Data Analytics im Supply Chain Management

In den letzten Jahren wurden bedeutende Forschungsfortschritte auf dem Gebiet der künstlichen Intelligenz (KI) erzielt, insbesondere im Teilbereich des maschinellen Lernens (ML). Für Unternehmen ergeben sich dadurch viele potenzielle Vorteile. So können beispielsweise neue datengetriebene Dienstleistungen und Geschäftsmodelle generiert, die Kundenzufriedenheit und Produktqualität gesteigert oder operative Kosten gesenkt werden. Allerdings liegen in der Praxis die für den Einsatz von KI-Methoden notwendigen Daten häufig fehlerhaft vor, sind nicht in einer ausreichenden Menge vorhanden oder erfüllen nicht die Voraussetzungen für eine direkte Implementierung und Evaluierung von ML Methoden. Hier klaffen theoretische Forschung und praktische Anwendung teilweise stark auseinander.

• Sie kennen die größten Herausforderungen in der Anwendung von Analytics Methoden in der Praxis, insb. im SCM
• Sie haben einen Überblick über mögliche Ansätze diese Herausforderungen zu meistern
• Sie erhalten einen Überblick über aktuelle Forschungsinhalte und künftige Themen für die Praxis

• Enabler und Betroffene der digitalen Transformation
• Innovationsmanager
• Fach- und Führungskräfte

Christian Menden ist Leiter der Abteilung Analytics an der Fraunhofer SCS und für die Entwicklung einer KI-Strategie verantwortlich. Seine Forschungsschwerpunkte: Lernen mit wenig annotierten Daten, Data Augmentation, Prognosemethoden, Von Predictive zu Prescriptive Analytics.