Wie setze ich KI in der Handelslogistik sinnvoll ein? (Manhattan Associates)

00:00:01: EHE, Retail Insights.

00:00:05: Der Podcast für alle die im Retail entscheiden und die von den Besten lernen

00:00:10: wollen!

00:00:12: Hallo liebe Retail-Community.

00:00:15: heute ist Gerrit Wösmann von Manhattan Associates bei mir zu Gast.

00:00:19: Manhattan entwickelt Software Lösungen für Themen wie Supply Chain Lager Transport und Omni Channel Handel.

00:00:25: Und gemeinsam schauen wir heute darauf wie KI im Handel beziehungsweise besonders in Logistik und Fulfillment-Prozessen sinnvoll eingesetzt werden kann.

00:00:33: Mein Name ist Clarissa Vorreier, los geht's!

00:00:43: Hallo Gerrit?

00:00:44: Ich freue mich sehr, dass du da bist.

00:00:45: Hallo Clarissa, ja ich freu mich hier zu sein.

00:00:47: vielen herzlichen Dank.

00:00:48: Und wir jetzt heute über Manhattan Associates sprechen weil gerade in der Logistika und in der Fulfilmentbranche hat man ja das Gefühl überall steht KI drauf.

00:00:57: wo wird das Thema aus deiner Sicht aktuell überschätzt und wo wird ihr Potenzial unterschätst?

00:01:02: Ja, ist eine super Frage zum Einstieg und ich glaube im Moment wird KI vor allem da überschätzt wo sie als Etikett benutzt werden.

00:01:11: Überall steht AI-Power drauf.

00:01:13: oft sind es aber nur irgendwie ein paar Zusatzfunktionen die im Frontend hübsche Dashboards oder einen Chatbot der von einem alten System gestellt wird und häufig ist das mehr nicht.

00:01:22: und ich glaub wir sehen's alle auf irgendwelchen Events oder im Marketing, dass das dann viel Hype erzeugt auf dem Markt.

00:01:30: Aber im Alltag auf der Fläche oder im Lager ändert sich dadurch erstaunlich wenig.

00:01:35: Wichtig in diesem Zusammenhang und womit ich mich auch nahezu täglich bei Manhattan beschäftige ist es unsere Kunden und unsere Partner zu vermitteln welche technologische Plattform welcher Microservices und API First Infrastruktur benötigt wird um KI dann entsprechend nicht nur hübsch aussehen zu lassen sondern wirklich da einzusetzen wo's mehr Werte kreieren kann.

00:01:55: Und wenn Handelsunternehmen ihre logistischen oder operativen Prozesse mit KI verbessern wollen, was ist aus deiner Sicht da eine falsche Herangehensweise?

00:02:03: Also die falsche herangehendsweise ist für mich dass man sich als erstes fragt wie oder mit wem gehe ich das Problem an bevor ich mich frage was ja eigentlich das Problem is.

00:02:15: Ich stehe morgens als immer verschlafener Logistikleiter auf und sage wir brauchen auch KI.

00:02:20: Wie können wir damit machen Statt sich selber zu fragen, wo brennt denn eigentlich hier bei mir im Betrieb die Hütte?

00:02:27: und wie könnte ein Agent dort helfen?

00:02:28: Wo wir auch wirklich schnell Verbesserungen erzielen können.

00:02:32: Viele Projekte bleiben dann halt silo POCs und häufig werden die KI-Projekte dann halt auch losgelöst von den bestehenden Systemen und Datenlandschaften initiiert.

00:02:42: Welches genau die oben beschriebenen technologischen bottlenecks dann halt entsprechend auslöst.

00:02:47: Also wenn die Stammdaten in Konsistenz sind, die Prozesse nicht klar definiert sind und jede Business Unit ihre eigenen KPIs hat, dann hilft auch das beste Modell dort nichts.

00:02:57: Und noch ein Fehler den wir häufig sehen KI-Projekte als reines IT oder Innovationsprojekt aufzusetzen ohne die operative, ohne die Fachbereiche von Anfang an mit reinzunehmen.

00:03:08: Unsere Erfahrung bei Manhattan in Deutschland ist dass die erfolgreichsten Projekte entstehen nun mal dort wo die KI ganz bewusst in bestehende Supply Chain und Commerce Plattformen integriert wird Und wo Planer, Disponenten, Lagerleute aus der Operativen direkt mit am Tisch sitzen und das von vorne rein.

00:03:26: Also auf jeden Fall auch erstmal das Problem irgendwie filtern und das dann angehen und

00:03:30: auftröseln.

00:03:32: Im Umkehrschluss woran erkennt man dann dass ein KI Anwendungsfall wirklich sinnvoll ist also nicht nur spannend klingt sondern im Alltag auch einen echten Unterschied macht?

00:03:40: Ein sinnvoller Use Case hat für mich immer drei deutliche Merkmale.

00:03:45: Erstens starten wir mit einem klaren Pain.

00:03:48: was hatte ich eben schon gesagt.

00:03:50: Zum Beispiel unsere Teamleiter verbringen jeden Tag Stunden mit der Wellenplanung oder die Rampe ist permanent überlastet und wir reißen unsere SLAs hier täglich ein.

00:03:59: Und jemand im Fachbereich ohnt diese Themen dann auch wirklich und hat auch ein großes Interesse an der Lösung dieses Problems.

00:04:06: Zweitens, es gibt harte messbare Ziele also zwei drei Kennzahlen, an dem man Erfolg festmacht.

00:04:12: Also etwa X-Stunden weniger Koalitionsaufwand pro Tag Y-Prozent mehr Lines schippt oder Z-Proz.

00:04:19: weniger Überstunden oder Nachläufer.

00:04:21: und zum Schluss sollte der Use Case auch einen end to end Hebel haben, also ein Agent kann dann nur sinnvoll arbeiten wenn er alles hat was er braucht und er braucht Zugang zu den relevanten Daten, er braucht klare Leitplanken für seine Entscheidungen und die Möglichkeit über APIs tatsächlich zu handeln.

00:04:39: Auch wenn ich dann eine cloud-native Plattform habe, um KI aus einem Piloten überall meine DCs in Deutschland oder Europa oder global skalieren zu lassen.

00:04:48: Dann hab' ich in wenigen Wochen und halt nicht in achtzehn Monaten einen Effekt den ich wirklich sehen kann!

00:04:54: Und dann ist KI für uns immer ein sehr guter Anwendungsfall.

00:04:58: Mhm.

00:04:58: Dann lass uns doch jetzt einmal das Ganze konkreter machen... Gibt es einen speziellen Anwendungsfall, an dem du gut erklären kannst?

00:05:05: Ja wie sowas in der Praxis dann aussieht.

00:05:07: Yes

00:05:07: ja sehr gerne!

00:05:09: Ich nehme da immer gerne ein Beispiel aus der Industrie.

00:05:11: wir haben da arbeiten mit einem Kunden der Firma Eden zusammen weil ist die Mechanik ganz gut ganz gut zeigt.

00:05:19: Ein globaler Industrikunderster, der betreibt mehrere große Distributionszentren und nutzt dort die Manhattan Active Plattformen.

00:05:26: Gemeinsam haben wir drei KI-Agenten aufgebaut die rund um Wellensteuerung Personal Einsatz im Lager und Dockmanagement miteinander arbeiten.

00:05:34: Da sieht man aber auch sehr schön, wie ein Agent erst Daten sammelt sie dann bewertet was kritisch wird und schließlich auch konkrete Aktionen auslöst.

00:05:42: Und zwar nicht in einer Demo oder irgendeinem Fancy Slideshow sondern wirklich im laufenden echten Betrieb und das jeden Tag.

00:05:50: Kannst du anhand des E-Ten Beispiels mal gerade zeigen was das Ausgangsproblem war?

00:05:54: Ja unbedingt!

00:05:55: Das ist auch der Key dieser Message hier.

00:06:00: Ausgangslage war im Grunde typisch für viele große Läger und ich denke, dass sich da viele Zuhörer dann auch mit identifizieren können.

00:06:06: Also die Wellensteuerung in dem Lager war sehr manuell.

00:06:09: Die Teamleiter haben mit Erfahrung, mit Excel entschieden welche Welle wann wie priorisiert wird.

00:06:16: das kostet häufig Zeit.

00:06:17: es macht den Betrieb abhängig von ein paar Heldinnen die alles um Kopf haben.

00:06:22: sind wir mal ehrlich Clarissa.

00:06:23: Ich glaube alle kennen diese Helden im Unternehmen die alles irgendwie zusammenhalten oder?

00:06:29: Wenn die dann einmal wegfallen?

00:06:30: Genau, das ist schwierig.

00:06:32: Und die Schichtplanung also nicht nur die Wellensteuerungen sondern auch die Schichtsplanung war für die Leute auf der Fläche auch sehr ähnlich.

00:06:39: mit wenig Echtzeit sich darauf was tatsächlich im Lager passiert mussten immer viele Löcher gestopft werden viel manuell umgeschichtet werden und viel umgeplant werden.

00:06:48: an der Laderampe auch hatte man regelmäßig Probleme als Lkw die warten die Reihenfolge die nicht optimal geplant ist oder weil Ressourcen nicht da sind wo sie tatsächlich auch gebraucht werden.

00:06:59: Das bedeutet viel Abstimmungsaufwand, viele Telefonate, viel Feuerlöschen und die Gefahr dass natürlich auch da wieder die SLA ist.

00:07:06: Die Service Levels gerissen werden war dann entsprechend immer sehr hoch.

00:07:11: Und was hat sich denn konkret verändert also im operativen Alltag verhieten?

00:07:14: Wir haben damit unsere Manhattan Active Plattform drei Agenten eingeführt welche by the way vorkonfigurierte Out of The Box Agent aus unserer Manhattan Agent Foundry sind.

00:07:24: Wir haben zum einen den Wavecoordinator-Agent, der beobachtet laufend die Wellen.

00:07:29: Der erkennt wo Service Levels gefährdet sind und unterstützt bei der Priorisierung Im Alltag.

00:07:34: speziell heißt das dass manuelle Planung sich dort deutlich reduziert.

00:07:38: also die Kolleginnen sparen zwei bis vier Stunden pro Tag Und die durchschnittliche Orderdurchlaufzeit verkürzt sich um etwa acht Stunden.

00:07:47: Dann haben wir den Labour Coordinator Agents.

00:07:51: Er vergleicht in der Echtzeit, was geplant war mit dem, was tatsächlich im Lager passiert ist.

00:07:56: Und er schlägt dann entsprechend Anpassungen vor und dadurch steigt die Produktivität und der Durchsatz und die Schichtleiter können viel gezielter reagieren.

00:08:05: Zum Letzten haben wir unseren Doc-Management Agent eingeführt – das ist einer vom Kunden selbst nachkonfigurierter Agent also aus dieser Out of the Box Agent Foundry genommen und dann nochmal ein bisschen nachgeschärft für seine Zwecke.

00:08:18: Der fokussiert sich auf alle Outbound-Doc's Also er hilft dabei, Slots und Sequenzen so zu planen dass es nicht zu eng passend kommt.

00:08:25: Und das Ergebnis des Kunden ist, dass er sich ein bis zwei FTIs an Koordinationsaufwand spart und erhöht damit natürlich dann auch die Zahl der Versandeposition bereits um etwa drei Prozent.

00:08:41: Da ist noch weiter deutliches Potenzial nach oben.

00:08:44: Also unter dem Strich sprechen wir über sechzig bis neunzig Stunden eingesparte Arbeit pro Woche und pro Standort.

00:08:50: Schon

00:08:51: viel!

00:08:51: Das

00:08:51: ist sehr viel, das ist nur ein Standort und das möchte ich nochmal klar rausbringen.

00:08:55: und dieser Hebel da komme ich auch gleich.

00:08:57: dann einfach noch mal zu der Hebel was das bedeutet.

00:09:00: wenn man das dann entsprechend skalieren kann es für große internationale Unternehmen absolut wertvoll.

00:09:07: Ja also worin lag an der eigentliche Mehrwert?

00:09:10: Also in eher schnelleren Entscheidungen bessere Ressourcensteuerung oder mehr Transparenz im Prozess?

00:09:16: Ja, ist auf jeden Fall eine Kombination.

00:09:19: Aber die Reihenfolge hier ist super wichtig!

00:09:21: Also ich denke das der größte Hebel bei der Ressourcesteuerung liegt.

00:09:25: also Personal, Maschinen, Docs werden gezielter eingesetzt statt nach Gefühl und das wirkt sich dann unmittelbar auf die Produktivität.

00:09:34: Darauf aufbauen, kommen die schnelleren und konsistenteren Entscheidungen.

00:09:39: Also ein Agent bewertet diese Situation in Sekunden und Standardentscheidungen werden automatisch oder vorstrukturiert getroffen.

00:09:46: D.h.,

00:09:46: die Menschen müssen nur noch dort eingreifen wo es wirklich kritisch oder außergewöhnlich wird.

00:09:50: Und auch diese Situationen kommen natürlich vor.

00:09:53: also alles können sie da nicht abnehmen aber es sind immer die Standardsituationen die halt im täglichen operativen Leben dort Zeit fressen.

00:10:02: Transparenz ist sozusagen die Grundlage und sie ist wichtig, aber sie ist auch kein Selbstzweck.

00:10:06: Das ist auch ganz, ganz wichtig.

00:10:08: Entscheidend ist das auf dieser Basis diese Transparens auch gehandelt wird.

00:10:12: Und genau das leisten halt auch die Agenten.

00:10:14: Sie verbinden Transparents mit konkreten Aktionen im System.

00:10:20: Was kann ein Händler aus so einem Beispiel mitnehmen?

00:10:22: Auch wenn er jetzt noch nicht soweit ist wie, ja, Eton in deinem Beispiel, wenn er vielleicht noch ganz am Anfang steht.

00:10:30: Vielleicht würde ich hier mal drei Dinge mit aufnehmen.

00:10:33: Also erstens sollten die Plattform Hausaufgaben gemacht sein, bevor ich über Agenten nachdenke sollte ich mir ehrlich anschauen wie meine Kernprozesse heute abgebildet sind.

00:10:45: habe ich eine moderne eine integrierte Plattform auf der Lager Transport und Omni-Channel wirklich zusammenspielen und sind Funktionen über APIs und Microsoft?

00:10:54: ist es wirklich ansprechbar oder nur Oberflächen und nächtliche Batch-Importe irgendwo aufeinandergelegt.

00:11:01: Zweitens mit einem sehr konkreten Use Case.

00:11:04: Starten werden so oben schon genannt, also nicht KI überall sondern ein Problem das jeden Tag wehtut Wellensteuerung, Personaleinsatz im Lager, Docplanungen oder Storeful Filament.

00:11:17: dazu zwei drei Kennzahlen definieren an denen ich dann den Erfolg entsprechend messen kann.

00:11:22: Er hat drittens auch wirklich realistische Erwartungen an die Time to Value.

00:11:28: Wenn Plattformen und Prozesse stimmen, sprechen wir nicht über achtzehn Monatsprogramme, die superaufwendig sind sondern wir sprechen ja wirklich über Weeks To Value.

00:11:36: Da möchte ich noch vielleicht ein kleines Beispiel von einem großen Beauty Retailer geben mit dem wir zusammenarbeiten der auch hier in Deutschland in jeder Einkaufstraße oder seine Produkte auch in jedem Rossmann- oder DM- oder Müller zu sehen ist.

00:11:51: Der hat mehrere Distributionszentren und die waren innerhalb von sechs Wochen mit Standard- und maßgeschneiderten Agenten live.

00:11:57: Also wir hatten hier klar messbare Effekte auf Produktivität und Service Levels, und das wirklich von dem von dem Erstgespräch bis hin zu messbaren Erfolgen innerhalb von six Wochen.

00:12:08: Und das zeigt ganz klar es ist machbar wenn das Fundament stimmt was ich halt eben schon angesprochen habe.

00:12:14: Okay meine nächste Frage die schließt wahrscheinlich jetzt auch schon so ein bisschen an wenn du zum Schluss einen Rat geben dürftest.

00:12:21: Also was wäre ein erster Schritt für Handelsunternehmen, die KI in ihrem Prozess wirklich wirksam einsetzen

00:12:26: wollen?

00:12:28: Ja ich glaube das ist so der Call to Action wo sich da jeder Vertriebler an dieser Stelle drüber freut.

00:12:34: oder also ich glaub mein Rad wäre schaut euch zuerst euren wichtigsten End-to-End-Prozess an und eure Plattform vor allem bevor ihr die nächste KI-Demo bei irgendwelchen großen Anbietern bucht Wählt einen kritischen Prozess aus, zum Beispiel Order to Delivery im Lager oder Fulfillment und geht ehrlich durch.

00:12:54: Ist das wirklich durchgängig digitalisiert?

00:12:56: Habe ich die Daten und Schnittstellen damit ein Agent dort sehen, denken und dann entsprechend auch handeln kann?

00:13:03: Und dann definiert ihr genau einen Agent Newcase mit klarem Payne, klaren KPIs und verantwortlichen in den Fachbereichen, die wir unbedingt brauchen für dieses Projekt.

00:13:13: Wenn dieser erste Baustein auf einer modernen Plattform gut funktioniert, kann man sehr schnell skalieren.

00:13:18: Aber ohne dieses Fundament bleibt KI sonst halt wirklich nur eine schöne Präsentation mit Fancy Slides und tollen der

00:13:24: Sports.".

00:13:41: Wer also Lust hat, das Thema weiterzudenken kann sich dann bei dir am Stand melden.

00:13:44: Dich einfach anquatschen.

00:13:46: Ja den natürlich auch im Nachgang jetzt vom Podcast einfach eine Nachricht schreiben vielleicht verabreden und darüber freue ich mich da bestimmt oder?

00:13:53: Absolut!

00:13:53: Nee, dass wäre klasse.

00:13:55: Da würde ich mich sehr darauf freuen.

00:13:56: Also wir sind auf dem Handelslogistik-Kongress von AI in Bonn natürlich wie jedes Jahr auch auf der Logie Mart in Stuttgart mit den Manhattan Associates vor Ort.

00:14:04: Wir bringen tolles Team mit nicht nur aus dem Vertrieb und Marketing sondern auch unsere Produktexperten und unser europäisches Management.

00:14:11: Und wir sprechen genau über diese Themen, wie sehen sinnvolle KI-Agenten im Lager und Transport aus?

00:14:15: Welche Rolle spielt dann eine Plattform wie Manhattan Active als Basis und welche Erfahrungen machen Unternehmen aus Industrie und Handel gerade in der Praxis?

00:14:25: also wer Lust hat Das mal weiterzudenken oder über eigene Use-Cases zu sprechen, kommt einfach bei uns am Stand vorbei.

00:14:31: Sprecht mich direkt an oder schreibt mir hier im Nachgang eine Nachricht.

00:14:33: Ich nehme da super gerne Zeit für den Austausch.

00:14:36: Ja

00:14:36: cool!

00:14:36: Dann drücke ich dir die Daumen für viele spannende Gespräche.

00:14:38: Ich danke dir Clarissa und danke für die Einladung.

00:14:40: Ja sehr gerne.

00:14:41: Tschüss.

00:14:42: Ciao.

00:14:55: Schön, dass ihr eingeschaltet habt.

00:14:56: Ich wünsche euch was!

00:15:09: Ciao!