KKC_0188 | KI in der Logistik: Routen- und Lagerleistung

Dieses Seminar gibt Ihnen einen praxisnahen Einstieg in KI in der Logistik mit zwei Kernfeldern: Routenplanung und Lageroptimierung. Sie starten mit einem klaren Bild typischer Use-Cases entlang Transport und Warehouse, inklusive der KPIs, an denen sich Nutzen messen lassen, zum Beispiel OTIF, Servicegrad, Durchlaufzeit oder Pickrate. Danach bauen Sie das Fundament: Welche Daten kommen aus TMS, WMS und ERP, welche Restriktionen stecken in Prozessen, und welche Datenqualität brauchen Sie, damit KI nicht nur „schöne“ Ergebnisse liefert, sondern im Betrieb standhält.

Für die Routenplanung lernen Sie die Grundlogik hinter VRP und TSP kennen, inklusive Zeitfenstern, Kapazitäten, Prioritäten und realistischen Störfaktoren wie Stau, Ausfällen oder Ad-hoc-Aufträgen. Sie verstehen den Unterschied zwischen Heuristiken und exakten Verfahren und können bewerten, wann Stabilität wichtiger ist als minimale Kosten. Im Lagerteil geht es um Slotting, Wegeoptimierung, Batching und Wave Planning sowie um Bestandspositionierung und Sicherheitsbestände.

Ergänzend erhalten Sie ein verständliches Fundament zu Machine Learning für Prognosen, inklusive Feature-Ideen, Validierung und Fehlermetriken wie MAE oder MAPE. Abschließend planen Sie den Weg vom Pilot zur Umsetzung: Business Case, Integration in TMS/WMS/ERP, Monitoring und organisatorische Akzeptanz.

• KI-Use-Cases und Kennzahlen in Transport und Lager einordnen
• Daten aus TMS, WMS und ERP auf Eignung und Qualität prüfen
• Grundlagen von Vehicle Routing Problem und Traveling Salesperson Problem verstehen
• Zeitfenster, Kapazitäten und Störfaktoren in Routenmodellen berücksichtigen
• Heuristische und exakte Optimierungsverfahren unterscheiden
• Slotting, Wegeoptimierung, Batching und Wave Planning bewerten
• Optimierungsergebnisse auf Stabilität und betriebliche Umsetzbarkeit prüfen

Das Seminar richtet sich an Logistikmanager/innen, Transportplaner/innen, Lagerleiter/innen, Disponent/innen sowie Fachkräfte aus Supply Chain Management und Operations.

Grundkenntnisse in Logistik, Transport- oder Lagerprozessen werden vorausgesetzt. Erfahrungen mit TMS-, WMS- oder ERP-Daten sind hilfreich.

• KI-Use-Cases in Transport und Lager
  • Routenplanung, ETA, Slotting, Kommissionierung
  • Bestandsprognosen und Nachschub
  • Qualität von Stammdaten und Sensordaten
  • KPIs: OTIF, Servicegrad, Pickrate, Durchlaufzeit
• Datenbasis und Prozessverständnis
  • Auftragsdaten, Standortdaten, Fahrzeiten, Restriktionen
  • Lagerlayout, ABC/XYZ, Artikelattribute, Wegezeiten
  • Datenbereinigung, Ausreißer, fehlende Werte
  • Datenschutz, Rollen, Zugriff, Datenverantwortung
• Grundlagen Optimierung für Routen
  • VRP, TSP, Zeitfenster, Kapazitäten, Prioritäten
  • Heuristiken vs. exakte Verfahren
  • Robuste Planung bei Stau, Ausfällen, Ad-hoc-Aufträgen
  • Bewertung: Kosten, CO2, Pünktlichkeit, Stabilität
• Grundlagen Lageroptimierung
  • Slotting-Strategien und Wegeoptimierung
  • Batching, Wave Planning, Zonenkommissionierung
  • Bestandspositionierung und Sicherheitsbestände
  • Simulation als Entscheidungshilfe
• Machine Learning für Prognosen und Priorisierung
  • Nachfrageprognose, ETA-Prognose, Volumenprognose
  • Features, Training, Validierung, Overfitting
  • Fehlermetriken: MAE, MAPE, RMSE
  • Drift, Saison, Promotion-Effekte
• Vom Pilot zur Umsetzung
  • Use-Case-Auswahl mit Business Case
  • Integration in TMS/WMS/ERP und Schnittstellen
  • MLOps-Grundlagen: Monitoring, Retraining, Versionierung
  • Change Management und Akzeptanz im Betrieb