))
#250: Bessere Prozesse in der Logistik und Supply Chain mit mathematischer Optimierung (Dr. Sven Flake, OPTANO)
Manage episode 485381813 series 2645406
Boris Felgendreher und Bundesvereinigung Logistik (BVL), Boris Felgendreher, and Bundesvereinigung Logistik (BVL)에서 제공하는 콘텐츠입니다. 에피소드, 그래픽, 팟캐스트 설명을 포함한 모든 팟캐스트 콘텐츠는 Boris Felgendreher und Bundesvereinigung Logistik (BVL), Boris Felgendreher, and Bundesvereinigung Logistik (BVL) 또는 해당 팟캐스트 플랫폼 파트너가 직접 업로드하고 제공합니다. 누군가가 귀하의 허락 없이 귀하의 저작물을 사용하고 있다고 생각되는 경우 여기에 설명된 절차를 따르실 수 있습니다 https://ko.player.fm/legal.
In der Logistik und im Supply Chain Management wimmelt es geradezu von Prozessen, die mit Hilfe von mathematischer Optimierung verbessert werden können. Sei es in Netzwerkplanung, der Logistikplanung, der Personaleinsatzplanung oder in der Supply Chain Planung.
In der heutigen Folge des BVL Podcasts spricht unser Host Boris Felgendreher mit Dr. Sven Flake von OPTANO über die Anwendung von mathematischer Optimierung in der Logistik und im Supply Chain Management. Unter anderem geht es dabei um folgende Themen:
"Mathematische Optimierung" und die Abgrenzung zu "KI" und "Big Data".
Wie funktioniert softwarebasierte Entscheidungsunterstützung auf Basis mathematischer Optimierung?
Der Mehrwert von transparenten, nachvollziehbaren Entscheidungen.
Typische Einsatzgebiete: Inbound-Logistik, Produktionsplanung, Ausschreibungsunterstützung, CO₂-Optimierung.
Vorgehensweise bei Projekten: Erste Analyse mit Kunden (Fachplaner). Dann Proof of Concept auf Basis vereinfachter Modelle. Bei Erfolg: Entwicklung einer Softwarelösung mithilfe vorhandener Frameworks.
Auch Unternehmen mit Excel-gestützter Schatten-IT können geeignete Kunden sein.
Fokus liegt eher auf Reifegrad und Optimierungspotenzial als auf eingesetzten Tools.
Ablauf typischer Zusammenarbeit: Proof of Concept → Managemententscheidung → agile Softwareentwicklung.
Ziele über Kostensenkung hinaus: Auch Verbesserung des Kundenservices und Erhöhung von Flexibilität können Ziele sein. Mathematik ermöglicht dabei z. B. Service-Level-Optimierung.
Die Grenzen mathematischer Optimierung: Menschliche und politische Faktoren (z. B. Silos) können die Umsetzung behindern.
Mathematische Modelle können helfen, aber nicht alle Probleme lösen.
Datenqualität als wiederkehrendes Problem: Garbage-in/Garbage-out ist Realität. Nutzung von "Schattendaten" als Workaround.
Zukünftiger Einsatz von KI: Unterstützung bei Benutzerführung (z. B. via Sprache). Datenqualität verbessern, Unstimmigkeiten erkennen. Extraktion von implizitem Wissen aus historischen Daten. Rolle von KI in der Softwareentwicklung
und vieles mehr
Hilfreiche Links:
OPTANO: https://optano.com/optano-bvl-podcast/
Sven Flake auf LinkedIn: https://www.linkedin.com/in/sven-flake-33886481/
Boris Felgendreher auf LinkedIn: https://www.linkedin.com/in/borisfelgendreher/
BVL: https://www.bvl.de/
290 에피소드
공유
