KI, Analytics, Automatisierung
Merck will Self-Driving Supply Chain bauen
- Die "Technology Journey" beginnt im Stadium der Daten-Silos und führt über harmonisiertes und kognitives Daten-Management hin zum autonomen System.
- De Lucas Credo: wer Mitarbeiter und Stakeholder überzeugen will, muss ihnen zuerst einmal zuhören
- Der Schlüssel zum Projekterfolg liegt in der Kommunikation.
- Um Mitarbeiter zu inspirieren, muss man kein Showman sein.
Foto: Hasan Baran Özkan
Vergleichbar mit dem selbstfahrenden Auto muss auch die LieferketteLieferkette funktionieren. Alessandro de Luca, CIO der Healthcare-SparteHealthcare-Sparte der Merck GroupMerck Group, will eine solche Lieferkette installieren. Auf dem Innovationsforum von Accenture stellte er sein Projekt, für das er mehrere Jahre ansetzt, vor. Der CIO ist überzeugt: "Eine solche Lieferkette hat einen ähnlichen Einfluss wie die Blockchain!" Top-500-Firmenprofil für Merck Alles zu Healthcare IT auf CIO.de Alles zu Supply Chain auf CIO.de
De Lucas Ziel ist es, Merck Healthcare schneller reagieren zu lassen. Beispielsweise kann in einer bestimmten Region eine Welle an Infektionen ausbrechen, die Menschen können nach Stürmen oder Überflutungen Medikamente brauchen, oder es können sich einfach das Patientenverhalten oder der Markt ändern - dann soll das Unternehmen zügig liefern können. De Lucas Rezept: Künstliche Intelligenz, Data Analytics und Automatisierung.
Sensoren und Algorithmen sollen die Lieferkette befähigen, ständig Daten zu analysieren und die richtigen Produkte in der richtigen Geschwindigkeit auszuliefern. Das System soll Bedarfsspitzen wie Flauten selbstständig voraussehen können.
Der CIO ist seit 2011 bei Merck Healthcare. Anfang 2017 bescheinigte ihm unsere Schwesterpublikation cio.com, "mit dem Silicon Valley zu kuscheln". De Luca hat sich dort Partner für seine "self-driving supply chain" gesucht.
Vier Stationen einer "Technology Journey"
Auf dem Innovationsforum skizzierte de Luca vier Stationen einer "Technology Journey". Diese sind:
1. Daten in Silos
Am Anfang der Reise liegen Daten in Silos. Anwender und Entscheider hatten wenig Einblick, die Qualität der Daten (zum Beispiel im Hinblick auf Genauigkeit) stimmt nicht. Das bezieht sich auf Enterprise Data (SAP, Oracle und andere) ebenso wie auf externe Daten etwa von den Aktienmärkten und Wetterstationen und IoT-Daten (Internet of Things) aus Sensoren und Instrumenten. Erkenntnisse aus Daten lassen sich nur rückblickend gewinnen.
2. Harmonisierte Daten
Hier wird bereits mit Daten in Realtime gearbeitet. Sichtbarkeit kann End-to-End hergestellt werden, das Unternehmen setzt kognitive Daten-Modelle ein.
Foto: Hasan Baran Özkan
3. Kognitives Daten-Management
Das Unternehmen arbeitet mit Künstlicher Intelligenz (oder AI für Artificial Intelligence). Data Scientisten ermöglichen datengetriebene Ausblicke auf die Zukunft.
4. Selbststeuernde Systeme
Die letzten Lücken sind geschlossen. Das System entscheidet und arbeitet eigenständig.
"Change" ist gleichbedeutend mit Kommunikation
Den Schlüssel zum Gelingen dieses Projektes sieht de Luca in der Kommunikation. Der Titel "Change Manager" ist für ihn gleichbedeutend mit "Communication Manager". Sein Ratschlag an Entscheider: "Learn, look, partner!" Alleine könne ein Unternehmen ein solches Vorhaben nicht stemmen.
2016 erhielt de Luca von Mercks Biopharma-Sparte den Titel "Inspirational leader of the year". Gegenüber unserem Magazin erklärt er, diese Fähigkeit sei nichts Angeborenes. Andere zu inspirieren heiße, ihnen zuzuhören. Wer aufmerksam zuhöre, lerne die Sprache der jeweiligen Stakeholder und könne sie dann in ihren Worten überzeugen. De Luca: "Sie brauchen kein Showman zu sein!"
- Dr. Christoph Angerer, Senior Developer Technologies Engineer - Deep Learning and Accelerated Computing bei Nvidia
"KI stellt kein fundamentales Risiko für den Datenschutz dar, wie oft angenommen wird. So kann Künstliche Intelligenz dazu beitragen, das Sicherheitsniveau zu erhöhen, etwa indem Daten bereits größtenteils auf dem Endgerät aggregiert und ausgewertet werden. " - Tobias Beuckes, RPA-Experte bei Horváth & Partners Management Consultants in Stuttgart
"Es ist wichtig, dass auf nationaler Ebene oder durch die EU ein Umfeld geschaffen wird, das den Einsatz von Technologien wie KI fördert. Ein regulatorisches Rahmenwerk sollte beispielsweise den Umgang mit den Daten regeln, die Anwendungen aus den Bereichen KI und maschinelles Lernen nutzen. Solche Frameworks sind die Voraussetzung dafür, dass Unternehmen eine langfristige Strategie bezüglich des Einsatzes von KI und maschinellem Lernen entwickeln können." - Hendrik Nieweg, Head of Solution Management bei Device Insight
"Wichtig sind 'Leuchtturmprojekte' im Bereich KI. Denn ein Großteil der Unternehmen wartet erst einmal ab, welche Erfahrungen Mitbewerber oder Partner bei der Umsetzung von KI-Initiativen machen." - Henning von Kielpinski, Vice President Business Development & Alliances bei der Consol Software GmbH in München
"Im Bereich KI und der Anwendung entsprechender Lösungen läuft Deutschland die Zeit davon. Mitbewerber aus dem Ausland bieten ihren Kunden bereits Zusatzdienste an, die auf Künstlicher Intelligenz und Maschinellem Lernen basieren." - Bernd Gloss, Managing Solution Architect bei Capgemini
"Unserer Auffassung nach konzentrieren sich derzeit viele Unternehmen darauf, existierende Prozesse mittels Industrie-4.0-Technologien zu verbessern. Beim Ausschöpfen der Möglichkeiten gehen sie allerdings noch sehr zaghaft vor." - Jan Karstens, Chief Technology Officer bei der Blue Yonder GmbH in Karlsruhe
"Die Disposition von Waren im Handel zählt zu den Einsatzfeldern, in denen nach unseren Erfahrungen KI und Maschinelles Lernen bereits heute unverzichtbar sind." - Michaela Tiedemann, Chief Marketing Officer bei der Alexander Thamm GmbH
"Bei Künstlicher Intelligenz geht es nicht nur darum, bestehende Prozesse zu verbessern. Vielmehr erlaubt der Einsatz von KI die Schaffung ganz neuer Geschäftsmodelle."