCM<\/h3>\n\n\n\n Zudem wird das Ergebnis der Machine-Lear\u00adning-Auswertungen durch den unmittelbaren Bezug zum Gesch\u00e4ftsprozess besser erkl\u00e4r- und interpretierbar, was die Akzeptanz und das Vertrauen der Anwender in die Technologie erh\u00f6ht. Entscheidend ist also, dass die Machine-Learning-Applika\u00adtion zuverl\u00e4ssig und wiederholbar den jeweiligen Gesch\u00e4ftsprozess zum Vorteil der Business-User unterst\u00fctzt.<\/p>\n\n\n\n
Die Unterst\u00fctzung besteht in der Automatisierung von Prozessen. Gerade bei sich wiederholenden Entscheidungen, die in hoher Frequenz getroffen werden m\u00fcssen, ist die Maschine dem Menschen \u00fcberlegen. Sie ist schneller, pr\u00e4ziser und weniger fehleranf\u00e4llig.<\/p>\n\n\n\n
Es lassen sich jedoch nicht nur Bestell- und Dispositionsprozesse automatisieren. Auch St\u00f6rungen entlang der Supply Chain lassen sich schnell erkennen und Gegenma\u00dfnahmen automatisiert einleiten. H\u00e4ngt beispielsweise eine Warenlieferung auf dem Seeweg fest, ist das System in der Lage, allein zu entscheiden, woher die nun fehlenden Teile alternativ beschafft werden k\u00f6nnen, unter Ber\u00fccksichtigung von Transportkosten und -wegen sowie zeitlichen und anderen relevanten Faktoren.<\/p>\n\n\n\n
Die Algorithmen lernen aus aktuellen und historischen Daten. Sie treffen Pro\u00adgnosen \u00fcber die Wahrscheinlichkeit des Eintretens eines Ereignisses. Auf diesen basieren alle nachfolgenden Entscheidungen und die Kette an Business-Prozessen, die aufgrund der Prognose in Gang gesetzt wird. <\/p>\n\n\n\n
Diese k\u00f6nnen das einfache Umleiten eines Lkw sein, aber auch ein Anpassen von Produktionspl\u00e4nen in Fabriken mit Folgen f\u00fcr die nachgelagerten logistischen Prozesse. Je mehr Daten vorhanden sind und je besser sie gepflegt sind, desto h\u00f6her ist die Datenqualit\u00e4t. Dies hat direkte Aus\u00adwirkungen auf die Qualit\u00e4t der Prognosen und somit auf die Entscheidungen und die Business-Prozesse.<\/p>\n\n\n\n
Datenvielfalt und Algorithmen<\/h3>\n\n\n\n Woraus resultieren die gro\u00dfen Datenmengen, mit denen die Algorithmen arbeiten? In Betracht kommen nicht nur interne Daten aus dem ERP-System, sondern auch solche aus externen Quellen, sogenannte Externalit\u00e4ten. Dazu z\u00e4hlen Informationen \u00fcber das zu erwartende Wetter, anstehende Feiertage, Ferien oder auch lokale Standortdaten. <\/p>\n\n\n\n
Eine gute Machine-Learning-Anwendung sollte einen Gro\u00dfteil dieser externen Daten gleich mitliefern. Relevant sind dar\u00fcber hinaus auch Informationen, welche die Kunden selbst zur Verf\u00fcgung stellen. Im Bereich der industriellen Produktion sind das historische Daten zu den Auslastungen von Maschinen, Bestellmengen, Liefervolumina, aber auch Daten zur Nachfrage bestimmter Produkte.<\/p>\n\n\n\n
M\u00f6chten klassische ERP-Anwender nun ein Planungstool eines Drittanbieters nutzen, sollte der Aufwand f\u00fcr die Anbindung und das Customizing nicht gr\u00f6\u00dfer sein als beim Einsatz von IBP. Blue Yonder etwa hat in seine Luminate-Plattform Schnittstellen und Adapter integriert, mit denen sich Stammdaten aus dem SAP-ERP-System nahtlos in die eigene Planungsl\u00f6sung \u00fcbernehmen lassen. <\/p>\n\n\n\n
So ist jederzeit ein flie\u00dfender Echtzeit-Datenaustausch zwischen beiden Systemwelten gew\u00e4hrleistet. Anwender k\u00f6nnen dabei klassische ERP-Aufgaben wie Warenwirtschaft, Einkauf, Buchhaltung, Kostenrechnung oder Controlling \u00fcber ihr SAP-System abdecken.<\/p>\n\n\n\n
Typische SCM-Aufgaben wie strategische- und Feinplanung sowie Transport- und Warehouse Management lassen sich dann \u00fcber Luminate abwickeln. Zus\u00e4tzlich sorgt der integrierte Control Tower f\u00fcr optimale Transparenz \u00fcber die gesamte Lieferkette. M\u00f6chten SAP-Anwender dennoch nicht auf IBP verzichten, ist auch eine Hybrid-L\u00f6sung denkbar. In diesem Fall k\u00f6nnen Kunden Basisfunktionen aus IBP nutzen und flexibel Features aus Luminate als Software as a Service hinzu\u00adbuchen.<\/p>\n\n\n\n
\n
APO-Fazit<\/strong><\/span><\/h3>\n\n\n\nDas voraussichtliche End of Life von SAP APO 2025 zwingt Anwender zum Handeln. Um weiterhin performante Supply-Chain-Prozesse zu gew\u00e4hrleisten, m\u00fcssen sich Unternehmen rechtzeitig f\u00fcr eine geeignete Nachfolge-L\u00f6sung entscheiden. <\/p>\n\n\n\n
Als sinnvolle Alternative zu SAP IBP kommen dabei Systeme von Drittanbietern, wie etwa Luminate von Blue Yonder, in Betracht. Die darin integrierten Machine-Learning-F\u00e4higkeiten erm\u00f6glichen feingranulare Prognosen, automatisieren Prozesse entlang der Supply Chain und optimieren die Bedarfsplanung.<\/p>\n<\/div><\/div>\n\n\n\n
![\"\"](\"https:\/\/e3magpmp.greatsolution.dev\/wp-content\/uploads\/2024\/08\/nl_werbung_800x100_es.jpg\")
<\/a><\/div>![\"\"](\"https:\/\/e3magpmp.greatsolution.dev\/wp-content\/uploads\/2024\/08\/nl_werbung_800x100.jpg\")
<\/a><\/div>![\"\"](\"https:\/\/e3magpmp.greatsolution.dev\/wp-content\/uploads\/2023\/12\/steampunk_2024_1_800x100-scaled.jpg\")
<\/a><\/div>\n\n\n\n![\"Bild1_KI-reproduzierbare-Entscheidungen.jpg\"](\"http:\/\/e3magpmp.greatsolution.dev\/wp-content\/uploads\/2021\/03\/Bild1_KI-reproduzierbare-Entscheidungen.jpg\")
![\"Bild2_KI-getriebene-Business-Prozesse.jpg\"](\"http:\/\/e3magpmp.greatsolution.dev\/wp-content\/uploads\/2021\/03\/Bild2_KI-getriebene-Business-Prozesse.jpg\")