Prof. Knut Alicke (McKinsey) und Boris Felgendreher diskutieren mit
einer Gruppe von Supply Chain und Logistik Verantwortlichen aus
Industrie und Handel über die Rolle von KI in der Supply Chain und
wie stark sie Arbeitsweisen, Talentbedarf und
Technologieentscheidungen verändert. Die Runde diskutiert, warum
viele Unternehmen zögern, welche Chancen KI praktisch schon
eröffnet und wie sich Organisationen auf eine zunehmend
KI-getriebene Logistik vorbereiten können. Unter anderem geht es
dabei um folgende Themen: • Rückblick: Knuts frühe Arbeit zu
KI-Methoden (Constraint Satisfaction) und Abgrenzung alter
Algorithmen zu heutiger KI. • Hype oder Blase? Diskussion, ob KI im
Supply-Chain-Kontext überhaupt überhypt ist oder die Branche eher
zögerlich agiert. • Deutsche Zurückhaltung: Risiko, dass
“Blasen”-Argumente als Ausrede dienen, um Innovation zu vermeiden.
• Einfluss der CEO-Nutzung: Wenn Top-Management KI aktiv nutzt,
entstehen realistischere Erwartungen und echte Pilotprojekte. •
Verbot vs. Befähigung: Firmen, die KI-Tools sperren, behindern
Lernen; sinnvoller ist kontrolliertes Experimentieren. •
Arbeitsmarktveränderungen: Einstiegsjobs verschwinden teilweise,
KI-Natives werden wichtiger; klassische Karrierepfade verändern
sich. • Schwieriger Einstieg ohne Routinejobs: Wie Nachwuchs trotz
wegfallender “Excel-Pflichtjahre” Unternehmensprozesse schnell
erlernen kann. • Beispiel KI-Native: 17-jähriger, der mithilfe von
KI ein Videospiel programmiert – als Beleg für den Kompetenzsprung
junger Talente. • Recruiting-Praxis: Einige Unternehmen selektieren
bereits nach KI-Offenheit; andere noch kaum. • Technologiefirmen im
Handel: Fall Picnic – radikal eigene Softwareentwicklung; geringe
Abhängigkeit von Standardtools. • Zukunft von Softwareentwicklung:
KI als Multiplikator “8 Milliarden Programmierer”-Gedanke,
Fachbereiche programmieren mit. • Talentproblem in Deutschland:
Schwierigkeit, Weltklasse-Entwickler zu finden;
Nearshoring/Offshoring als gängige Praxis. • Strategische Frage:
Muss jedes Unternehmen Tech-Expertise inhouse aufbauen oder stärker
auf Dienstleister setzen? • Gefahr der Abhängigkeit: Wer
KI-Kompetenz komplett auslagert, kann Dienstleister nicht
challengen. • Debatte über Realismus: Können traditionelle Firmen
wirklich attraktiv für KI-Talente werden? • Praxisbeispiel:
Interner Entwickler löst Aufgaben schneller/effizienter als
gekaufte Software; zeigt Potenzial kleiner Teams unter KI-Nutzung.
• Wandel der Softwareanbieter: Weniger “Code-Fabrik”, mehr
eingebettete Expertise; KI übernimmt Dokumentation, Tests,
Compliance. • Knuts Projekt: Aufbau eines “digitalen
Supply-Chain-Avatars”, der Meetings analysiert und Prozessfehler
erkennt. • Szenario: KI beobachtet Demand-Review-Meetings, erkennt
Muster (z. B. Forecast-Manipulation) und gibt Feedback. • Rolle von
LLMs: Unterstützung, aber nicht Ersatz für numerische Modelle;
Vorsicht wegen Halluzinationen. • Beispiele aus der Praxis: KI
hilft bereits stark bei Excel-Analysen, Ad-hoc-Szenarien,
Störungsbehebung. • Wunsch-Anwendungen: KI-gestützte
Prozessanalysen, schnelle Due-Diligence-Bewertungen, automatische
Netzwerkanalysen bei Zukäufen. • Trend zur Entkopplung: Nicht mehr
alles auf ein großes ERP zwangsvereinheitlichen; KI als
Übersetzungs- und Integrationsschicht. Hilfreiche Links: Prof. Knut
Alicke auf LinkedIn: https://www.linkedin.com/in/knut-alicke/ Boris
Felgendreher auf LinkedIn:
https://www.linkedin.com/in/borisfelgendreher/
Kommentare (0)
Melde dich an, um einen Kommentar zu schreiben.